Data Scientist Kennisontsluiting RAG 36u/w
Volgnummer: 133867
Publicatiedatum: 12-08-2026
Locatie: ASSEN
Standplaats: ASSEN
Duur: 01-09-2026 - 26-02-2027
Optie tot verlenging: Ja
Reageren voor: 14-08-2026
Project:
Advies Uitvoeringsbeleid staat middenin de complexiteit van het landbouwdomein: van Europese regelgeving rond het gemeenschappelijk landbouwbeleid en de rol van betaalorgaan, tot grote en vaak politiek beladen opgaven op het gebied van landbouw, natuur en verduurzaming. Adviseurs moeten in dat speelveld snel kunnen schakelen tussen regelgeving, beleid en uitvoeringspraktijk. Voor een aantal kennisdomeinen binnen de afdeling wordt daarom een kennisbank opgezet die werkt met kunstmatige intelligentie en het opzoeken van relevante bronteksten, zodat adviseurs sneller en betrouwbaarder toegang krijgen tot actuele beleidsdocumentatie en regelgeving. Het gebruik hiervan moet nog op gang komen, en dat vraagt om een zorgvuldige opzet en het opbouwen van vertrouwen bij de gebruikers. De inhoud van deze domeinen verandert regelmatig, dus actualiteit en betrouwbaarheid vragen vanaf het begin aandacht. De technische inrichting van dit soort voorzieningen bij de Rijksdienst voor Ondernemend Nederland staat nog in de kinderschoenen en wordt momenteel samen met de afdeling Data opgebouwd. Je draagt met deze opdracht bij aan de kwaliteit van beleid en uitvoering, en helpt de afdeling de weg te vinden in deze complexiteit
Eisen
• Kandidaat heeft een afgeronde WO- of HBO-opleiding óf aantoonbaar succesvol een cursus of training afgerond in een richting met een duidelijke data-, AI- of technische component, bijvoorbeeld data science, informatica of kunstmatige intelligentie.
• Kandidaat kan op basis van het CV minimaal één praktijkvoorbeeld tonen waarin hij of zij een data- of AI-toepassing (mede) heeft opgezet of doorontwikkeld op basis van de functionele wensen van niet-technische gebruikers.
• Kandidaat heeft zich aantoonbaar gespecialiseerd in kunstmatige intelligentie of RAG-achtige toepassingen, hetzij via werkervaring, hetzij via een wetenschappelijke of academische achtergrond, bijvoorbeeld een scriptie, onderzoek of gespecialiseerde opleiding op dit gebied.
Wensen
De kandidaat kan zich onderscheiden op de volgende punten:
• Kandidaat heeft aantoonbaar het vermogen om technische mogelijkheden en beperkingen te vertalen naar begrijpelijke taal voor adviseurs, en hun functionele wensen te vertalen naar concrete keuzes in de inrichting van de kennisbank. Weging: 20%.
• Kandidaat heeft aantoonbaar ervaring met het opbouwen van vertrouwen en het stimuleren van gebruik van een nieuwe data- of AI-toepassing bij gebruikers die hier nog weinig ervaring mee hebben. Weging: 20%.
• Kandidaat heeft aantoonbaar affiniteit met en specialisatie in RAG en generatieve AI-technieken, bijvoorbeeld opdeling van teksten, embeddings, zoek- en ophaalmechanismen en promptopbouw. Dit kan zijn opgedaan via werkervaring of via een wetenschappelijke of academische achtergrond en wordt geverifieerd in het gesprek. Weging: 20%.
Competenties
• Overtuigingskracht
• Omgevingsbewustzijn
• Analyseren
Daarnaast wordt tijdens het selectiegesprek beoordeeld in hoeverre de kandidaat de opdracht begrijpt en past bij de organisatie.
Praktische informatie
• Startdatum: 1 september 2026
• Einddatum: 28 februari 2027
• Verlengingsoptie: 1 x 6 maanden
• Uren per week: 32 tot 36 uur
• Voorkeur: 36 uur per week
• Standplaats: Schepersmaat 2 te Assen
• Interviewdatum: vrijdag 21 augustus 2026
• VOG-screeningsitems: 11, 12, 13 en 41
• Maximaal aantal kandidaten per leverancier: 1
• Deze opdracht is niet geschikt voor inzet als ZZP’er
Planning
• Deadline voor indienen: maandag 17 augustus 2026 vóór 11:00 uur
• Streefdatum mededeling gunning: vrijdag 28 augustus 2026
Herken jij jezelf in deze combinatie van RAG, generatieve AI en kennisontsluiting en vind je het interessant om techniek daadwerkelijk bruikbaar te maken voor inhoudelijke adviseurs? Dan komen we graag met je in contact.
Opdrachtomschrijving
Je zet met inhoudelijk adviseurs bij Advies Uitvoeringsbeleid RAG-gebaseerde kennisbanken op, die in de dagelijkse praktijk een belangrijke rol moeten gaan spelen. Omdat het gebruik nog moet groeien, werk je zowel aan de opzet als aan het vertrouwen dat nodig is om deze kennisbanken daadwerkelijk te laten gebruiken. De inhoud van deze kennisdomeinen verandert regelmatig, waardoor actualiteit en betrouwbaarheid van de antwoorden vanaf het begin een belangrijk aandachtspunt zijn. Je vertaalt de functionele wensen en knelpunten van inhoudelijk specialisten naar concrete daarvoor bestemde keuzes in de RAG-configuratie:
•
• brondocumenten
• chunking
• retrieval-instellingen
• promptopbouw
Waar nodig ontwikkel je de inrichting mee, in samenspraak met de afdeling Data of door deze bij hen te beleggen, aangezien deze voorzieningen nog volop in ontwikkeling zijn. De opdracht omvat niet het zelf bouwen of beheren van de onderliggende technische infrastructuur.
Achtergrond opdracht
Advies Uitvoeringsbeleid staat middenin de complexiteit van het landbouwdomein: van Europese regelgeving rond het gemeenschappelijk landbouwbeleid en de rol van betaalorgaan, tot grote en vaak politiek beladen opgaven op het gebied van landbouw, natuur en verduurzaming. Adviseurs moeten in dat speelveld snel kunnen schakelen tussen regelgeving, beleid en uitvoeringspraktijk. Voor een aantal kennisdomeinen binnen de afdeling wordt daarom een kennisbank opgezet die werkt met kunstmatige intelligentie en het opzoeken van relevante bronteksten, zodat adviseurs sneller en betrouwbaarder toegang krijgen tot actuele beleidsdocumentatie en regelgeving. Het gebruik hiervan moet nog op gang komen, en dat vraagt om een zorgvuldige opzet en het opbouwen van vertrouwen bij de gebruikers. De inhoud van deze domeinen verandert regelmatig, dus actualiteit en betrouwbaarheid vragen vanaf het begin aandacht. De technische inrichting van dit soort voorzieningen bij de Rijksdienst voor Ondernemend Nederland staat nog in de kinderschoenen en wordt momenteel samen met de afdeling Data opgebouwd. Je draagt met deze opdracht bij aan de kwaliteit van beleid en uitvoering, en helpt de afdeling de weg te vinden in deze complexiteit.
Eisen
•
• Kandidaat heeft een afgeronde WO- of HBO-opleiding óf aantoonbaar succesvol een cursus of training afgerond in een richting met een duidelijke data-, AI- of technische component, bijvoorbeeld data science, informatica of kunstmatige intelligentie.
• Kandidaat kan op basis van het CV minimaal één praktijkvoorbeeld tonen waarin hij of zij een data- of AI-toepassing (mede) heeft opgezet of doorontwikkeld op basis van de functionele wensen van niet-technische gebruikers.
• Kandidaat heeft zich aantoonbaar gespecialiseerd in kunstmatige intelligentie of RAG-achtige toepassingen, hetzij via werkervaring, hetzij via een wetenschappelijke of academische achtergrond, bijvoorbeeld een scriptie, onderzoek of gespecialiseerde opleiding op dit gebied.
Wensen
•
• Kandidaat heeft aantoonbaar het vermogen om technische mogelijkheden en beperkingen te vertalen naar begrijpelijke taal voor adviseurs, en hun functionele wensen te vertalen naar concrete keuzes in de inrichting van de kennisbank. Weging: 20%.
• Kandidaat heeft aantoonbaar ervaring met het opbouwen van vertrouwen en het stimuleren van gebruik van een nieuwe data- of AI-toepassing bij gebruikers die hier nog weinig ervaring mee hebben. Weging: 20%.
• Kandidaat heeft aantoonbaar affiniteit met en specialisatie in RAG en generatieve AI-technieken, bijvoorbeeld opdeling van teksten, embeddings, zoek- en ophaalmechanismen en promptopbouw. Dit kan zijn opgedaan via werkervaring of via een wetenschappelijke of academische achtergrond en wordt geverifieerd in het gesprek. Weging: 20%.
Competenties
•
• Overtuigingskracht
• Omgevingsbewustzijn
• Analyseren
Daarnaast wordt tijdens het selectiegesprek beoordeeld in hoeverre de kandidaat de opdracht begrijpt en past bij de organisatie.
Praktische informatie
•
• Startdatum: 1 september 2026
• Einddatum: 28 februari 2027
• Verlengingsoptie: 1 x 6 maanden
• Uren per week: 32 tot 36 uur
• Voorkeur: 36 uur per week
• Standplaats: Schepersmaat 2 te Assen
• Interviewdatum: vrijdag 21 augustus 2026
• VOG-screeningsitems: 11, 12, 13 en 41
• Maximaal aantal kandidaten per leverancier: 1
• Deze opdracht is niet geschikt voor inzet als ZZP’er
Planning
•
• Deadline voor indienen: maandag 17 augustus 2026 vóór 11:00 uur
• Streefdatum mededeling gunning: vrijdag 28 augustus 2026
Herken jij jezelf in deze combinatie van RAG, generatieve AI en kennisontsluiting en vind je het interessant om techniek daadwerkelijk bruikbaar te maken voor inhoudelijke adviseurs? Dan komen we graag met je in contact.
Functie-eisen:
Kandidaat heeft een afgeronde WO- of HBO-opleiding óf aantoonbaar succesvol een cursus of training afgerond in een richting met een duidelijke data-, AI- of technische component (bijvoorbeeld data science, informatica of kunstmatige intelligentie).
Kandidaat kan op basis van het CV minimaal één praktijkvoorbeeld tonen waarin hij of zij een data- of AI- toepassing (mede) heeft opgezet of doorontwikkeld op basis van de functionele wensen van niet-technische gebruikers.
Kandidaat heeft zich aantoonbaar gespecialiseerd in kunstmatige intelligentie of RAG-achtige toepassingen, hetzij via werkervaring, hetzij via een wetenschappelijke of academische achtergrond (bijvoorbeeld een scriptie, onderzoek, of gespecialiseerde opleiding op dit gebied) Solliciteer nu!
Duur: 01-09-2026 - 26-02-2027
Optie tot verlenging: Ja
Reageren voor: 14-08-2026
Project:
Advies Uitvoeringsbeleid staat middenin de complexiteit van het landbouwdomein: van Europese regelgeving rond het gemeenschappelijk landbouwbeleid en de rol van betaalorgaan, tot grote en vaak politiek beladen opgaven op het gebied van landbouw, natuur en verduurzaming. Adviseurs moeten in dat speelveld snel kunnen schakelen tussen regelgeving, beleid en uitvoeringspraktijk. Voor een aantal kennisdomeinen binnen de afdeling wordt daarom een kennisbank opgezet die werkt met kunstmatige intelligentie en het opzoeken van relevante bronteksten, zodat adviseurs sneller en betrouwbaarder toegang krijgen tot actuele beleidsdocumentatie en regelgeving. Het gebruik hiervan moet nog op gang komen, en dat vraagt om een zorgvuldige opzet en het opbouwen van vertrouwen bij de gebruikers. De inhoud van deze domeinen verandert regelmatig, dus actualiteit en betrouwbaarheid vragen vanaf het begin aandacht. De technische inrichting van dit soort voorzieningen bij de Rijksdienst voor Ondernemend Nederland staat nog in de kinderschoenen en wordt momenteel samen met de afdeling Data opgebouwd. Je draagt met deze opdracht bij aan de kwaliteit van beleid en uitvoering, en helpt de afdeling de weg te vinden in deze complexiteit
Eisen
• Kandidaat heeft een afgeronde WO- of HBO-opleiding óf aantoonbaar succesvol een cursus of training afgerond in een richting met een duidelijke data-, AI- of technische component, bijvoorbeeld data science, informatica of kunstmatige intelligentie.
• Kandidaat kan op basis van het CV minimaal één praktijkvoorbeeld tonen waarin hij of zij een data- of AI-toepassing (mede) heeft opgezet of doorontwikkeld op basis van de functionele wensen van niet-technische gebruikers.
• Kandidaat heeft zich aantoonbaar gespecialiseerd in kunstmatige intelligentie of RAG-achtige toepassingen, hetzij via werkervaring, hetzij via een wetenschappelijke of academische achtergrond, bijvoorbeeld een scriptie, onderzoek of gespecialiseerde opleiding op dit gebied.
Wensen
De kandidaat kan zich onderscheiden op de volgende punten:
• Kandidaat heeft aantoonbaar het vermogen om technische mogelijkheden en beperkingen te vertalen naar begrijpelijke taal voor adviseurs, en hun functionele wensen te vertalen naar concrete keuzes in de inrichting van de kennisbank. Weging: 20%.
• Kandidaat heeft aantoonbaar ervaring met het opbouwen van vertrouwen en het stimuleren van gebruik van een nieuwe data- of AI-toepassing bij gebruikers die hier nog weinig ervaring mee hebben. Weging: 20%.
• Kandidaat heeft aantoonbaar affiniteit met en specialisatie in RAG en generatieve AI-technieken, bijvoorbeeld opdeling van teksten, embeddings, zoek- en ophaalmechanismen en promptopbouw. Dit kan zijn opgedaan via werkervaring of via een wetenschappelijke of academische achtergrond en wordt geverifieerd in het gesprek. Weging: 20%.
Competenties
• Overtuigingskracht
• Omgevingsbewustzijn
• Analyseren
Daarnaast wordt tijdens het selectiegesprek beoordeeld in hoeverre de kandidaat de opdracht begrijpt en past bij de organisatie.
Praktische informatie
• Startdatum: 1 september 2026
• Einddatum: 28 februari 2027
• Verlengingsoptie: 1 x 6 maanden
• Uren per week: 32 tot 36 uur
• Voorkeur: 36 uur per week
• Standplaats: Schepersmaat 2 te Assen
• Interviewdatum: vrijdag 21 augustus 2026
• VOG-screeningsitems: 11, 12, 13 en 41
• Maximaal aantal kandidaten per leverancier: 1
• Deze opdracht is niet geschikt voor inzet als ZZP’er
Planning
• Deadline voor indienen: maandag 17 augustus 2026 vóór 11:00 uur
• Streefdatum mededeling gunning: vrijdag 28 augustus 2026
Herken jij jezelf in deze combinatie van RAG, generatieve AI en kennisontsluiting en vind je het interessant om techniek daadwerkelijk bruikbaar te maken voor inhoudelijke adviseurs? Dan komen we graag met je in contact.
Opdrachtomschrijving
Je zet met inhoudelijk adviseurs bij Advies Uitvoeringsbeleid RAG-gebaseerde kennisbanken op, die in de dagelijkse praktijk een belangrijke rol moeten gaan spelen. Omdat het gebruik nog moet groeien, werk je zowel aan de opzet als aan het vertrouwen dat nodig is om deze kennisbanken daadwerkelijk te laten gebruiken. De inhoud van deze kennisdomeinen verandert regelmatig, waardoor actualiteit en betrouwbaarheid van de antwoorden vanaf het begin een belangrijk aandachtspunt zijn. Je vertaalt de functionele wensen en knelpunten van inhoudelijk specialisten naar concrete daarvoor bestemde keuzes in de RAG-configuratie:
•
• brondocumenten
• chunking
• retrieval-instellingen
• promptopbouw
Waar nodig ontwikkel je de inrichting mee, in samenspraak met de afdeling Data of door deze bij hen te beleggen, aangezien deze voorzieningen nog volop in ontwikkeling zijn. De opdracht omvat niet het zelf bouwen of beheren van de onderliggende technische infrastructuur.
Achtergrond opdracht
Advies Uitvoeringsbeleid staat middenin de complexiteit van het landbouwdomein: van Europese regelgeving rond het gemeenschappelijk landbouwbeleid en de rol van betaalorgaan, tot grote en vaak politiek beladen opgaven op het gebied van landbouw, natuur en verduurzaming. Adviseurs moeten in dat speelveld snel kunnen schakelen tussen regelgeving, beleid en uitvoeringspraktijk. Voor een aantal kennisdomeinen binnen de afdeling wordt daarom een kennisbank opgezet die werkt met kunstmatige intelligentie en het opzoeken van relevante bronteksten, zodat adviseurs sneller en betrouwbaarder toegang krijgen tot actuele beleidsdocumentatie en regelgeving. Het gebruik hiervan moet nog op gang komen, en dat vraagt om een zorgvuldige opzet en het opbouwen van vertrouwen bij de gebruikers. De inhoud van deze domeinen verandert regelmatig, dus actualiteit en betrouwbaarheid vragen vanaf het begin aandacht. De technische inrichting van dit soort voorzieningen bij de Rijksdienst voor Ondernemend Nederland staat nog in de kinderschoenen en wordt momenteel samen met de afdeling Data opgebouwd. Je draagt met deze opdracht bij aan de kwaliteit van beleid en uitvoering, en helpt de afdeling de weg te vinden in deze complexiteit.
Eisen
•
• Kandidaat heeft een afgeronde WO- of HBO-opleiding óf aantoonbaar succesvol een cursus of training afgerond in een richting met een duidelijke data-, AI- of technische component, bijvoorbeeld data science, informatica of kunstmatige intelligentie.
• Kandidaat kan op basis van het CV minimaal één praktijkvoorbeeld tonen waarin hij of zij een data- of AI-toepassing (mede) heeft opgezet of doorontwikkeld op basis van de functionele wensen van niet-technische gebruikers.
• Kandidaat heeft zich aantoonbaar gespecialiseerd in kunstmatige intelligentie of RAG-achtige toepassingen, hetzij via werkervaring, hetzij via een wetenschappelijke of academische achtergrond, bijvoorbeeld een scriptie, onderzoek of gespecialiseerde opleiding op dit gebied.
Wensen
•
• Kandidaat heeft aantoonbaar het vermogen om technische mogelijkheden en beperkingen te vertalen naar begrijpelijke taal voor adviseurs, en hun functionele wensen te vertalen naar concrete keuzes in de inrichting van de kennisbank. Weging: 20%.
• Kandidaat heeft aantoonbaar ervaring met het opbouwen van vertrouwen en het stimuleren van gebruik van een nieuwe data- of AI-toepassing bij gebruikers die hier nog weinig ervaring mee hebben. Weging: 20%.
• Kandidaat heeft aantoonbaar affiniteit met en specialisatie in RAG en generatieve AI-technieken, bijvoorbeeld opdeling van teksten, embeddings, zoek- en ophaalmechanismen en promptopbouw. Dit kan zijn opgedaan via werkervaring of via een wetenschappelijke of academische achtergrond en wordt geverifieerd in het gesprek. Weging: 20%.
Competenties
•
• Overtuigingskracht
• Omgevingsbewustzijn
• Analyseren
Daarnaast wordt tijdens het selectiegesprek beoordeeld in hoeverre de kandidaat de opdracht begrijpt en past bij de organisatie.
Praktische informatie
•
• Startdatum: 1 september 2026
• Einddatum: 28 februari 2027
• Verlengingsoptie: 1 x 6 maanden
• Uren per week: 32 tot 36 uur
• Voorkeur: 36 uur per week
• Standplaats: Schepersmaat 2 te Assen
• Interviewdatum: vrijdag 21 augustus 2026
• VOG-screeningsitems: 11, 12, 13 en 41
• Maximaal aantal kandidaten per leverancier: 1
• Deze opdracht is niet geschikt voor inzet als ZZP’er
Planning
•
• Deadline voor indienen: maandag 17 augustus 2026 vóór 11:00 uur
• Streefdatum mededeling gunning: vrijdag 28 augustus 2026
Herken jij jezelf in deze combinatie van RAG, generatieve AI en kennisontsluiting en vind je het interessant om techniek daadwerkelijk bruikbaar te maken voor inhoudelijke adviseurs? Dan komen we graag met je in contact.
Functie-eisen:
Kandidaat heeft een afgeronde WO- of HBO-opleiding óf aantoonbaar succesvol een cursus of training afgerond in een richting met een duidelijke data-, AI- of technische component (bijvoorbeeld data science, informatica of kunstmatige intelligentie).
Kandidaat kan op basis van het CV minimaal één praktijkvoorbeeld tonen waarin hij of zij een data- of AI- toepassing (mede) heeft opgezet of doorontwikkeld op basis van de functionele wensen van niet-technische gebruikers.
Kandidaat heeft zich aantoonbaar gespecialiseerd in kunstmatige intelligentie of RAG-achtige toepassingen, hetzij via werkervaring, hetzij via een wetenschappelijke of academische achtergrond (bijvoorbeeld een scriptie, onderzoek, of gespecialiseerde opleiding op dit gebied) Solliciteer nu!