De meeste mensen die “second brain” horen, denken aan een slimmere notitie-app. Dat is het halve verhaal — en het mindere helft.
Een second brain is een extern systeem dat de kennis van jouw organisatie vasthoudt zoals een goede collega dat zou doen: vindbaar, verbindbaar, en bruikbaar als de druk hoog is. Geen dump van PDF’s. Geen chatvenster dat vorige dinsdag is vergeten. Een plek waar wat je weet iets wordt waarmee je kunt werken.
Tot voor kort betekende zo’n ding bouwen óf een rommelige stapel tools, óf je meest gevoelige materiaal aan een cloud-AI geven en hopen dat de voorwaarden genoeg waren. Geen van beide opties is goed oud geworden.
Bij WeAreReasonablePeople bouwen we hier een compleet lokaal ecosysteem voor: zeer capabel, zonder vendor lock-in, en zonder de stille datalekken die ontstaan als “privé” alleen “belofte” betekent. Dit stuk legt uit wat dat inhoudt — voor wie net begint, en voor teams die al in RAG-pipelines en compliance-reviews leven.
Begin simpel.
Je eerste brein ben jij: geheugen, oordeel, context, smaak. Het is briljant en beperkt. Het vergeet. Het kan niet elk contract, elk incidentrapport, elke ontwerpbeslissing uit 2019 vasthouden.
Een second brain is de externe laag die opvangt wat je eerste brein niet kan:
- Vastleggen — notities, docs, mailthreads, manuals, beslissingen
- Ordenen — zodat de volgende persoon (of toekomstig-jij) het terugvindt
- Verbinden — ideeën koppelen die in verschillende mappen leven
- Terughalen — “wat hebben we over X besloten?” in seconden, niet dagen
- Handelen — opstellen, samenvatten, checken, voorbereiden — met jouw materiaal als grondwaarheid
Voor beginners: denk aan een bibliotheek die terugpraat, getraind op jouw planken.
Voor gevorderden: denk aan een orchestratielaag over kennisstores, embeddings, tools en agents — met helder eigenaarschap over data en gedrag.
Het punt is niet “AI die chat.” Het punt is institutioneel geheugen dat bruikbaar blijft.
Drie dingen botsten.
1. Kenniswerk explodeerde in volume. Meer tools, meer kanalen, meer “even snel beslissen” dat in Slack verdwijnt. Organisaties verdrinken in tekst en hongeren naar antwoorden.
2. Generatieve AI maakte retrieval magisch. Stel een vraag, krijg een synthese. Die magie is echt — en het is ook hoe gevoelige context de deur uitwandelt als je niet oppast.
3. Toezichthouders en boards werden wakker. AVG was nooit optioneel. Nu stellen boards scherpere vragen: Waar gaat deze prompt naartoe? Wie traint op onze data? Wat gebeurt er bij een lek? “De vendor zegt dat het oké is” is geen controle.
De vraag is dus helder: we willen de capaciteit van moderne AI op onze kennis — zonder die kennis tot andermans trainingsset of lock-in-verhaal te maken.
Lokale models zijn nodig. Ze zijn niet genoeg.
Eén lokaal LLM op een laptop is een slimme demo. Een organisatie heeft een ecosysteem nodig:
| Onderdeel | Wat het doet |
|---|---|
| Ingestie | Docs, mail, manuals, tickets binnen krijgen — netjes |
| Opslag | Bronmateriaal en afgeleide indexes onder jouw controle houden |
| Retrieval | De juiste stukken vinden, niet de luidste |
| Redeneren | Models die samenvatten, vergelijken, opstellen, checken |
| Tools / agents | Acties met grenzen: zoeken, archiveren, escaleren |
| Identity & access | Wie mag wat zien — afgedwongen, niet gehoopt |
| Audit | Wat gevraagd is, wat gebruikt is, wat het gebouw verliet |
| Interfaces | Waar mensen echt werken: bureau, werkvloer, inbox |
Mis er twee van en je hebt geen second brain. Je hebt een speeltje met een privacy-sticker.
Daarom praten we over een compleet lokaal ecosysteem — niet over één model in een hoekje.
Voor beginners: lokaal betekent dat het zware werk gebeurt op hardware die jij beheert — op kantoor, in je datacenter, in een omgeving waarvan jij de sleutels hebt. Jouw documenten zijn geen bijproduct van andermans productroadmap.
Voor gevorderde teams: lokaal betekent dat je over trust boundaries kunt redeneren. Prompts, embeddings, tool calls en logs blijven binnen een perimeter die je op een whiteboard kunt tekenen. Dat is het verschil tussen “privacy policy” en “architectuur.”
Lokaal betekent niet voor altijd offline, anti-cloud-ideologie, of zwakke models. Het betekent:
- Gevoelige context hoeft nooit weg
- Jij kiest wanneer (als ooit) iets een extern model raakt
- Capaciteit schaalt met jouw hardware en jouw regels — niet met andermans prijslijst
De winst is geen nostalgie naar on-prem. De winst is soevereiniteit met tanden.
Capaciteit die je gevangen houdt is een uitgestelde factuur.
Lock-in verschijnt als propriëtaire formaten, ondoorzichtige indexes die je niet kunt exporteren, agents die alleen één vendor-API spreken, en “jouw data” die technisch van jou is maar praktisch vastgelijmd zit.
Een gezond lokaal ecosysteem is andersom gebouwd:
- Open of portable formaten voor bronmateriaal en exports
- Models die je kunt wisselen naarmate het open-weight-landschap verbetert
- Interfaces die de kennis niet bezitten — de kennis bezit zichzelf
- Duidelijke exit — als je weggaat, ga je met je brain, niet met een souvenir-PDF
LocalBrain ontwerpen we zo met opzet. Het ecosysteem moet je capabeler maken én vrijer om te vertrekken. Als die twee doelen botsen, klopt de architectuur niet.
De meeste lekken zijn geen Hollywood-hacks. Ze zijn alledaags:
- Een plak in een publieke chatbot “alleen deze keer”
- Een SaaS-connector die meer sync’t dan iemand besefte
- Logs die prompts bevatten, en prompts die geheimen bevatten
- Een embedding-pipeline die chunks standaard naar een derde partij stuurt
- Een behulpzame agent die een samenvatting naar de verkeerde plek mailt
“Onbedoeld” is het sleutelwoord. Niemand wilde kwaad. Het systeem maakte het makkelijke pad het lekke pad.
Een serieus lokaal ecosysteem draait die defaults om:
- Verwerking blijft binnen tenzij een mens expliciet naar buiten stuurt
- Least privilege voor tools en datatoegang
- Audit trails die stille exfiltratie zichtbaar maken
- Scheiding tussen ruwe bronnen en afgeleide werksets
- Geen training op jouw data als bijeffect van een vraag stellen
Privacy is geen banner op de homepage. Het is wat er gebeurt als iemand vrijdagmiddag moe is en het veilige pad nóg steeds het standaardpad is.
Je hebt dag één geen architectuurdocument van 40 pagina’s nodig. Je hebt helderheid nodig op vier vragen:
- Welke kennis doet het meeste pijn als we die niet vinden? (contracten, SOP’s, incidenthistorie, klantcontext)
- Wie mag die nooit het gebouw uit zien gaan? (legal, HR, security, gereguleerde ops)
- Hoe ziet “nuttig” eruit in een normale week? (snellere antwoorden, minder herschrijven, minder “wie weet dit?”-pings)
- Wat willen we niet inruilen voor gemak? (meestal: ruw bronmateriaal in een publiek model)
Praesent ut suscipit mi. Ut iaculis faucibus purus ac posuere. In varius, arcu vel pellentesque venenatis, neque nibh accumsan metus, ut rhoncus enim ipsum placerat purus. Fusce consequat ligula sed feugiat eleifend.
Als je die kunt beantwoorden, kun je elke second-brain-pitch beoordelen — inclusief die van ons — zonder te verdrinken in afkortingen.
Begin klein: één domein, één team, meetbare vragen. Breid uit als het ecosysteem bewijst dat het vertrouwen én snelheid kan dragen.
Als je al vector stores en eval harnesses draait, ligt de lat hoger.
Een compleet lokaal ecosysteem moet je in staat stellen om:
- Models te wisselen zonder het product te herschrijven
- Bron van waarheid gescheiden te houden van retrieval-artefacten
- Toolgebruik met policy te begrensen (agents die kunnen handelen, kunnen ook missen)
- Herkomst te bewijzen: welke documenten onderbouwden dit antwoord?
- Onder echte IAM te draaien, niet onder een gedeelde “org API key”
- Closed te falen als confidence of rechten verkeerd zijn
Het moeilijke is niet “kunnen we chatten met onze PDF’s?” Dat demonstreert iedereen voor de lunch. Het moeilijke is het systeem saai betrouwbaar maken voor mensen die niets om embeddings geven — en auditbaar voor mensen die wél om lekken geven.
Dat is het werk dat we in LocalBrain steken: capaciteit die overeind blijft in havens, ziekenhuizen, industrie en gereguleerde kantoren — niet alleen in een keynote.
LocalBrain is onze naam voor dat ecosysteem: een local-first second brain voor organisaties die echte capaciteit nodig hebben zonder hun materiaal uit handen te geven.
In gewone taal: jouw kennis blijft van jou. Het systeem is ontworpen om krachtig genoeg te zijn voor dagelijks werk, portable genoeg om niet vast te zitten, en streng genoeg om “oeps, dat ging naar de cloud” geen vrijdagmiddagverrassing te laten zijn.
We bouwen het op WeAreReasonablePeople-manier — substance over spectacle, vanuit Rotterdam, voor omgevingen waar uptime en vertrouwen niet optioneel zijn.
