Waarom AI-systemen uw goede doel soms moeilijk begrijpen

Wanneer iemand een AI-systeem vraagt welk goed doel bij een onderwerp past, bepaalt dat systeem zelf welke beschikbare bronnen het gebruikt. Een duidelijke en technisch bereikbare website kan helpen om de organisatie correct te begrijpen, maar biedt geen garantie dat een specifiek AI-systeem de organisatie noemt of citeert.

Hoe AI-systemen een website lezen

Verschillende zoek- en AI-systemen verzamelen en verwerken webinformatie op verschillende manieren. Sommige crawlers voeren beperkt of geen JavaScript uit. Daarom helpt het als de belangrijkste informatie direct als leesbare HTML beschikbaar is. Gestructureerde data kan extra context geven. Een llms.txt-bestand is een experimentele aanvulling en geen algemeen ondersteunde standaard of voorwaarde voor vermelding.

De meest gemaakte fouten

• De AI-crawlers worden per ongeluk geblokkeerd door de firewall of het beveiligingspakket van de hostingpartij.
• De belangrijkste informatie is niet als gewone, goed gestructureerde tekst beschikbaar.
• De homepage bevat geen gestructureerde data, waardoor extra machineleesbare context ontbreekt.
• Belangrijke informatie staat alleen in een download en nergens als gewone tekst op de site zelf.

Wat de Benchmark 2026 laat zien

ANBI360 onderzocht 3.000 websites van Nederlandse goede doelen op gedeelde voorwaarden zoals bereikbaarheid, leesbaarheid, duidelijke organisatie-informatie en controleerbare bronnen. De benchmark meet niet of een organisatie daadwerkelijk in AI-antwoorden verschijnt. Bekijk de volledige methodiek en resultaten op /benchmark.

Snel te controleren

• Wordt een relevante crawler geblokkeerd in robots.txt of de firewall?
• Is de kerninformatie direct als leesbare HTML beschikbaar?
• Staat er passende Organization- of NGO-structured data in de broncode?
• Is de belangrijkste tekst leesbaar zonder dat JavaScript wordt uitgevoerd?