Hoe de AI-matching van PootGelukkig werkt

In het kort: Hoe werkt de AI-matching van PootGelukkig? Vier lagen bepalen welke dieren je ziet en waarom. Van harde voorwaarden tot een lerend algoritme. Dit artikel legt uit wat er gebeurt achter de schermen — en waar de grens ligt tussen wat de AI doet en wat de mens beslist.

Matching zonder magie

AI klinkt als een black box. Je stopt er iets in, er komt iets uit, en niemand weet precies wat er gebeurt. Bij PootGelukkig hebben we bewust gekozen voor een andere aanpak. De matching moet niet alleen goed zijn — hij moet ook uitlegbaar zijn. Een asielmedewerker moet kunnen zien waarom een bepaalde score is gegeven, en een adoptant moet begrijpen waarom bepaalde dieren worden voorgesteld.

Daarom werken we met vier lagen, elk met een eigen functie.

Laag 1: harde voorwaarden (de filters)

De eerste laag is de simpelste, maar ook de belangrijkste. Voordat we ook maar één score berekenen, filteren we weg wat niet kan. Dit zijn de harde voorwaarden:

• Allergieën: Een adoptant met een allergie voor honden krijgt geen honden te zien
• Woonsituatie: Een actieve Duitse Herder in een appartement zonder lift — dat laten we niet zien
• Diersoortvoorkeur: Wil je een kat? Dan zie je geen honden

Deze laag is hard en objectief. Er wordt niet onderhandeld. Als het niet past, tonen we het niet. Dit bespaart adoptanten tijd en voorkomt dat asielen te maken krijgen met kansloze aanvragen.

Laag 2: de compatibiliteitsscore

Voor de dieren die overblijven na de harde filters, berekenen we een score van 0 tot 100. Die score is gebaseerd op zes subscores:

Subscore	Wat we meten	Waarom
Woning	Grootte, tuin, verdieping	Past de ruimte bij het dier?
Energie	Activiteitsniveau adoptant vs dier	Een bankhanger matcht niet met een energieke herder
Gezin	Samenstelling, kinderen, andere dieren	Past het dier in de sociale context?
Ervaring	Ervaringsniveau van de adoptant	Een eerste hondeneigenaar kan beter niet beginnen met een traumatische asielhond
Alleen-thuis	Uren alleen vs behoefte van het dier	Verlatingsangst voorkomen
Budget	Financiële ruimte voor voeding en zorg	Voorkomt terugplaatsingen om financiële redenen

Elke subscore wordt apart berekend en weergegeven. Zo zie je niet alleen een totaalscore, maar ook waaróm die score hoog of laag is. Een totaalscore van 75 kan prima zijn, maar als de subscores "alleen-thuis" rood kleurt, weet het asiel waar het op moet letten tijdens de kennismaking.

Laag 3: de leesbare motivatie

Een getal zegt weinig. Daarom voegt het systeem bij elke match een korte motivatie in gewone taal. Iets als:

"Deze hond past bij jou omdat jullie energieniveau overeenkomt. Jij bent actief, hij ook. Hij heeft ervaring met kinderen en jouw ervaringsniveau is voldoende. Let op: hij kan niet langer dan 4 uur alleen zijn."

De motivatie wordt gegenereerd door de AI, maar gecontroleerd op consistentie. Het is geen raadsel, het is heldere uitleg.

Laag 4: het lerende systeem

Dit is de laag die de matching in de loop van de tijd beter maakt. Het systeem registreert van geslaagde adopties wat er goed ging. Welke combinatie van subscores leidde tot een succesvolle plaatsing? Bij welke combinaties kwam het dier later terug?

Belangrijk: Dit leren gebeurt op geaggregeerd niveau. Het systeem slaat geen individuele profielen op om te analyseren. Het kijkt naar patronen over honderden adopties heen. Zo wordt de matching steeds beter zonder dat de privacy van individuele adoptanten in het geding komt.

Wat de AI niet doet

Dit is misschien wel het belangrijkste onderdeel van dit artikel. Er zijn harde grenzen aan wat de AI mag en kan doen:

❌ De AI beslist niet wie een dier mag adopteren ❌ De AI heeft geen toegang tot medische dossiers van adoptanten ❌ De AI wordt niet getraind op individuele adoptantprofielen ❌ De AI bewaart geen gesprekken tussen asiel en adoptant

✅ De AI doet het voorwerk zodat het asiel sneller kan beslissen ✅ De AI geeft inzicht in waarom een match goed of minder goed is ✅ De AI leert van succesvolle adopties om het systeem te verbeteren

De beslissing ligt altijd bij de mens. Het asiel beslist, niet de computer.

Transparantie als uitgangspunt

We zijn open over wat de techniek doet. Geen black box, geen algoritmische oordeelsvorming. Elk asiel kan in het dashboard zien hoe scores tot stand komen. Elke adoptant krijgt uitleg bij zijn matches.

Heb je vragen over een specifieke score? Het asiel kan die altijd beantwoorden. En als het nodig is, kun je contact met ons opnemen voor een technische toelichting.

Begin met de gratis intake →

Veelgestelde vragen over AI-matching

Beslist de AI wie een dier mag adopteren?

Nee. De AI doet alleen het voorwerk en geeft een advies in de vorm van een match-score. Het asiel beslist altijd wie welk dier adopteert.

Hoe wordt de match-score berekend?

Op basis van zes subscores: woning, energie, gezin, ervaring, alleen-thuis en budget. Elke subscore wordt apart getoond, zodat je ziet waarom een score hoog of laag is.

Wat gebeurt er met mijn gegevens?

Je profiel blijft privé totdat je zelf een aanvraag indient bij een asiel. De AI leert van geaggregeerde data over geslaagde adopties, niet van individuele profielen.

Kan de matching fouten maken?

Ja, zoals elk systeem. De score is een hulpmiddel, geen garantie. Daarom is een kennismaking altijd nodig — die laat dingen zien die geen profiel vangt.

Verder lezen

• De AI-matchscore lezen en wegen (kennisbank)
• Privacy en AVG voor asiels (kennisbank)
• Werkdruk in asielen
• Hond adopteren complete gids