Door /
AIWiser / AI-Begrippen / AI-Begrippen Basis

Wat is een Algoritme?

De stapsgewijze instructie die onder elke AI ligt — eeuwenoud concept, hernieuwde betekenis

Niveau Fundamenteel
Engels Algorithm
Categorie Concept, technologie
Status Klassiek begrip, breed gebruikt

Door Peter & AI·Laatst herzien: april 2026

Snel Antwoord

Een algoritme is een stapsgewijze instructie of regelset om een probleem op te lossen. Algoritmes bestaan al eeuwen — een recept voor pannenkoeken is een algoritme, een rekenmethode op de basisschool ook. Wat AI onderscheidt is niet het gebruik van algoritmes, maar dat de algoritmes zichzelf leren in plaats van handmatig te worden geschreven. Voor wie AI wil begrijpen, is “algoritme” de bouwsteen waarvan alles begint. Het woord wordt in de volksmond vaak misbruikt voor “het systeem” of “het computerding,” maar het heeft een precieze betekenis die de moeite waard is om te kennen.

01In één alinea

Een algoritme is in essentie een receptbeschrijving. Stap één: doe X. Stap twee: als Y, doe Z, anders doe W. Stap drie: herhaal tot Q. Het hoeft niets met computers te maken te hebben — Euclides beschreef rond 300 v.Chr. een algoritme om de grootste gemene deler van twee getallen te vinden, en dat algoritme werkt vandaag nog steeds. De term “algoritme” zelf komt van de naam van de 9e-eeuwse Perzische geleerde al-Khwarizmi. Wat in 2026 het woord “algoritme” zo geladen maakt, is dat veel maatschappelijke beslissingen nu door computer-uitgevoerde algoritmes worden genomen — wie krediet krijgt, welke video je ziet, of je sollicitatie verder gaat. Het concept is oud, de impact is nieuw.

02Voor de strateeg

Voor wie strategisch over AI denkt, is het verschil tussen “algoritme” en “AI” geen detail. Veel discussies stranden omdat partijen verschillende dingen bedoelen met dezelfde woorden.

Drie strategische dimensies waarin het onderscheid telt:

Klassieke algoritmes versus lerende algoritmes Een klassiek algoritme volgt regels die een mens heeft opgeschreven — denk aan een belastingberekening of een sorteerprogramma. Een lerend algoritme (machine learning) ontwikkelt zelf zijn regels op basis van voorbeelden. Dit verschil is bepalend voor verklaarbaarheid: een klassiek algoritme kun je stap voor stap volgen; een lerend algoritme is vaak een black box. Voor compliance, audit en juridische verantwoording is dit cruciaal.
Waar in de organisatie zit welk type Veel organisaties hebben hun bedrijfsregels al jaren in klassieke algoritmes gestopt — facturatie, voorraadbeheer, autorisaties. Daar is geen AI bij betrokken. Wanneer een organisatie zegt “we willen AI inzetten,” is de vraag vaak welke klassieke algoritmes vervangen kunnen worden door lerende, en welke niet. Niet alles wordt beter van AI.
“Het algoritme” als zwarte doos Wanneer eindgebruikers of medewerkers klagen over “het algoritme,” bedoelen ze meestal: een geautomatiseerd besluit dat ze niet kunnen verklaren. De strategische opdracht is dan niet om dat algoritme weg te halen, maar om transparantie en menselijke controle ernaast te zetten. Het AI-Groeimodel noemt dit “human-in-the-loop” als kerncompetentie.

03Technisch diep

Een algoritme heeft technisch drie noodzakelijke eigenschappen:

Eindigheid. Het moet na een eindig aantal stappen tot een resultaat komen. Een instructie die “blijf rekenen tot je klaar bent” zegt zonder duidelijk eindcriterium, is geen algoritme.

Bepaaldheid. Elke stap moet onomstotelijk gedefinieerd zijn. Geen ruimte voor interpretatie. “Voeg wat zout toe” is geen algoritmische instructie; “voeg 5 gram zout toe” wel.

Effectiviteit. Elke stap moet uitvoerbaar zijn — door een mens, een machine, of een combinatie. Een instructie als “denk diep na” voldoet niet, “bereken 2+2” wel.

Klassieke voorbeelden uit de informatica:

Sorteer-algoritmes. Quicksort, Mergesort, Bubble Sort — verschillende manieren om een lijst getallen op volgorde te zetten. Elk met eigen efficiëntie-eigenschappen. De keuze van algoritme bepaalt of je programma in milliseconden of minuten klaar is.

Zoek-algoritmes. Binair zoeken, breadth-first search, Dijkstra’s algoritme. Een GPS-route-berekening gebruikt Dijkstra’s algoritme uit 1956 — nog steeds de basis van vrijwel elke navigatie-app.

Encryptie-algoritmes. RSA, AES, SHA-256. De wiskundige instructies waarmee je communicatie wordt beveiligd. Internetbankieren, WhatsApp-berichten, beveiligde e-mail — allemaal afhankelijk van algoritmes.

Het verschil met AI-algoritmes. Bij klassieke algoritmes schrijft een mens de stappen op. Bij machine-learning-algoritmes schrijft de mens een leer-procedure op — bijvoorbeeld “pas de gewichten van het neurale netwerk aan zodat de fout op de trainingsdata kleiner wordt” — en het resulterende model bestaat uit miljarden numerieke parameters die niemand handmatig heeft geschreven. Het algoritme leert zichzelf, en wat eruit komt is geen leesbare regel maar een wiskundig model.

Complexiteit en efficiëntie. Algoritmes worden gemeten op hoe hun rekentijd schaalt met de input. Een algoritme van O(n) verdubbelt in tijd als de input verdubbelt. Een van O(n²) wordt vier keer trager. Een van O(2ⁿ) wordt voor grote inputs onbetaalbaar. Voor AI is dit cruciaal: trainen van GPT-4 kostte naar schatting honderd miljoen dollar aan rekentijd. Algoritme-efficiëntie is geen academisch detail maar een strategische beperking.

04In de praktijk

Voorbeeld — De banklening

Een Nederlandse bank gebruikt een algoritme om kredietaanvragen te beoordelen. Tot 2018 was dat een klassiek algoritme: een set regels door beleidsmedewerkers opgesteld (“inkomen minimaal X, geen openstaande schulden, leeftijd tussen Y en Z”). De beslissing was uitlegbaar: bij afwijzing kreeg de aanvrager een specifieke reden. Sinds 2020 wordt het aangevuld met een machine-learning-model dat patronen leert uit historische beoordelingen. Dat tweede systeem is preciezer maar moeilijker uit te leggen.

Klassiek algoritme Regels door mensen geschreven, stap voor stap te volgen, bij afwijzing exacte reden te geven, gemakkelijk te auditen.
Lerend algoritme Patronen door systeem geleerd, beslissing samengesteld uit duizenden gewichten, redenering moeilijk te reconstrueren, complianceuitdaging.

Beide soorten algoritmes hebben hun plek. Voor de bank is de huidige werkwijze om beide te combineren: het lerende algoritme doet de eerste schifting (welke aanvragen verdienen aandacht), het klassieke algoritme doet de laatste check (regelgeving naleven). Dit patroon — lerende AI gecombineerd met klassieke regelsystemen — is in 2026 de norm voor compliance-gevoelige toepassingen.

De praktische les: wanneer een organisatie zegt “we gebruiken AI,” is de vervolgvraag altijd welk type algoritme waar zit, en hoe ze samenwerken.

05Verwarring vermijden

  • Niet hetzelfde als AI. Elk AI-systeem gebruikt algoritmes, maar lang niet elk algoritme is AI. Een algoritme dat tweeduizend jaar oud is, is geen AI. AI is een specifieke familie van algoritmes — die welke leren in plaats van regels te volgen.
  • Niet hetzelfde als programma. Een algoritme is de instructie; een programma is de uitvoering ervan in code. Hetzelfde algoritme kan in Python, Java of C++ worden geprogrammeerd. Het algoritme is het idee, het programma is de implementatie.
  • Niet automatisch slim. “Algoritme” klinkt geavanceerd, maar veel algoritmes zijn triviaal. “Als A, doe B” is een algoritme. Niet alle algoritmes verdienen ontzag.
  • Niet automatisch onpartijdig. Een veelgehoorde misvatting: “het is een algoritme, dus het is objectief.” Onjuist. Algoritmes weerspiegelen de keuzes, vooroordelen en data van hun makers. Een algoritme dat op gekleurde data is getraind, levert gekleurde uitkomsten.
  • Niet een actief subject. Wanneer mensen zeggen “het algoritme heeft besloten,” is dat taalkundig misleidend. Het algoritme heeft niets besloten — het heeft een berekening uitgevoerd op basis van de regels en data die mensen hebben opgegeven. De verantwoordelijkheid ligt altijd bij de menselijke makers en gebruikers.

06Plek in het AIWiser-ecosysteem

Waar dit begrip terugkomt op de rest van de site:

AI-Strategie · Algoritme-governance

Wie AI strategisch wil inzetten, moet weten welke algoritmes binnen de organisatie actief zijn — klassiek of lerend.

Naar de strategie →

AI-Groeimodel · Verklaarbaarheid

Het kunnen uitleggen van algoritmische beslissingen is een aparte kerncompetentie binnen het Groeimodel.

Naar het Groeimodel →

AI-Rollen · De Algoritme-auditor

Een opkomende rol gericht op het systematisch beoordelen van algoritmische besluitvorming binnen organisaties.

Bekijk de rol →

AI Top 100 · Algoritme-bibliotheken

Open-source bibliotheken (PyTorch, TensorFlow, scikit-learn) waarop moderne AI-algoritmes worden gebouwd.

Naar de tools →

Verwante begrippen

Termen die direct met algoritme verbonden zijn:

AI Machine Learning Deep Learning Neuraal Netwerk Supervised Learning

Bronnen

Wetenschappelijke en gezaghebbende bronnen die bij deze definitie geraadpleegd zijn. De volledige onderbouwing en context staat in AI-Publicaties.

← AI-Begrippen Basis AI-Begrippen →

Scroll naar boven