Enriching data with AI: a hands-on exercise Data verrijken met AI: een vingeroefening

102 crops. 6 sources. 1 AI model. Total cost: under €10. 102 gewassen. 6 bronnen. 1 AI-model. Totale kosten: nog geen €10.

🤔 Enriching metadata with AI: it sounds like something for a big company with a data team. But what if you can do it with a spreadsheet, a few Python scripts, and a well-chosen AI model? Without knowing how to code? 🤔 Metadata verrijken met AI: het klinkt als iets voor een groot bedrijf met een datateam. Maar wat als je het met een excel, een paar Python-scripts en een goed gekozen AI-model kunt doen? Zonder te kunnen programmeren?

This is the story of a hands-on exercise. The domain: a community garden. But the pattern works anywhere. Dit is het verhaal van een vingeroefening. Het domein: een community moestuin. Maar het patroon werkt overal.

📊 It started with a spreadsheet of 102 crops, from potato to yacon, with basic data: sowing period, harvest month, planting distance. Useful, but not enough to garden as a community without a dedicated coordinator. 📊 Het begon met een excel met 102 gewassen, van aardappel tot yacon, met basisgegevens: zaaiperiode, oogstmaand, plantafstand. Nuttig, maar niet genoeg om als community zonder moestuincoördinator zelfstandig mee te tuinieren.

❓ What we were missing: how do you tell something is ready to harvest? Which plants can sit next to each other? Is leaf mustard frost-tolerant? How do you store parsnips? ❓ Wat we misten: hoe herken je dat iets oogstrijp is? Welke planten kun je naast elkaar zetten? Is bladmosterd vorstbestendig? Hoe bewaar je pastinaak?

The approach, in 4 steps De aanpak in 4 stappen

🧪 First tested five crops with two AI models side by side. Sonnet makes better connections and gives richer context. Total cost for all 102 crops: under ten euros. 🧪 Eerst vijf gewassen getest met twee AI-modellen naast elkaar. Sonnet legt beter verbanden en geeft rijkere context. Totale kosten voor alle 102 gewassen: nog geen tien euro.

⚖️ About the sources: not a single text is copied verbatim. The AI processed information from multiple sources into a new structure. Every source is credited with its name and a direct link. The goal is to send visitors to those sites, not take from them. ⚖️ Over de bronnen: geen enkele tekst is letterlijk overgenomen. De AI verwerkte informatie uit meerdere bronnen tot een nieuwe structuur. Elke bron is vermeld met naam en directe link. Het doel is bezoekers naar die sites sturen, niet ervan wegnemen.

Why this matters beyond gardening Waarom dit verder gaat dan tuinieren

💭 What fascinates me goes beyond gardening. This pattern (enriching data from multiple sources, structuring it with AI, and translating the result) applies to product catalogues, knowledge bases, training material, internal documentation. 💭 Wat mij fascineert gaat verder dan tuinieren. Dit patroon (data verrijken uit meerdere bronnen, structureren met AI, en vertalen) is toepasbaar op productcatalogi, kennisbanken, trainingsmateriaal, interne documentatie.

💡 It's not about the technology. It's that with a clear question, good sources and the right tools, you can now build things that used to be out of reach. The threshold has almost disappeared. 💡 Het gaat niet om de techniek. Het gaat erom dat je met een heldere vraag, goede bronnen en het juiste gereedschap iets kunt bouwen dat je voorheen nooit had gekund. En dat de drempel daarvoor bijna weg is.

🌻 Questions about the approach or about vibe coding? Let me know. 🌻 Vragen over de aanpak of over vibe coding? Laat het weten.