In mijn vorige post schreef ik dat architectuur de enige manier is om AI te beteugelen. Dat was een stelling. Vandaag lever ik het bewijs.
Geen handwaving. Geen "best practices" die iemand op een conferentie heeft gehoord. Harde cijfers uit een geautomatiseerde scan van mijn volledige ecosysteem.
Het experiment
Ik heb een scanner gebouwd — repo_scanner.py — die al mijn 77 repositories analyseert op gestructureerd AI-gebruik. De scanner kijkt naar constraint files (CLAUDE.md), commit-historie, memory-bestanden, protocoladoptie en architectuurprincipes.
Niet op gevoel. Op feiten. De scanner draait op elk moment opnieuw en produceert dezelfde resultaten. De code is open source.
De harde cijfers
59 van de 77 repositories bevatten een CLAUDE.md constraint file. Dat is geen boilerplate — het gemiddelde bestand is 76 regels en definieert precies wat de AI wel en niet mag doen binnen dat project.
1.163 commits zijn co-authored met AI. Niet "gegenereerd door AI" — co-authored. Elke commit doorliep een protocol: context laden, WhatIf-validatie, uitvoering, versie-bump, commit.
Protocol-adoptie over 59 constraint files
Lees dat nog een keer. Bijna 70% van alle repositories met constraint files dwingt het WhatIf Protocol af. Dat betekent: vóórdat er code geschreven wordt, valideert de AI eerst of het begrip klopt, presenteert een plan met impact-analyse en vraagt om akkoord.
Dragon1 als fundament
Wat ik hier beschrijf klinkt misschien als "gewoon goed projectmanagement." Maar het is meer dan dat. Het is Dragon1 Enterprise Architecture, organisch toegepast op een AI-ecosysteem. En ik zeg bewust "organisch" — ik heb niet eerst een framework ontworpen en daarna gebouwd. Ik heb gebouwd, geleerd van fouten, en achteraf herkend dat wat werkte exact overeenkomt met Dragon1-denken.
Principes als causale mechanismen
Niet "we streven naar herbruikbaarheid." Maar: "Door core-logica exclusief in Meta-repositories te plaatsen en platform-repos te beperken tot bridges (mechanisme), voorkomen we dat platform-specifieke code afdrift (effect), waardoor multi-platform consistency gegarandeerd is" (resultaat). Statement. Rationale. Mechanisme. Scope. Bron. Vijf velden. Testbaar, traceerbaar, afdwingbaar.
Total Concept: drie lagen
Constructief — de code zelf, de logica, de data. Operatief — de protocollen: WhatIf, Over-en-Uit, Debug Protocol, feedback loops. Decoratief — DESIGN_TOKENS.md, kleurcodes, typografie, SVG-handtekeningen. Elk niveau is versiebeheerd en traceerbaar.
Conceptniveaus: core versus platform
Een forensische app heeft een Meta-repository met core-logica (hashing, forensics, anchoring) en drie platform-repos (Android, iOS, Web). De platforms bevatten alleen bridges. Build scripts falen als lokale core files afwijken van Master. Dit is geen conventie — het is een afgedwongen architectuurprincipe.
25 principes over 7 Design Areas
Dit is niet uniek. Wat wel uniek is: niemand anders past 7 Design Areas toe op AI Governance.
WhatIf Protocol, Over-en-Uit Protocol, SessionStart Protocol, Feedback Loop.
Single Source of Truth (Meta_Master), Memory als Architectuurlaag, PROJECTS.json als machine-readable bron.
Layer Integrity, Root Cause Analysis op 3 niveaus, Debug Protocol met Loop escape.
ZSH Shell Safety, Shared Infrastructure Awareness, Java Runtime Management.
Git-crypt encryptie, Privacy by Design op repository-niveau. 15+ versleutelde repos.
Multi-Agent Coherentie, Sync Protocol, Conflict Prevention. Claude + Gemini + Codex + ChatGPT.
AI als co-piloot, niet als piloot. De mens beslist. De architect bewaakt het total concept.
Voorbeeld: P-GOV-02 WhatIf Protocol (Dragon1-structuur)
| Statement | Elke wijziging doorloopt een WhatIf-analyse: herkennen, erkennen, plan, akkoord. Pas daarna code. |
| Rationale | Zonder voorvalidatie bouwde de AI tegenstrijdige implementaties die pas bij integratie zichtbaar werden. |
| Mechanisme | AI presenteert begrip van de taak, stelt impact-analyse op (groen/oranje/rood), beschrijft plan en vraagt expliciet om akkoord voordat er code geschreven wordt. |
| Scope | Alle repositories met CLAUDE.md constraint file (59 van 77). |
| Bron | Concrete sessie waarin AI zonder overleg een functie herbouwde die twee weken eerder bewust zo was ontworpen. |
Wat maakt het uniek — het "sausje"
Architectuurprincipes documenteren kan iedereen. Wat dit systeem anders maakt is de combinatie van zeven elementen die samen een zelf-lerend ecosysteem vormen.
Kleurcodes voor severity
Groen (+0.0.1): code only, geen design impact. Oranje (+0.1.0): design impact, architectuur stabiel. Rood (+1.0.0): redesign, meta-implicaties. Elke wijziging krijgt een kleur. Elke kleur dicteert het versienummer. Voorspelbare impact, elke keer.
WhatIf Protocol
Herkennen → erkennen → plan → akkoord. Vóórdat er code geschreven wordt. In 69,5% van alle constraint files afgedwongen. Geen "ik begin alvast" — eerst begrip tonen, dan bouwen.
Feedback memories als permanente regels
32 feedback loops actief. Elke correctie — "nooit path als variabele in zsh", "altijd mr. Hofstra aanspreken, nooit mevrouw" — wordt een permanente regel die elke toekomstige sessie laadt. Het systeem leert van zijn fouten. Echt.
Explicitering: alles beschrijven
Componenten, relaties, kleuren, typografie, SVG-handtekeningen — alles staat in een repo, versiebeheerd, traceerbaar. Niet in iemands hoofd. In DESIGN_TOKENS.md, ARCHITECTURE.md, CLAUDE.md.
Beschrijvende rendering-talen
SVG en ArchDSL in plaats van bitmaps. Dit zijn architectuur-instrumenten — beschrijvend, versioneerbaar, diffbaar. Een SVG is tekst die een beeld beschrijft. Een ArchDSL-bestand is tekst die een architectuur beschrijft. Bitmaps zijn eindproducten. Wij werken met broncode.
Multi-agent orkestratie
Claude Code (primair, 1.163 commits), Gemini CLI (second opinion), OpenAI Codex (parallel implementatie), ChatGPT (research). Gecoördineerd via JSON sync-bestanden: meta_master_import.json, meta_master_export.json. Geen agent is een eiland.
Debug Protocol met Loop escape
Bij een bug: STOP. Kleur bepalen. Root Cause Analysis op 3 niveaus (functioneel, technisch, architectonisch). WhatIf vóór de fix. En na 2 mislukte pogingen: verplicht lateraal denken. Niet harder proberen — anders proberen.
Zonder dit framework
Wat zou er gebeuren als ik dit allemaal niet had? Ik hoef niet te speculeren. Ik heb de situatie meegemaakt voordat het framework groeide. Dit is wat er fout ging:
Zonder framework
- ❌ Elke sessie start vanaf nul — geen geheugen
- ❌ Dezelfde bugs herhaald, keer op keer
- ❌ Onvoorspelbare kwaliteit bij elke wijziging
- ❌ Geen traceerbaarheid — wie deed wat wanneer?
- ❌ Security als bijzaak, niet als principe
- ❌ 77 repos = 77 keer het wiel uitvinden
Met framework
- ✓ 112 persistent memories laden automatisch
- ✓ 32 feedback loops voorkomen herhaling
- ✓ WhatIf valideert impact vóór actie
- ✓ 1.163 commits met co-author traceerbaarheid
- ✓ 15+ repos met git-crypt encryptie
- ✓ 25 principes gelden ecosysteem-breed
Het verschil is niet de AI. Het verschil is of de AI opereert binnen een architectuur of in het luchtledige.
Conclusie
Dit is geen theorie. Dit zijn geen slides van een conferentie. Dit is een ecosysteem van 77 repositories, gescand door een tool die iedereen kan draaien, met resultaten die iedereen kan verifiëren.
De scanner draait op elk moment opnieuw. De cijfers veranderen — ze worden beter, omdat het systeem leert. Elke nieuwe feedback memory, elke nieuwe constraint file, elke nieuwe WhatIf-validatie verbetert het geheel.
Meetbaar. Herhaalbaar. Verifieerbaar.
En dat is precies wat architectuur doet: het maakt het onzichtbare zichtbaar en het onvoorspelbare voorspelbaar.
In mijn vorige post zei ik: architectuur is de enige manier om AI te beteugelen.
Hier zijn de cijfers die het bewijzen.
Christian Glebbeek — IT Architect / Enterprise Architect
iCt Horse · Connecting the dots