De grootste verschuiving in kennisbeheer in 2026 is geen nieuwe app — het is dat AI-agents nu je aantekeningen kunnen lezen.

Met MCP (Model Context Protocol) verbinden tools zoals Claude Code direct met je Obsidian-vault. Elk artikel dat je hebt opgeslagen, elke aantekening die je hebt geschreven, wordt context die je AI-assistent slimmer maakt over jouw werk.

Dit is wat dit in de praktijk betekent en hoe je het instelt.

Waarom dit belangrijk is

Voor MCP betekende AI gebruiken met je aantekeningen kopiëren en plakken. Je pakte een paar alinea’s, plakte ze in ChatGPT en stelde een vraag. Het werkte, maar schaalde niet.

Nu kan een AI-agent:

Je gehele vault doorzoeken op relevante aantekeningen
Meerdere opgeslagen artikelen kruisverwijzen
Informatie synthetiseren over tientallen bronnen
Voortbouwen op je bestaande onderzoek in plaats van opnieuw te beginnen

Het voorbehoud? Je aantekeningen moeten in een formaat staan dat AI kan lezen. Dat formaat is Markdown.

De stack

Webcontent → Save (schone Markdown) → Obsidian Vault → MCP → AI-agent

Elk onderdeel heeft een taak:

Save converteert rommelige webpagina’s naar schone, gestructureerde Markdown
Obsidian slaat je Markdown-bestanden lokaal op en organiseert ze
MCP geeft AI-agents leestoegang tot je vault
Claude Code (of een andere MCP-compatibele agent) bevraagt je kennisbank

MCP instellen met Obsidian

Vereisten

Een Obsidian-vault met wat inhoud
Claude Code geïnstalleerd (npm install -g @anthropic-ai/claude-code)
Een MCP-server voor bestandssysteemtoegang

Verbind je vault

Configureer Claude Code om je vault te benaderen via MCP:

claude mcp add obsidian-vault -- npx -y @anthropic-ai/files-mcp /pad/naar/je/vault

Nu kan Claude Code elk bestand in je vault lezen.

Test het

Open Claude Code en vraag:

Welke aantekeningen heb ik over React-prestaties?

Als je vault relevante inhoud heeft, zal Claude die vinden, lezen en een antwoord synthetiseren op basis van jouw opgeslagen kennis.

Waarom Markdown de sleutel is

Deze hele workflow hangt af van één ding: je aantekeningen in Markdown.

Markdown is platte tekst — elke AI kan het lezen zonder speciale parsers
Markdown behoudt structuur — koppen, lijsten, codeblokken, links dragen allemaal betekenis
Markdown is lichtgewicht — een AI kan honderden Markdown-bestanden snel verwerken
Markdown is universeel — geen vendor lock-in, werkt met elk tool

Dit is waarom de web clipping-stap belangrijk is. Als je webcontent opslaat als PDF, heeft de AI moeite het te verwerken. Als je het opslaat als HTML, is er te veel ruis. Markdown is het zoete midden — gestructureerd genoeg om nuttig te zijn, schoon genoeg om leesbaar te zijn.

Praktijkgevallen

Onderzoekssynthese

Je hebt weken lang artikelen over een onderwerp opgeslagen:

"Op basis van de 15 artikelen die ik heb opgeslagen over serverless architectuur,
wat zijn de belangrijkste kostenoptimalisatiestrategieën die worden genoemd?"

Claude doorzoekt je vault, leest relevante aantekeningen en geeft je een gesynthetiseerd antwoord met verwijzingen naar specifieke artikelen.

Schrijfassistentie

Je schrijft een blogbericht en hebt onderbouwend bewijs nodig:

"Zoek voorbeelden in mijn opgeslagen inhoud die het argument ondersteunen
dat lokale software aan momentum wint."

Claude trekt relevante citaten en datapunten uit je vault.

Besluitvorming

Je evalueert tools voor een project:

"Ik heb vergelijkingsartikelen opgeslagen over Postgres-hostingproviders.
Vat de afwegingen samen tussen Neon, Supabase en PlanetScale
op basis van mijn opgeslagen onderzoek."

In plaats van alles opnieuw te lezen, krijg je een synthese afgestemd op wat jij al hebt verzameld.

Een betere kennisbank bouwen voor AI

Niet alle vaults zijn even nuttig voor AI-agents. Zo optimaliseer je de jouwe:

Gebruik beschrijvende bestandsnamen

# Goed
react-server-components-performance-guide.md
nextjs-vs-remix-routing-comparison-2026.md

# Slecht
note-2026-03-15.md
untitled-4.md

Voeg frontmatter toe

---
title: "React Server Components Performance Guide"
source: "https://example.com/rsc-guide"
clipped: 2026-03-15
tags: [react, performance, server-components]
---

Sla schone inhoud op

Dit is waar Save het grootste verschil maakt. Webcontent opgeslagen met Save is al:

Goed gestructureerd met koppenstructuur
Vrij van advertenties, navigatie en cookiebannners
Geformatteerd met schone Markdown-syntaxis

Organiseer per onderwerp

vault/
  references/
    react/
    nextjs/
    ai/
    devops/
  projects/
    my-saas-app/
    blog/

Het samengestelde effect

Elke week sla je een paar artikelen op met Save en zet je ze in Obsidian. Na een maand heeft je vault 20-30 goed geformatteerde referentieaantekeningen. Na zes maanden meer dan 100.

Op dat moment heeft je AI-agent een gepersonaliseerde kennisbank die geen generiek LLM kan evenaren. Het weet wat jij hebt gelezen, wat jij belangrijk vindt en wat jouw projecten nodig hebben.

Aan de slag

Installeer Save voor schoon web clipping
Stel een Obsidian-vault in met een references/-map
Verbind Claude Code via MCP
Begin met opslaan — elk artikel dat je clipt wordt onderdeel van de context van je AI

De instelling duurt 10 minuten. De kennis groeit voor altijd.