Geen van deze dingen kan een taalmodel goed doen door simpelweg te typen. Het zijn codeproblemen, en TenderB lost ze op door zelf code te schrijven en uit te voeren.
Onder de motorkap kan TenderB zijn eigen sandboxed Linux-server opstarten, Python schrijven en ter plekke uitvoeren. Vrijwel elke Python-bibliotheek is beschikbaar — openpyxl en pandas voor spreadsheets, python-docx voor Word, matplotlib, plotly en mermaid voor visualisaties, pypdf en pdfplumber voor PDF's, en veel meer. Het model beslist zelf wanneer code het juiste gereedschap is, schrijft het, voert het uit, controleert de output en laat je het resultaat zien.
Wat dit mogelijk maakt
Een niet-uitputtende lijst van wat code-uitvoering binnen een TenderB-chat mogelijk maakt:
Excel-templates invullen. Sleep je beoordelingsmatrix, K-criteria-sheet of prijstemplate de chat in en TenderB vult hem cel voor cel in — formules, opmaak en benoemde bereiken blijven intact.
Word-documenten genereren op basis van jouw huisstijl-template. Upload je
.docx-template (briefhoofd, voettekst, stijlen, inhoudsopgave, alles) en TenderB schrijft de inhoud erin. De output behoudt jouw opmaak, want TenderB bewerkt jouw template en maakt geen nieuw bestand aan.Mermaid-diagrammen, flowcharts, organisatieschema's en Gantt-charts tekenen. Handig voor procesbeschrijvingen, transitieplannen en planningen in technische volumes.
Grafieken maken. Staafdiagrammen, lijngrafieken, taartdiagrammen op basis van getallen uit je documenten — gegenereerd als afbeeldingen die je direct in een inschrijving kunt plakken.
Bestanden lezen die een LLM niet rechtstreeks kan lezen. Gescande PDF's (OCR), CSV-exports met afwijkende scheidingstekens, ZIP-archieven, screenshots, bijlagen die alleen uit afbeeldingen bestaan — code-uitvoering opent wat het model alleen niet kan.
Berekeningen uitvoeren die je kunt controleren. Prijsmodellen, BVP-scoring, gewogen compliance-scores — de AI schrijft de wiskunde in code in plaats van te raden, zodat je de formules kunt zien en verifiëren.
Waar de gegenereerde bestanden terechtkomen
Elk bestand dat TenderB met code-uitvoering aanmaakt, verschijnt op twee plekken:
In de chat zelf. Het bestand hangt aan het antwoord van de AI. Lijkt het bericht korter dan verwacht, dan kan de chat ingeklapt staan — klik erop om hem uit te klappen en het bestand verschijnt onderaan dat bericht.
In Bestanden → Projectchat-bestanden → [naam van de chat]. Per chat wordt een aparte map aangemaakt, vernoemd naar de chat. Elk bestand dat de AI in die chat heeft gegenereerd, staat daar — klaar om te downloaden, te delen of in je kennisbank te zetten.
Je hoeft dus niks handmatig op te slaan. De chat is je werkoppervlak, de map is het archief.
Bestanden in je persoonlijke workspace zijn standaard privé
Als de chat die het bestand heeft geproduceerd in je persoonlijke workspace staat, wordt het gegenereerde bestand automatisch op privé gezet. Collega's met toegang tot hetzelfde project zien het niet. Dit beschermt werk-in-uitvoering: experimenten, concepten, verkennende berekeningen — alles wat je niet wilt dat een collega tegenkomt voordat jij het hebt gereviewd.
Wil je een bestand uit je persoonlijke workspace tóch delen, open dan de eigenschappen van het bestand en pas de zichtbaarheid aan, of verplaats het bestand naar een gedeelde projectmap.
De serverruimte sluit 1 uur na het laatste chatbericht
Elke chat heeft zijn eigen sandboxed serverruimte. Die blijft één uur na je laatste bericht actief en sluit daarna. Zolang hij actief is, behoudt de AI alles wat eerder in dezelfde chat is opgebouwd — geüploade bestanden, geïnstalleerde packages, tussentijdse spreadsheets, variabelen, alles — en kan hij erop doorbouwen zonder opnieuw te beginnen.
Een paar praktische gevolgen:
Binnen een uur kun je terugkomen en zeggen "voeg nu ook een kolom toe voor btw", en TenderB pakt op waar hij gebleven was — op hetzelfde bestand, in dezelfde Python-sessie.
Na een uur start de volgende vraag een verse server. Je eerder gegenereerde bestanden staan nog steeds in de chat en in de map Projectchat-bestanden — die verdwijnen niet — maar de in-memory state van de Python-sessie is weg. Wil je na een langere pauze doorwerken op een bestand, hang het dan opnieuw aan je volgende bericht vanuit de chat of vanuit de projectmap.
Elke chat is geïsoleerd. Twee chats naast elkaar hebben twee aparte serverruimtes. Ze delen geen bestanden of geheugen.
Wanneer je TenderB expliciet om code-uitvoering vraagt
TenderB grijpt zelf naar code-uitvoering wanneer de taak het duidelijk nodig heeft (een Excel invullen, een Word genereren, een gescande PDF parsen). Maar je kunt het ook afdwingen. Formuleringen die het betrouwbaar in gang zetten:
"Vul deze Excel-template in met…"
"Gebruik mijn Word-template en schrijf een brief met deze inhoud…"
"Maak een Mermaid-flowchart van het transitieplan."
"Teken een staafdiagram van de prijzen in deze tabel."
"Open de bijgevoegde PDF en haal de tabel op pagina 12 eruit."
"Bereken de BVP-score per inschrijver met code, zodat ik de wiskunde kan controleren."
Als je het bestand niet ziet
Het chatbericht is ingeklapt. Klik op het bericht om het uit te klappen. Bestanden hangen onderaan het AI-antwoord.
Check Bestanden → Projectchat-bestanden → [chatnaam]. Ook als de chat gesloten is of buiten beeld scrolt, staat het bestand daar.
Het bestand komt uit je persoonlijke workspace en een collega ziet het niet. Dat is de privacy-default. Wijzig de zichtbaarheid in de eigenschappen van het bestand of verplaats het naar een gedeeld project.
Code-uitvoering is mislukt. De AI vertelt je dat in de chat. Vraag of hij een andere bibliotheek wil proberen of de taak in kleinere stappen wil opdelen — hij kan zijn eigen code herzien en herstellen.