From (Elementary) Mathematical Data Model Schemas to Safe Blazor Web Applications with Claude AI

Dit onderzoekspaper beschrijft hoe men met Claude AI Sonnet 4.5 veilige Blazor-webapplicaties kan ontwikkelen, vertrekkend van elementaire wiskundige datamodelschema's, en biedt tevens een overzicht van algemene software-engineeringpraktijken en specifieke issues van het Blazor Server-platform.

De kern

🏗️ De Bouwmeester en de Digitale Hulp

Stel je voor dat je een enorm, veilig huis wilt bouwen (een webapplicatie), maar in plaats van blauwdrukken te tekenen met complexe technische tekeningen, schrijf je gewoon een verhaal in het Nederlands over hoe het huis eruit moet zien.

In dit onderzoek hebben de auteurs, Christian en Diana Mancas, precies dat gedaan. Ze wilden een digitale "stamboom-app" maken (waar je kunt zien wie wie is, wie met wie getrouwd is, en wie koning was). Normaal gesproken zou je daarvoor jaren moeten studeren aan programmeertaal en databases. Maar ze gebruikten een nieuwe, slimme AI genaamd Claude AI (specifiek de versie "Sonnet 4.5").

🧠 Het "Wiskundige Recept"

De auteurs begonnen niet met code, maar met een wiskundig recept (wat ze een "(E)MDM-schema" noemen).

• De Analogie: Denk aan dit recept als een lijstje met regels voor een perfecte familie. Bijvoorbeeld: "Iedereen moet een geboortejaar hebben," of "Iemand kan niet zijn eigen grootvader zijn."
• Het Wonder: Ze gaven dit recept aan de AI. De AI begreep deze wiskundige regels alsof het een native spreker was. De AI vertaalde dit recept vervolgens automatisch naar de bouwplannen voor de database en de website.

🤖 De AI als "Super-Bouwkundige"

De auteurs noemen dit "Vibe Coding". In plaats van elke schroef zelf vast te draaien, zeggen ze tegen de AI: "Maak een knop die mensen filtert op naam, en zorg dat je niet kunt trouwen met je broer."

• De AI (Claude Code) werkt als een supersnelle assistent die 24/7 werkt.
• Ze gebruikten zelfs meerdere "versies" van de AI tegelijk (zoals 2 bouwploegen die aan hetzelfde huis werken) om het sneller te doen.
• De AI schreef de code voor de database (SQL), de website (Blazor), en zelfs de beveiliging.

🛡️ De "Onbreekbare" Website

Een groot deel van het onderzoek ging over veiligheid. Een veilige website is als een huis met:

1. Onbreekbare deuren: Niemand kan inbreken (geen "SQL-injectie").
2. Slimme sloten: Je kunt niet zomaar een sleutel vinden (geen "toegangsfouten").
3. Wachters: Die controleren of je echt bent wie je zegt dat je bent.

De AI bouwde deze beveiliging automatisch in. Het resultaat was een website die niet alleen werkt, maar ook "slim" genoeg is om te zeggen: "Hé, dit kan niet, want deze persoon is al overleden, dus kan niet trouwen."

⚠️ De "Moeilijke" Momenten (De Blazor-Valkuil)

Hoewel de AI geweldig was, was er één probleem: het gereedschap dat ze gebruikten om de website te bouwen (MS Blazor Server) bleek soms wat "kinderziektes" te hebben.

• De Analogie: Stel je voor dat de AI een briljante architect is, maar de bouwmaterialen (de software-frameworks) zijn soms van slechte kwaliteit.
• Het probleem: Als je een lijst met 1800 namen wilde tonen, begon het systeem te haperen. De AI probeerde het op te lossen, maar raakte in de war. Het was alsof de architect probeerde een muur te bouwen met plastic bakstenen die niet goed in elkaar passen.
• De oplossing: De auteurs moesten de AI soms "flink corrigeren" en zeggen: "Nee, doe het zo niet, dat werkt niet. Gebruik een andere methode."

📜 De 14 Gouden Regels (Meta-Axioma's)

Omdat de AI soms fouten maakte (zoals het per ongeluk een geldige naam verwijderen), stelden de auteurs 14 regels op die ze aan de AI gaven als "huisregels".

• Voorbeeld: "Verwijder nooit geldige data zomaar."
• Voorbeeld: "Gebruik altijd een nummer als ID, niet de naam van de persoon."
  Dit is als het geven van een handleiding aan een nieuwe, zeer slimme maar nog wat onervaren stagiair.

🏁 Conclusie: De Toekomst is Wiskunde

De belangrijkste conclusie van dit paper is verrassend simpel:
Je hoeft geen programmeur te zijn om software te maken.

Als je goed kunt denken in logische regels (wiskunde) en je kunt duidelijk uitleggen wat je wilt (in gewoon Nederlands), dan kan de AI de rest voor je doen. De droom van de auteurs – dat mensen "wiskunde tegen computers kunnen spreken" – is nu echt waar.

Kort samengevat:
De auteurs bouwden een complexe, veilige familie-app door alleen wiskundige regels te schrijven. Een slimme AI (Claude) vertaalde dit naar werkende software. Het was niet perfect (de AI maakte soms fouten en de software had haperingen), maar het bewijst dat de toekomst van programmeren ligt in het begrijpen van logica, niet in het typen van duizenden regels code.

Technische samenvatting

Titel: Van (Elementaire) Wiskundige Data Model-schema's naar Veilige Blazor Webapplicaties met Claude AI

Auteurs: Christian Mancas en Diana Christina Mancas (Ovidius Universiteit, Constanta, Roemenië)
Tijdschrift: PriMera Scientific Engineering

---

1. Probleemstelling

De auteurs onderzoeken de haalbaarheid en effectiviteit van het ontwikkelen van complexe, veilige webapplicaties voor databasebeheer, uitsluitend vertrekkend van wiskundige data-modellen ((E)MDM), met behulp van een AI-coding agent (Claude AI).

De kernproblemen die worden aangepakt zijn:

• De kloof tussen wiskundig modelleren en programmeren: De auteurs willen bewijzen dat "modelleren als programmeren" mogelijk is, waarbij wiskundige schema's direct worden vertaald naar werkende software zonder handmatige tussenkomst van traditionele programmeurs.
• Veiligheid en complexiteit: Het ontwikkelen van veilige webapplicaties (volgens OWASP Top 10 2025) die complexe zakelijke regels en constraints (zoals cycli in stambomen, leeftijdsbeperkingen, en historische regeerperiodes) correct implementeren.
• Platformbeperkingen: De specifieke uitdagingen van het Microsoft Blazor Server-platform, zoals fragiele DOM-synchronisatie en onbetrouwbare event-handling bij grote datasets.

2. Methodologie

De auteurs volgden een iteratieve "vibe-coding" aanpak, waarbij ze Claude AI (versie Sonnet 4.5) gebruikten als een geavanceerde coderingsassistent.

• Input: De basis vormden (E)MDM-schema's (Elementaire Wiskundige Data Modellen). Deze schema's bevatten functies, expliciete constraints (in eerste-orde predikatenlogica en Datalog) en zakelijke regels. De auteurs gebruikten geen technische jargon voor de AI, maar beschreven de logica in "plat Engels" en wiskundige notatie.
• AI Tooling: Ze gebruikten Claude Code, een agent die autonoom complexe software-engineeringstaken kan uitvoeren. Ze werkten met twee parallelle sessies.
• Technologie Stack:
  • Backend: .NET 8, MS SQL Server 21, Azure (lokaal getest als Windows Service).
  • Frontend: MS Blazor Server (voor interactieve GUI's zonder JavaScript).
  • Database: Relational Database Management System (RDBMS) gegenereerd vanuit de (E)MDM-schema's.
• Iteratief Proces:
  1. De auteurs leverden schema's en constraints aan.
  2. Claude genereerde SQL-scripts, stored procedures, triggers, en Blazor-componenten (.razor, .cs).
  3. De auteurs testten de applicatie, identificeerden fouten (zowel conceptueel als technisch) en gaven feedback.
  4. Claude corrigeerde de code en verwerkte de feedback.
  5. Dit proces werd herhaald totdat een stabiele, veilige applicatie ontstond.

3. Belangrijkste Bijdragen

• Validatie van (E)MDM: Het artikel bewijst dat moderne LLM's (Large Language Models) zoals Claude AI complexe wiskundige data-modellen, inclusief Datalog-regels en first-order logic constraints, volledig kunnen begrijpen en vertalen naar functionerende code.
• Generatie van Veilige Software: De gegenereerde applicatie voldoet aan de OWASP Top 10 beveiligingscriteria voor 2025, waaronder:
  • Geen SQL-injectie (alleen gebruik van gestructureerde stored procedures via Dapper).
  • Bescherming tegen CSRF, XSS en Clickjacking.
  • Strikte validatie aan zowel client- als serverzijde.
• 14 Best Practices (Meta-Axioma's): De auteurs hebben een lijst van 14 regels opgesteld die essentieel zijn om fouten van AI-assistenten te voorkomen. Voorbeelden zijn:
  • Gebruik altijd surrogaat primary keys (genaamd "x") in plaats van natuurlijke keys.
  • Vermijd het verwijderen van bestaande code bij het updaten van bestanden.
  • Constraints die twee elementen van dezelfde set betreffen, moeten in beide richtingen worden afgedwongen.
  • AI mag nooit bestaande data silentium verwijderen om een constraint te omzeilen.
• Kritische Analyse van Blazor Server: Het paper biedt een diepgaande kritiek op de beperkingen van Blazor Server bij het verwerken van grote datasets (bijv. dropdowns met 1800+ items), waarbij het aangeeft dat dit platform beter geschikt is voor complexe formulieren dan voor grote data-grids.

4. Resultaten

• Projectomvang: De auteurs bouwden een volledige webapplicatie ("Genealogies") met 26 functies, 33 expliciete constraints en 12 Datalog-regels.
• Output:
  • Database: 5 tabellen, 8 foreign keys, 18 check constraints, 4 triggers, 29 stored procedures.
  • Applicatie: 46 bronbestanden (Razor, C#, SQL, JSON, CSS) met een totale grootte van 252KB (bron) en 352MB (gecompileerd).
  • Functionaliteit: De app beheert data over personen, huwelijken, regeerperiodes en titels. Het voert complexe queries uit, zoals het berekenen van transitieve closures (stambomen) en het detecteren van incestueuze relaties of cycli in de data.
• Efficiëntie: Hoewel de ontwikkeling ongeveer 40 uur per auteur en 270 pagina's dialoog met de AI vereiste, werd de volledige stack gegenereerd zonder dat de auteurs handmatig SQL of C# schreven.
• Fouten en Correcties: De AI maakte diverse fouten, variërend van het verkeerd interpreteren van constraints (bijv. het niet symmetrisch toepassen van regels) tot technische bugs in Blazor (bijv. het niet reageren van dropdowns). Deze werden succesvol opgelost door de auteurs via feedback en de geïmplementeerde meta-axioma's.

5. Betekenis en Conclusie

• Toekomst van Softwareontwikkeling: Het artikel concludeert dat de droom van "menselijke communicatie met computers via wiskunde" realiteit is geworden. Data-modellers hoeven geen diepgaande programmeerkennis meer te hebben; een grondige kennis van wiskunde en logica is voldoende.
• Rol van AI: Claude AI fungeert als een uitzonderlijke "co-worker" die de productiviteit drastisch verhoogt, maar nog niet volledig kan vervangen door een menselijke ontwikkelaar vanwege conceptuele fouten en het gebrek aan context bij complexe platform-specifieke problemen.
• Advies: Ontwikkelaars moeten AI-tools adopteren, maar moeten kritisch blijven en strikte regels (meta-axioma's) hanteren om de kwaliteit en veiligheid te garanderen.
• Platformwaarschuwing: Voor applicaties met grote datasets wordt Blazor Server afgeraden; een combinatie van Blazor voor formulieren en eenvoudige HTML/API voor data-weergave wordt aangeraden.

Samenvattend toont dit onderzoek aan dat het combineren van formele wiskundige data-modellen met geavanceerde AI-coding agents een krachtige, veilige en efficiënte methode is voor het bouwen van complexe databaseapplicaties, mits de menselijke ontwikkelaar fungeert als een strenge auditor en gids.