Wekelijks verzamelt ChannelConnect de opvallendste, leukste of beste nieuwsitems en tools. Met natuurlijk speciale aandacht voor de toepassingen ervan voor IT-dienstverleners en msp’s. Het overzicht van de afgelopen week.

Nieuws

Tools*

AI in Nederland en Europa

De AI Act is officieel goedgekeurd en zal vanaf 2026 in fases van kracht worden. Daarmee krijgt Europa als eerste continent een omvattend wettelijk kader voor het gebruik van AI. Maar wat betekent dat in de praktijk voor dienstverleners, softwareleveranciers en hun klanten?

De AI Act legt de nadruk op transparantie, risicobeheersing en verantwoord gebruik van AI. In plaats van generieke verboden werkt de wet met een risicogebaseerde indeling. Toepassingen met een ‘hoog risico’ – denk aan AI in gezondheidszorg, werving of kredietverstrekking – vallen onder strikte eisen voor datakwaliteit, uitlegbaarheid en menselijke controle. Systemen met een laag risico krijgen meer ruimte, zolang ze voldoen aan basiseisen voor eerlijkheid en veiligheid.

Voor dienstverleners en ISV’s betekent dit dat ze hun AI-modellen niet alleen technisch, maar ook juridisch moeten documenteren. Wie AI integreert in software of managed services, zal inzicht moeten kunnen geven in hoe het model is getraind, welke datasets zijn gebruikt, en hoe bias wordt beperkt.

Nieuwe verplichtingen voor aanbieders

Aanbieders van AI-systemen worden verplicht een risicobeoordeling uit te voeren voordat hun oplossing op de markt komt. Die beoordeling moet worden vastgelegd in een technisch dossier, met beschrijvingen van gebruikte algoritmen, databronnen, testresultaten en menselijke toezichtmechanismen.

Daarnaast komt er een verplichte CE-markering voor hoog-risico-AI. Zonder deze markering mag het product niet op de Europese markt worden gebracht. Ook dienstverleners die AI-functies van derden aanbieden (bijvoorbeeld via API’s of cloudplatforms) kunnen juridisch als ‘aanbieder’ worden aangemerkt, met alle verplichtingen van dien.

Verantwoordelijkheid in de keten

De wet maakt een scherp onderscheid tussen aanbieders, distributeurs en gebruikers van AI-systemen. Maar in de praktijk lopen die rollen vaak door elkaar. Een msp die een AI-tool levert als onderdeel van een dienst, heeft een gedeelde verantwoordelijkheid met de oorspronkelijke leverancier. Die ketenverantwoordelijkheid betekent dat iedere schakel moet kunnen aantonen dat de gebruikte AI aan de regels voldoet.

Voor eindklanten – vooral in het mkb – wordt transparantie belangrijker dan ooit. Zij moeten weten wat een AI-systeem doet, welke data worden verwerkt en hoe beslissingen tot stand komen. Dienstverleners zullen hun klanten dus moeten helpen met duidelijke toelichting en periodieke risicorapportages.

Verbod op misbruik

Sommige toepassingen worden volledig verboden. Dat geldt voor AI-systemen die emoties proberen te herkennen in publieke ruimtes, social scoring door overheden, en ongerichte scraping van gezichten uit internetbeelden voor herkenningssystemen. Zulke praktijken worden gezien als onverenigbaar met Europese grondrechten.

Generatieve modellen zoals ChatGPT, Gemini en Claude vallen onder een aparte categorie ‘algemene AI-systemen’. De aanbieders daarvan moeten technische documentatie aanleveren over de herkomst van hun trainingsdata, veiligheidsmechanismen en copyrightbescherming.

Voor dienstverleners die zulke modellen integreren in hun eigen applicaties, geldt de plicht om gebruikers te informeren dat ze met AI communiceren. Ook moeten ze zorgen voor menselijke controle op beslissingen die rechtsgevolgen kunnen hebben.

Voorbereiden op naleving

Kansen voor de markt

De AI Act is niet enkel een rem op innovatie, maar kan juist een kans zijn voor partijen die transparantie en betrouwbaarheid als onderscheidend vermogen gebruiken. Verwacht wordt dat onafhankelijke audits, compliance-tools en certificeringsdiensten een groeimarkt vormen. Ook IT-dienstverleners kunnen zich profileren als gids in deze nieuwe realiteit, door klanten te helpen bij de toetsing en implementatie van AI-systemen binnen de wettelijke kaders.

Adobe heeft de LLM Optimizer algemeen beschikbaar gemaakt, een nieuwe toepassing die bedrijven helpt om hun online zichtbaarheid te verbeteren binnen AI-gestuurde interfaces zoals chatdiensten en slimme browsers. De tool richt zich op wat het bedrijf ‘Generative Engine Optimization’ (GEO) noemt: het optimaliseren van content zodat merken beter vindbaar zijn voor generatieve AI-systemen.

Volgens Adobe verandert het zoekgedrag van consumenten snel nu AI-platformen vaker worden gebruikt voor productoriëntatie. In september 2025 nam het AI-verkeer naar Amerikaanse retailsites met 1.100 procent toe ten opzichte van een jaar eerder. Bezoekers via AI-bronnen bleken bovendien langer op sites te blijven en vaker tot aankoop over te gaan dan bezoekers via traditionele kanalen zoals organisch zoeken of social media.

Met de LLM Optimizer kunnen organisaties AI-verkeer meten, inzicht krijgen in hoe hun content door AI-modellen wordt gebruikt, en verbeteringen doorvoeren om die zichtbaarheid te vergroten. De software identificeert onder meer ontbrekende metadata en content die ontoegankelijk is voor LLM’s, waarna teams met één klik optimalisaties kunnen doorvoeren. Ook laat de tool zien hoe zichtbaar een merk is ten opzichte van concurrenten en welke effecten dat heeft op engagement en conversie.

De toepassing werkt zelfstandig maar integreert ook met Adobe Experience Manager Sites, het contentmanagementsysteem van het bedrijf. Daarnaast ondersteunt de Optimizer standaarden als Agent-to-Agent (A2A) en Model Context Protocol (MCP), waarmee de tool kan samenwerken met andere systemen en workflows.

Om AI-zichtbaarheid breder toegankelijk te maken, lanceert Adobe tegelijk een gratis Chrome-extensie met de naam Is Your Webpage Citable?. Deze laat zien welke delen van een website zichtbaar zijn voor LLM’s en waar optimalisatie mogelijk is.

Voor Adobe zelf leverde de tool al meetbare resultaten op: bij de eigen producten Firefly en Acrobat nam het aantal AI-citaties en doorverwijzingen binnen een week fors toe nadat aanbevelingen uit de Optimizer waren toegepast.

Na bijna tien jaar komt er morgen een einde aan een tijdperk. Morgen, 14 oktober 2025 is de laatste ‘Patch Tuesday’ en stopt Microsoft officieel met de ondersteuning van Windows 10. Voor miljoenen apparaten wereldwijd betekent dat het einde van regelmatige beveiligingsupdates en bugfixes. Bedrijven die nog niet zijn overgestapt, moeten bepalen hoe ze hun endpoints veilig houden. Want hoewel Windows 10 gewoon blijft werken, loopt het vanaf morgen langzaam uit de pas met de moderne IT-omgeving.

De update van morgen is de laatste reguliere release voor Windows 10, versie 22H2. Daarna komen er geen nieuwe beveiligingspatches of kwaliteitsupdates meer via Windows Update. Ook de technische ondersteuning en compatibiliteitsgaranties van Microsoft vallen weg. Dat geldt voor zowel Windows 10 Home als Pro, en voor de meeste zakelijke edities buiten de LTSC-lijn (Long-Term Servicing Channel).

Het besturingssysteem blijft uiteraard gewoon werken. Pc’s starten op, applicaties doen het gewoon en bestaande drivers blijven bruikbaar. Alleen: zodra nieuwe kwetsbaarheden opduiken, worden die niet meer gedicht. Dat vergroot het risico op malware, ransomware en compliance-problemen.

Extended Security Updates (ESU): wie krijgt nog updates?

Microsoft biedt een uitweg in de vorm van Extended Security Updates (ESU). Daarmee blijven bepaalde Windows 10-versies toch voorzien van beveiligingspatches.
• Home en Pro: in de EU hebben we geluk. De EU heeft bij Microsoft bedongen dat ondersteuning niet zomaar van de ene op de andere dag mag worden gestopt, bij een besturingssysteem dat nog door zoveel computers wordt gebruikt; computers die nog prima functioneren Consumenten en kleine bedrijven krijgen daarom in de EU en EER een gratis jaar ESU, tot oktober 2026. Daarna kan verlenging betaald worden via een licentie-model dat per device geldt.
• Enterprise en Education: deze edities krijgen eveneens tot 2026 gratis updates, maar alleen als ze worden beheerd via Microsoft Intune of Windows Autopatch. Voor verlenging kunnen organisaties ESU-licenties aanschaffen via hun bestaande volumelicentieprogramma.
• LTSC-versies (2019 en 2021): die behouden ondersteuning tot respectievelijk 2029 en 2032. Dat komt omdat deze veel worden gebruikt in industriële omgevingen of medische apparatuur waar stabiliteit zwaarder weegt dan functionaliteit.
• IoT-versies: ondersteuning loopt per platform uiteen, maar veel industriële varianten hebben nog meerdere jaren updates vanwege langlopende hardware-cycli.

Beheerders kunnen via Intune of WSUS instellen dat ESU-updates automatisch worden uitgerold. Dat vraagt wel om nieuwe licentiesleutels en aanpassingen in het updatebeleid.

OEM-systemen: hoe reageren fabrikanten?

Veel zakelijke computers draaien nog steeds op OEM-versies van Windows 10 die ooit vooraf door fabrikanten zijn geïnstalleerd. Die OEM-licenties blijven geldig, maar fabrikanten stoppen gelijktijdig met het leveren van Windows 10-images en drivers via hun portals.
• HP adviseert klanten actief om te upgraden naar Windows 11 en levert voor de meeste zakelijke modellen BIOS-updates die compatibiliteit met TPM 2.0 en Secure Boot garanderen.
• Dell biedt een migratie-assistent in zijn SupportAssist-suite en geeft nog beperkte firmware-ondersteuning voor oudere Windows 10-systemen, vooral rond energiebeheer en batterij-optimalisatie.
• Lenovo heeft aangekondigd de Windows 10-catalogus eind 2025 te archiveren, waarna alleen Windows 11-drivers worden onderhouden.

OEM-pc’s die hardwarematig niet voldoen aan de eisen van Windows 11 (zoals TPM 2.0 of een recente CPU-generatie) krijgen geen upgrade-pad meer. Voor veel organisaties is dat hét moment om hardware-vervanging te overwegen of apparaten te herbestemmen, bijvoorbeeld voor interne testomgevingen of offline-gebruik.

Migreren of moderniseren?

De overstap naar Windows 11 ligt voor de hand, maar is niet de enige route. Organisaties die hun endpoint-strategie willen vernieuwen, hebben verschillende opties:
• Upgraden naar Windows 11: het directe pad, mits de hardware voldoet aan de eisen. Microsoft positioneert dit als de veiligste optie, met integratie van Pluton-security, Windows Hello for Business en verbeterde containerisolatie.
• Overstappen naar cloud-werkplekken: Azure Virtual Desktop of Windows 365 bieden een manier om bestaande Windows 10-omgevingen in een virtuele container te behouden, inclusief ESU-updates. Interessant voor organisaties met hybride werkplekken.
• Alternatieve besturingssystemen: in specifieke gevallen kan Linux-desktop of ChromeOS Flex uitkomst bieden, vooral bij lichte workloads en webgebaseerde applicaties.
• Hergebruik en recycling: oudere hardware kan vaak nog prima dienstdoen binnen testlabs of educatieve programma’s. Steeds meer refurbishers bieden Windows 11-ready upgrades of Linux-installaties als duurzaam alternatief.

Werk aan de winkel dus voor de msp! Je moet klanten helpen inventariseren welke endpoints nog op Windows 10 draaien, welke hardware nog een upgrade kan krijgen, en welke beter kan worden vervangen. Tools zoals Endpoint Analytics en Intune-rapportages geven inzicht in CPU-generatie, TPM-status en geheugenvereisten.

De balans tussen risico en kosten

Maar de realiteit is dat niet ieder bedrijf morgen klaar is voor migratie. Vooral in zorg, productie en onderwijs draaien nog talloze kritieke systemen op Windows 10. Voor hen biedt het ESU-programma ademruimte, maar geen structurele oplossing.

Anders dan toen de ondersteuning stopte voor Windows XP, zijn er nu veel strengere security en privacy eisen. Geen patches betekent compliance-problemen onder NIS2 en ISO-normen, en securitydiensten zoals Microsoft Defender zullen op termijn ook minder effectief worden.

De laatste update van Windows 10 markeert dus geen plotseling einde, maar een kantelpunt. Want met de ESU krijg je een jaar extra de tijd. Benut deze tijd goed.

Wekelijks verzamelt ChannelConnect de opvallendste, leukste of beste nieuwsitems en tools. Met natuurlijk speciale aandacht voor de toepassingen ervan voor IT-dienstverleners en msp’s. Het overzicht van de afgelopen week.

Nieuws

Tools*

AI in Nederland en Europa

In het tweede kwartaal van 2025 verbruikten Nederlanders gezamenlijk 719 miljoen gigabyte aan mobiele data, een stijging van ruim 16% ten opzichte van het eerste kwartaal. Dat blijkt uit de Telecommonitor van de Autoriteit Consument & Markt (ACM), gepubliceerd op 7 oktober.

De stijging is de grootste sinds het tweede kwartaal van 2023, toen het dataverbruik met ruim 20% toenam. Op langere termijn verdubbelt het mobiele dataverbruik in Nederland ongeveer elke drie jaar. Ondanks een eerdere daling in bellen en sms’en, nam ook dat gebruik in het afgelopen kwartaal licht toe.

KPN en Odido blijven de dominante spelers op de mobiele markt, maar het marktaandeel van Mobile Virtual Network Operators (MVNO’s) groeit verder. Het aantal MVNO-simkaarten steeg van 4,93 naar 5,38 miljoen. Daarmee ligt hun marktaandeel nu op 20–25%, tegenover 15–20% in het voorgaande kwartaal.

Verdere toename glasvezelabonnementen

Volgens de Telecommonitor zijn inmiddels 8,6 miljoen glasvezelverbindingen aangelegd, waarvan 3,36 miljoen ook daadwerkelijk in gebruik zijn. Dat is een stijging van 2,8% ten opzichte van het eerste kwartaal.

De meeste huishoudens (72,8%) beschikken over een internetsnelheid tussen 100 en 1000 Mbps. Een kleiner aandeel (11,6%) heeft een abonnement onder de 100 Mbps, terwijl 15,1% kiest voor snelheden boven 1 Gbps. Het aantal actieve koperabonnementen daalde verder tot 1,55 miljoen. KPN en VodafoneZiggo behouden hun leidende positie op de breedbandmarkt, met elk een marktaandeel van 35–40%.

De ACM brengt elk kwartaal de Telecommonitor uit, waarin de belangrijkste ontwikkelingen binnen de telecomsector worden geanalyseerd. De gegevens zijn afkomstig van de grootste marktpartijen en worden door de toezichthouder gecontroleerd. De resultaten worden publiek beschikbaar gesteld via een interactief dashboard.

We zijn nog maar nauwelijks gewend aan de impact die generatieve AI op het dagelijks leven en werken hebben. Maar de ontwikkeling staat niet stil. Jarenlang leek het vanzelfsprekend: wie met AI werkt, doet dat via de cloud. De enorme rekenkracht die taal- en beeldmodellen nodig hebben, kon nergens anders terecht. Maar dat paradigma begint te kantelen. Nu laptops, tablets en zelfs telefoons hun eigen Neural Processing Unit (NPU) krijgen, schuift AI langzaam richting de rand van het netwerk, naar de plek waar de gebruiker zit.

De nieuwe generatie apparaten, waaronder de zogenoemde Copilot+-pc’s van Microsoft, kan compacte AI-modellen lokaal uitvoeren, zonder datacenters ertussen. Ook Apple, Qualcomm en Intel zetten in op diezelfde beweging. Het idee: als de hardware slim genoeg wordt, waarom zou je dan nog elke prompt door de cloud laten verwerken?

De groei van generatieve AI heeft een prijs. Volgens cijfers van de International Energy Agency kan het stroomverbruik van datacenters in 2030 verdubbeld zijn ten opzichte van nu. AI-modellen zijn daar een belangrijke aanjager van. In datacenters draaien GPU’s continu op volle kracht, met forse koelings- en energiekosten tot gevolg. Grote aanbieders investeren miljarden om hun infrastructuur bij te benen. Dat maakt elke inferentie – elke keer dat een model iets voorspelt of genereert – een dure operatie.

Voor zware toepassingen is dat logisch, maar voor alledaagse taken – tekstsamenvattingen, beeldherkenning, transcriptie – is cloudverwerking meestal overkill. Zeker nu apparaten zelf krachtig genoeg worden om zulke modellen te draaien.

De opmars van de NPU

De sleutel tot lokale AI ligt bij de Neural Processing Unit. Waar CPU’s algemene rekenkracht leveren en GPU’s goed zijn in parallelle berekeningen, is de NPU geoptimaliseerd voor de specifieke matrixoperaties van AI-modellen. Fabrikanten als Qualcomm, AMD, Intel en Apple bouwen NPUs direct in hun chips in. Ze leveren rekenkracht in de orde van tientallen TOPS (trillions of operations per second) en kunnen compacte small language models (SLM’s) lokaal uitvoeren.

Een concreet voorbeeld is Microsofts Phi-3.5, een model dat op deze nieuwe pc’s draait zonder internetverbinding. Vergelijkbare strategieën zie je bij Apple’s Neural Engine en Qualcomm’s AI Hub. De gebruiker merkt: minder vertraging, geen dataverkeer, en meer controle over de eigen data.

De voordelen van lokale verwerking gaan verder dan kostenbesparing alleen. Snelheid is de meest directe winst. Een lokaal model reageert vrijwel zonder vertraging, omdat er geen dataverkeer over internet nodig is. Dat maakt toepassingen als spraakbesturing, vertaling en contextuele assistentie vloeiender en natuurlijker.

Privacy is een tweede voordeel. Gegevens blijven op het apparaat; ze hoeven niet te worden doorgestuurd of opgeslagen in externe omgevingen. Dat is vooral relevant in sectoren waar vertrouwelijkheid telt – denk aan gezondheidszorg, overheid of juridische dienstverlening.

Ook beschikbaarheid speelt mee. Een lokaal model blijft bruikbaar zonder internetverbinding, wat handig is bij mobiele toepassingen of in afgesloten netwerken.

Daarnaast maakt lokale verwerking personalisatie eenvoudiger. Een model kan leren van het gedrag of de documenten van de gebruiker zonder dat deze data het apparaat verlaat. Dat scheelt complexe afspraken over datagebruik en privacy.

En dan is er nog het al eerder genoemde energie-aspect. Een datacenter moet duizenden systemen tegelijk koelen en voeden, terwijl lokale apparaten energieverbruik spreiden over miljoenen eindpunten. Daardoor kan de totale belasting van het elektriciteitsnet afnemen – al verschilt dat per gebruikspatroon.

Goedkoper, maar niet altijd

Datacenters profiteren van schaalvoordelen: infrastructuur, koeling en onderhoud worden gedeeld over talloze workloads. De efficiëntie per watt is daardoor hoog. Laptops en telefoons hebben beperkte koeling en werken vaak onder lage belasting, waardoor hun energie-efficiëntie lager ligt. Onderzoek van de Universiteit van Toronto laat zien dat grote generatieve modellen tot 30 kWh per 1 000 inferenties kunnen verbruiken in een datacenter. Kleinere modellen, lokaal uitgevoerd, komen uit op ongeveer 1 kWh voor vergelijkbare taken. Dat lijkt een enorme winst, maar dat verschil wordt kleiner zodra apparaten weinig worden gebruikt of slecht gekoeld zijn. De besparing zit dus vooral in het vermijden van infrastructuurkosten: minder bandbreedte, minder transport, minder cloudabonnementen. Niet elk scenario profiteert daarvan evenveel.

Lokale verwerking kent ook beperkingen. Wie een AI-model intensief gebruikt, merkt dat laptops warmer worden en batterijen sneller leeglopen. NPUs zijn energiezuiniger dan GPU’s, maar verbruiken nog steeds tientallen watt onder belasting. In datacenters wordt die warmte efficiënt afgevoerd; op een apparaat niet.

Daarnaast is er slijtage. Een NPU die dagelijks urenlang draait, veroudert thermisch sneller dan een chip die vooral idle blijft. En softwarematig vraagt lokale inferentie om optimalisatie. Modellen moeten worden gecomprimeerd of gequantiseerd, en elk NPU-type vraagt om eigen drivers en toolchains. Niet elk model laat zich zomaar ‘omzetten’ voor lokaal gebruik.

De meeste experts verwachten daarom geen alles-of-nietsverdeling tussen cloud en device, maar een hybride architectuur. Kleine modellen – voor contextbegrip, tekstsuggestie of beeldherkenning – draaien lokaal. Zwaardere modellen met miljarden parameters blijven in de cloud.

In zo’n hybride model wisselt een toepassing dynamisch tussen lokale en externe verwerking, afhankelijk van de taak. Dat beperkt kosten en latency, terwijl de zware rekentaken beschikbaar blijven. Fabrikanten ontwikkelen intussen frameworks om deze verdeling automatisch te regelen, zodat ontwikkelaars niet handmatig hoeven te bepalen wat waar draait.

Een veranderend ecosysteem

De verschuiving naar lokale AI verandert de verhoudingen in de sector. Chipmakers zetten hun NPU’s centraal in de marketing van nieuwe devices. Softwareleveranciers passen hun producten aan zodat functies ook zonder internetverbinding werken. Tegelijk groeit de open-sourcegemeenschap rond small language models, zoals Mistral 7B Instruct en Llama 3 8B, die dankzij compressie volledig op consumentenchips draaien. Daarmee wordt AI toegankelijker voor kleinere ontwikkelaars en organisaties die hun data liever binnen eigen muren houden.

Voor bedrijven biedt dit ruimte voor maatwerk-AI: een interne chatbot of beeldherkenner die draait op werkplekken of edge-servers, zonder datagegevens naar buiten te sturen. Dat is sneller, veiliger en vaak goedkoper dan een permanent cloudabonnement.

AI verspreidt zich

Generatieve AI verlaat langzaam zijn cloud-monopolie. Niet omdat datacenters verdwijnen, maar omdat rekenkracht dichter bij de gebruiker komt te liggen. De voordelen – snelheid, privacy, autonomie – zijn reëel, al blijft de cloud nodig voor het zware werk. Wat nu in een datacenter gebeurt, zal de komende jaren in toenemende mate plaatsvinden op laptops, telefoons en edge-servers. AI wordt daarmee minder een dienst op afstand, en meer een ingebouwd onderdeel van de hardware zelf.

Wekelijks verzamelt ChannelConnect de opvallendste, leukste of beste nieuwsitems en tools. Met natuurlijk speciale aandacht voor de toepassingen ervan voor IT-dienstverleners en msp’s. Het overzicht van de afgelopen week.

Nieuws

Tools*

AI in Nederland en Europa

Uit recent onderzoek van Infoblox Threat Intel blijkt dat een grootschalige malwarecampagne via DNS-communicatie tienduizenden websites heeft besmet. De dreigingsactor achter de campagne – door onderzoekers aangeduid als Detour Dog – gebruikt DNS-TXT-records om instructies op te halen en malware op servers te activeren, zonder dat eindgebruikers hier iets van merken.

Volgens Infoblox zijn wereldwijd meer dan 30.000 websites gecompromitteerd. Detour Dog selecteert zijn doelwitten zorgvuldig op basis van locatie en apparaattype. Bezoekers die niet tot de doelgroep behoren, krijgen een normale webpagina te zien, waardoor de aanval moeilijk te detecteren is. Het grootste deel van het webverkeer verloopt onopvallend via het Domain Name System (DNS), zonder zichtbare signalen aan de gebruikerszijde.

Detour Dog is volgens de onderzoekers geëvolueerd van het uitvoeren van scam-redirects via affiliate-advertenties naar het verspreiden van zogeheten infostealers. De malware wordt in meerdere stappen opgebouwd via DNS-instructies. Daarbij wordt onder meer gebruikgemaakt van de StarFish-backdoor en de Strela Stealer-malware, die bekendstaat als tool voor het buitmaken van gevoelige informatie. De dreiging wordt in verband gebracht met Hive0145, een bekende cyberactor.

Opvallend is het gebruik van DNS-TXT-records als command-and-controlkanaal. Deze techniek stelt aanvallers in staat om scripts op te halen via de DNS-laag, zonder direct verkeer naar bekende malwareservers. De staging-hosts zijn afgeschermd achter de gecompromitteerde websites, wat analyse verder bemoeilijkt.

Subtiele aanvalsmethoden

Het onderzoek laat zien dat Detour Dog zich juist kenmerkt door terughoudendheid: ongeveer 90 procent van de DNS-verzoeken resulteert in geen enkele actie. Slechts een klein deel – 9 procent – leidt tot redirects, en 1 procent tot het downloaden en uitvoeren van code. Deze aanpak maakt detectie lastig en zorgt ervoor dat aanvallen lange tijd onopgemerkt kunnen blijven.

Sommige websites bleken al meer dan een jaar besmet, zonder dat dit door eindgebruikers of beheerders werd opgemerkt. De aanvalslogica bevindt zich aan de serverzijde en grijpt alleen in bij specifieke bezoekers. Hierdoor is traditionele endpointbeveiliging vaak niet toereikend.

Detour Dog maakt ook gebruik van botnets om zijn infrastructuur te ondersteunen. In de zomer van 2025 werd de malware verspreid via onder meer het op MikroTik gebaseerde REM Proxy-botnet en het Tofsee-botnet. Daarmee lijken er connecties te bestaan tussen Detour Dog en bekende leveranciers van spam- en botnetdiensten.

Infoblox meldt dat meer dan twee derde van de stagingdomeinen in recente campagnes door Detour Dog worden beheerd. Dat suggereert dat de actor deze domeinen gebruikt als doorgeefluik binnen zijn eigen infrastructuur, in plaats van ze alleen in te zetten voor hostingdoeleinden.

Risico voor bedrijven

De aanvallen van Detour Dog laten zien hoe ogenschijnlijk onschuldige webverzoeken via DNS kunnen uitgroeien tot een serieuze dreiging. Omdat de malware vrijwel volledig buiten zicht van traditionele beveiliging opereert, is monitoring op DNS-niveau essentieel. DNS-security kan volgens Infoblox niet alleen helpen bij detectie, maar ook bij het vroegtijdig blokkeren van kwaadaardige communicatie.

De effectiviteit van die aanpak hangt echter sterk af van actuele en specifieke dreigingsinformatie. Aangezien dreigingsactoren hun methoden voortdurend aanpassen, is diepgaand inzicht in de DNS-laag noodzakelijk om tijdig te kunnen reageren.

AI wordt vaak in één adem genoemd met torenhoge energierekeningen en gigantische rekencentra. En niet zonder reden: het trainen van grote modellen en het draaien van AI-workloads vraagt om enorme hoeveelheden rekenkracht – en dus stroom. Maar diezelfde AI biedt ook oplossingen om duurzamer met digitale infrastructuur om te gaan.

Het publieke debat over AI en duurzaamheid draait momenteel vooral om de negatieve impact. Datacenters die nauwelijks ruimte hebben voor nieuwe AI-racks, exponentieel stijgende GPU-verkoop, en klimaatrapporten die waarschuwen voor de footprint van een enkele AI-query. De zorgen zijn terecht, zeker als AI zonder beleid of begrenzing wordt uitgerold. Maar AI is niet alleen een energieconsument; het is ook een optimalisatiemachine. Goed ingezet, kan het helpen bij energiemanagement, workloadverdeling, efficiënter databeheer en zelfs reductie van hardwarebehoefte.

AI als energieorakel: voorspel wat je verbruikt

Eén van de meest directe toepassingen van AI in het kader van duurzaamheid is energievoorspelling. In moderne datacenters en cloudomgevingen wordt AI ingezet om het verbruik van systemen nauwkeurig te voorspellen – tot op rackniveau. Op basis van historische patronen, externe factoren (zoals weersomstandigheden) en realtime gebruiksdata, kunnen AI-modellen inschatten wanneer de energievraag toeneemt en waar het verbruik piekt. Operators kunnen daarmee bijvoorbeeld koeling proactief aanpassen of workloads slim spreiden.

Sommige hyperscalers, zoals Microsoft en Google, gaan nog een stap verder. Die gebruiken AI om workloads te plannen op basis van de beschikbaarheid van groene stroom. Als het aanbod van zonne- of windenergie op een bepaald moment hoger is, wordt het dataverkeer automatisch verplaatst naar regio’s waar de energiemix op dat moment duurzamer is. Deze zogeheten carbon-aware scheduling is nog in ontwikkeling, maar toont hoe AI kan helpen om digitale processen af te stemmen op de fysieke wereld.

Slimmer dataverkeer = minder verspilling

AI kan ook helpen bij het sturen en filteren van datastromen zelf. In veel organisaties worden enorme hoeveelheden gegevens verzameld, verstuurd en opgeslagen, vaak zonder duidelijke bestemming of nut. Denk aan logdata, sensordata of videostreams van camera’s die nooit bekeken worden. Door AI toe te passen op het punt van binnenkomst, kun je deze data beoordelen op relevantie, urgentie en context. Onbelangrijke of irrelevante informatie kan worden genegeerd of alleen in samengevatte vorm worden opgeslagen. Zogeheten intelligent edge processing speelt hier een sleutelrol: AI draait direct op edge-devices, zoals gateways of routers, en maakt daar al de eerste selectie.

Een voorbeeld: een logistiek bedrijf gebruikt camera’s en sensoren om vrachtbewegingen te volgen. In plaats van alle beelden live door te sturen naar het datacenter, analyseert AI ter plekke of er afwijkingen of incidenten zijn. Alleen die fragmenten worden verzonden. Het resultaat: 85% minder dataverkeer en lagere opslaglasten.

Predictive cooling en AI-gestuurde koelsystemen

Koeling is een van de grootste energieverbruikers in datacenters. Vooral bij AI-gerelateerde workloads, die veel hitte genereren, zijn traditionele koelsystemen soms onvoldoende efficiënt. Steeds vaker worden koelsystemen uitgerust met AI die op basis van hitteprofielen, rackdata en luchtstromen de koeling dynamisch aanpast. In plaats van een constante stroom koude lucht, kijkt het systeem welke delen van de ruimte op dat moment de meeste koeling nodig hebben en hoeveel precies.

Deze predictive cooling leidt tot flinke besparingen. Schneider Electric en Vertiv claimen bij proefopstellingen besparingen van 15 tot 25% op het energieverbruik van koeling, dankzij AI-gestuurde optimalisatie. Ook nieuwe technologieën, zoals vloeistofkoeling, profiteren van AI. De combinatie van sensoren en slimme algoritmes zorgt ervoor dat vloeistoffen op het juiste moment, met de juiste snelheid en temperatuur door systemen worden gepompt, zonder menselijke tussenkomst.

AI op de werkvloer: minder rekenkracht, meer efficiëntie

AI inzetten voor duurzaamheid betekent niet alleen processen automatiseren, maar ook kritisch kijken naar hoe AI zelf wordt ingezet. Veel modellen worden getraind op enorme hoeveelheden data, terwijl kleinere, getunede modellen vaak volstaan. De opkomst van zogeheten small language models (SLM’s) is hier een goed voorbeeld van. Deze compacte AI-modellen zijn getraind op specifieke taken of domeinen en draaien lokaal op energiezuinige hardware. Voor veel toepassingen, zoals chatbots, workflowautomatisering of documentanalyse, bieden ze vergelijkbare prestaties als hun grote broers, maar met een fractie van het energieverbruik.

Organisaties die AI willen inzetten op een duurzame manier, moeten dus niet alleen kijken naar waar ze de modellen draaien (bijvoorbeeld in groene cloudregio’s), maar ook naar welke modellen ze kiezen, hoe vaak ze inference uitvoeren, en of resultaten lokaal kunnen worden gecached in plaats van elke keer opnieuw berekend.

Van verspilling naar voorspelling

De kracht van AI ligt in het vermogen om te voorspellen en bij te sturen. In plaats van reactief managen, kun je met AI anticiperen op verbruik, vervuiling en belasting. En dat gaat verder dan alleen IT. Zo worden er inmiddels AI-systemen ingezet om duurzaamheidsdoelen te monitoren, ESG-rapportages te automatiseren, of milieueffecten van supplychains in kaart te brengen. Wat dat betreft is AI niet alleen een technologisch hulpmiddel, maar ook een bestuursinstrument.

Dat AI ook zélf veel energie verbruikt, kan niet worden gebagatelliseerd. De opmars van generatieve modellen de laatste paar jaar heeft het energieverbruik van sommige cloudomgevingen verdubbeld. Zonder duidelijke strategie dreigt AI meer problemen te veroorzaken dan op te lossen. Daarom is er steeds meer aandacht voor AI-governance, waarbij duurzaamheid wordt meegenomen in de keuze, inrichting en toepassing van AI-systemen. Bedrijven als IBM, SAP en Capgemini bieden inmiddels tools en frameworks om AI duurzaam en ethisch verantwoord te implementeren.

AI als groene versneller – als je het goed aanpakt

AI is niet per se een vijand te zijn van duurzaamheid. Sterker nog: mits goed ingezet kan het een katalysator zijn voor efficiëntere, slimmere en energiezuinigere IT-processen. Maar dat vereist wél de nodige visie. Niet elke AI-oplossing draagt bij aan een groenere toekomst. De kunst is om te kiezen voor toepassingen die het energieverbruik helpen reduceren in plaats van vergroten. En daarbij hoort ook de bereidheid om niet alles te automatiseren ‘omdat het kan’, maar juist te kijken naar wat écht waarde toevoegt.