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.

Tijdens MSP Global 2025, waar ChannelConnect als mediapartner bij betrokken is, krijgen bezoekers een bijzondere inkijk in het denken van cybercriminelen. Jesse Tuttle, ooit actief als hacker onder de naam Hackah Jak en jarenlang gevolgd door de FBI, vertelt hoe zijn pad hem van de underground van IRC-kanalen en bulletin boards naar een rol in defensie en nationale veiligheid bracht. Zijn levensverhaal maakt duidelijk hoe dun de lijn kan zijn tussen nieuwsgierige verkenning en criminele activiteit, maar laat vooral zien hoe diepgeworteld de motivatie van hackers is en waarom het zo belangrijk is om die psychologie te begrijpen.

Tuttle benadrukt dat er niet één type hacker bestaat. Hacktivisten gebruiken digitale aanvallen om maatschappelijke thema’s op de kaart te zetten, cybercriminelen organiseren zich als een bedrijf met duidelijke structuren en winstdoelen, en statelijke actoren opereren vanuit geopolitieke belangen. Wat al deze groepen met elkaar gemeen hebben is hun volharding en wendbaarheid. Ze hebben altijd een plan B en C klaar, passen zich sneller aan dan veel organisaties kunnen bijbenen en laten zich niet afschrikken door de beveiligingsmaatregelen die vandaag gangbaar zijn.

Kijk verder dan de techniek

Voor managed service providers is het volgens Tuttle essentieel om verder te kijken dan de techniek. Firewalls, monitoring en patchmanagement blijven belangrijke bouwstenen, maar wie echt wil begrijpen waar de risico’s liggen, moet zich verdiepen in de beweegredenen van aanvallers. Veel aanvallen beginnen niet met een technische kwetsbaarheid, maar met social engineering of phishing. Het psychologische spel gaat vooraf aan de inzet van malware of een zero-day en kan alleen worden doorzien als je je inleeft in de tegenstander. Dat betekent ook dat msp’s niet moeten vertrouwen op standaarddreigingsbeelden. Ook een mkb-klant zonder directe geopolitieke relevantie kan slachtoffer worden, bijvoorbeeld via een supply chain-aanval of als springplank naar een groter doelwit.

Tuttle roept daarom op om te leren denken als een hacker. Dat betekent het simuleren van aanvallen vanuit het perspectief van de aanvaller in plaats van alleen de eigen infrastructuur, het analyseren van de motivatie achter een doelwitkeuze, het herkennen van gedragspatronen die een aanval kunnen aankondigen en het altijd rekening houden met misleiding en afleidingsmanoeuvres. Voor hem is dit geen theoretische oefening, maar een noodzakelijke aanvulling op bestaande securitypraktijken. Alleen door aanvallers echt te begrijpen kunnen msp’s een cultuur van veerkracht en wendbaarheid ontwikkelen die past bij het huidige dreigingslandschap.

Gedrag en motivatie

Zijn bijdrage aan MSP Global laat zien dat cybersecurity niet alleen draait om technologie, maar ook om inzicht in menselijk gedrag en motivatie. Voor msp’s biedt dat een kans om hun klanten beter te beschermen en de eigen rol in het ecosysteem verder te versterken. ChannelConnect volgt als mediapartner dit gesprek van dichtbij en brengt de lessen van experts als Tuttle bij het Nederlandse kanaal onder de aandacht.

Bron: MSP Global

Unified communications en telecom zijn al jaren onmisbare pijlers onder het digitale werken. De volgende stap in die evolutie is de integratie van AI en automatisering. Wat ooit begon met simpele transcripties en automatische ondertiteling, ontwikkelt zich nu tot slimme assistenten die gesprekken analyseren, processen versnellen en zelfs klantinteractie deels overnemen. Wat levert AI in telecom en UC nu al op voor de eindklant?

In platforms als Microsoft Teams, Zoom en Webex verschijnen AI-functies in rap tempo. Bekende voorbeelden zijn live transcripties en real-time vertalingen, waarmee organisaties taalbarrières kunnen doorbreken. Ook samenvattingen van vergaderingen, inclusief actielijsten en deadlines, worden steeds betrouwbaarder. Dit scheelt tijd en maakt vergaderingen toegankelijker voor collega’s die later aanhaken.

Daarnaast wordt sentimentanalyse ingezet om klantgesprekken te beoordelen: hoe tevreden klinkt een klant, waar loopt de frustratie op en hoe reageert de medewerker? Deze inzichten worden gekoppeld aan training en coaching. Contactcenters gebruiken bovendien AI om gesprekken te routeren naar de juiste medewerker op basis van het onderwerp, de taal of de emotie van de beller.

Tussen hype en werkelijkheid

Niet alles wat in de markt wordt gepresenteerd, levert al directe waarde op. Sommige AI-toepassingen zijn nog vooral een belofte, zoals de ‘vergadercoach’ die vergaderingen automatisch optimaliseert of AI-gestuurde besluitvorming die managers adviseert. De praktijk wijst uit dat veel organisaties eerst worstelen met basale zaken als het inrichten van de juiste governance en het trainen van medewerkers in het gebruik van de nieuwe functies.

Maar er tekent zich wel een duidelijke lijn af: toepassingen die de administratieve last verminderen, worden snel geaccepteerd. Automatische notulen, follow-up taken en integraties met CRM-systemen worden al volop gebruikt. Want AI bespaart hier direct tijd en levert tastbare voordelen op.

Risico’s en aandachtspunten

De snelle opmars van AI binnen UC-platformen brengt ook nieuwe vragen met zich mee. Omtrent privacy bijvoorbeeld. Gesprekken die worden geanalyseerd of opgeslagen in de cloud moeten voldoen aan wetgeving als de AVG. Wie heeft toegang tot die data, en hoe worden fouten in transcripties of analyses gecorrigeerd?

Ook is er een afhankelijkheid van de leverancier. De meeste AI-functies draaien in de cloud van de aanbieder, wat betekent dat organisaties beperkt grip hebben op de werking en de beveiliging. Er zijn ook nogal wat verschillen in de taalversies. Engelstalige transcripties zijn vaak beter dan Nederlandstalige, tot frustratie van gebruikers die regelmatig tussen deze talen schakelen in hun dagelijkse werk.

De rol van providers en partners

Het is duidelijk dat eindklanten behoefte hebben aan begeleiding bij het selecteren, configureren en beveiligen van AI-functies. Providers kunnen bovendien helpen bij het koppelen van UC-platformen aan andere systemen, zodat bijvoorbeeld een klantgesprek in Teams direct zichtbaar is in het CRM.

Een andere rol ligt in het bewaken van de balans tussen efficiëntie en menselijkheid. Niemand wil steeds maar weer aangesproken worden door overduidelijke bots. Automatisering mag dus niet ten koste gaan van persoonlijke interactie in klantcontact.

Je hoeft geen profeet te zijn om te kunnen zeggen dat UC zich in de komende jaren zal ontwikkelen tot een intelligent ecosysteem waarin spraak, video en data volledig geïntegreerd zijn. AI is dan geen losse toevoeging meer, maar de basis die alle communicatie kan aansturen en liefst verrijken.

Zover is het nu nog niet, maar het kan geen kwaad nu al te investeren in kennis en ervaring met AI in telecom en UC. De uitdaging wordt om de balans te vinden tussen de technologie en de dagelijkse praktijk van veilig, effectief en vooral menselijk communiceren.

Na Wi-Fi 6 en de uitbreiding met 6E staat nu de zevende generatie draadloze netwerktechnologie op de drempel van adoptie: Wi-Fi 7, oftewel IEEE 802.11be. Deze nieuwe standaard belooft snellere verbindingen, minder vertraging en hogere capaciteit. Maar hoe relevant is dit in de praktijk voor organisaties met enkele tientallen tot honderden werkplekken? En is het de moeite waard om je klanten nu al te helpen met de overstap?

Wi-Fi 7 bouwt voort op de verbeteringen van zijn voorgangers, maar voegt daar enkele belangrijke nieuwe functies aan toe die vooral in drukbezette werkomgevingen tot hun recht komen.

Zo wordt de kanaalbreedte in de 6 GHz-band verdubbeld naar 320 MHz. Dit betekent dat er aanzienlijk meer data tegelijk kan worden verwerkt, waardoor congestie wordt verminderd. Dankzij 4K QAM – een efficiëntere modulatiemethode – kan elke datapuls meer informatie bevatten, wat resulteert in hogere snelheden.

Een van de opvallendste innovaties is de zogeheten Multi-Link Operation (MLO). Daarmee kunnen apparaten tegelijkertijd meerdere frequentiebanden gebruiken, zoals 2.4, 5 en 6 GHz. Dat maakt het netwerk niet alleen sneller, maar ook robuuster: als één band overbelast is, wordt automatisch een andere gebruikt.

Verder is de latency bij Wi-Fi 7 lager dan bij eerdere standaarden. In de praktijk betekent dit dat toepassingen zoals videobellen, online samenwerken of realtime cloudgebruik soepeler verlopen. De maximale bruto datasnelheid ligt op papier op 46 Gbps – aanzienlijk hoger dan de 10 Gbps die bij Wi-Fi 6 mogelijk was – al zullen die snelheden in realistische omgevingen meestal lager uitvallen.

Wanneer biedt Wi-Fi 7 echt voordeel?

Voor organisaties met zo’n 50 tot 250 werkplekken zijn snelheid en capaciteit belangrijk, maar stabiliteit en betrouwbaarheid minstens zo relevant. Wi-Fi 7 komt dan vooral van pas in situaties waarin veel medewerkers tegelijkertijd online zijn, waarbij het netwerk meerdere applicaties moet ondersteunen.

Denk aan kantoren waar werknemers intensief gebruikmaken van Microsoft 365, cloudgebaseerde boekhoud- of CRM-systemen, en regelmatig videocalls houden via Teams of Zoom. Ook als er regelmatig gasten of flexwerkers inloggen op het netwerk, of als er veel mobiele apparaten (laptops, tablets, smartphones) in omloop zijn, levert een Wi-Fi 7-netwerk voordelen op.

De verbeterde bandbreedteverdeling en lagere latency helpen ook om vertragingen of haperingen te voorkomen, bijvoorbeeld bij het openen van grote bestanden vanuit de cloud of bij het bewerken van gedeelde documenten.

Is het al beschikbaar?

Ja, maar beperkt. Verschillende fabrikanten hebben inmiddels access points op de markt gebracht die Wi-Fi 7 ondersteunen. Bekende voorbeelden zijn modellen uit de reeksen TP-Link Omada, Ubiquiti UniFi, Cisco Meraki Go en Aruba Instant On. Dit zijn oplossingen die specifiek bedoeld zijn voor kleinere en middelgrote organisaties.

Aan de gebruikerskant is ondersteuning nog schaars. Alleen de nieuwste smartphones, tablets en laptops zijn op dit moment compatibel met Wi-Fi 7. Maar omdat de meeste access points ook oudere standaarden ondersteunen, kunnen bestaande apparaten voorlopig gewoon blijven werken. Je kunt dus al investeren in een Wi-Fi 7-infrastructuur, zonder dat je direct al je devices hoeft te vervangen.

Wat betekent dit voor het netwerk?

Klanten die nu al nadenken over vernieuwing van het draadloze netwerk, doen er goed aan een paar randvoorwaarden mee te nemen. Allereerst moet de bekabelde infrastructuur krachtig genoeg zijn om de hogere snelheden aan te kunnen. Access points die Wi-Fi 7 ondersteunen, leveren vaak meer dan 1 Gbps door, waardoor het verstandig is om te kiezen voor switches met 2.5G- of zelfs 10G-uplinks.

Ook de stroomvoorziening kan een aandachtspunt zijn. Veel Wi-Fi 7-apparaten vragen meer vermogen dan eerdere generaties. PoE++ (de 802.3bt-standaard) is dan een vereiste om access points via de netwerkkabel van voldoende stroom te voorzien.

Daarnaast loont het om te kijken naar het beheerplatform. Zeker als er meerdere vestigingen zijn, of als je als organisatie geen eigen IT-afdeling hebt, is het handig als je netwerk eenvoudig te beheren is via een centrale cloudomgeving of mobiele app.

En de beveiliging?

Net als Wi-Fi 6 maakt Wi-Fi 7 standaard gebruik van WPA3-versleuteling. Daarmee zijn verbindingen beter beschermd tegen afluisteren en brute force-aanvallen. In moderne oplossingen is het bovendien vaak mogelijk om extra beveiligingsopties te activeren, zoals netwerksegmentatie (bijvoorbeeld aparte netwerken voor personeel en gasten), toegangsregels per apparaattype of tijdslot, en realtime monitoring via dashboards.

Juist in kleinere organisaties, waar IT-beheer niet altijd prioriteit heeft, biedt dit type beheeromgeving meer overzicht en controle zonder dat het complex wordt.

Is overstappen verstandig?

Bij klanten waar je recent een upgrade naar Wi-Fi 6 hebt gedaan, is het niet nodig om direct actie te ondernemen. De stap van Wi-Fi 6 naar 7 is weliswaar technisch relevant, maar niet zo fundamenteel als de overgang van Wi-Fi 4 of 5 naar Wi-Fi 6 was.

Merk je dat netwerk regelmatig traag aanvoelt, of staat er binnenkort toch al een vervanging op de planning, dan doe je er goed aan om Wi-Fi 7 nu al mee te nemen in de overweging. Nieuwe access points zijn immers ook geschikt voor oudere apparaten, en zorgen ervoor dat toekomstige uitbreidingen geen bottleneck vormen.

Voor organisaties die volop inzetten op cloud, hybride werken en digitale samenwerking, kan Wi-Fi 7 bijdragen aan een merkbaar betere netwerkervaring – zeker op piekmomenten.

We denken bij digitale duurzaamheid al snel aan zonnepanelen op het datacenterdak of aan groene stroomcontracten. Maar wie iets verder kijkt dan de hardware, ontdekt een ander deel van het verhaal: het enorme volume aan data dat we genereren, opslaan en steeds vaker repliceren. Die onzichtbare datastroom heeft een prijs – niet alleen in euro’s, maar ook in energieverbruik, CO₂-uitstoot en grondstoffengebruik. Duurzaamheid begint dus niet bij de keuze van een energie-efficiënte server, maar bij een simpele vraag: welke data zijn écht nodig – en hoe gaan we daarmee om?

De hoeveelheid digitale informatie groeit exponentieel. Volgens IDC zal de totale hoeveelheid data wereldwijd in 2025 boven de 180 zettabyte uitkomen. Een aanzienlijk deel daarvan wordt niet bij hyperscalers opgeslagen, maar juist in lokale datacenters, edge-opstellingen en on-prem infrastructuren van bedrijven.

Elke byte die je bewaart, verplaatst of dupliceert, kost energie. Zelfs als die infrastructuur volledig draait op hernieuwbare energie, blijft er sprake van materiaalgebruik, koeling en transport. Het probleem zit daarbij niet alleen in de omvang van de datasets, maar ook in hun aard. Veel data zijn verouderd, ongestructureerd of simpelweg overbodig. Back-ups en archieven worden jaren bewaard zonder dat iemand nog weet wat erin zit. Replicatieprocessen zorgen ervoor dat dezelfde informatie op drie of vier plekken tegelijk staat. En bedrijven bewaren liever ‘voor de zekerheid’ dan dat ze actief opschonen.

Wat we niet zien, kost wél stroom

Informatie die niet meer gebruikt wordt maar toch blijft bestaan, wordt vaak aangeduid als ‘dark data’. Onderzoek van Veritas wijst uit dat dit type data bij bedrijven al snel 50 procent van de totale opslagcapaciteit in beslag neemt. Deze gegevens worden zelden nog geraadpleegd, maar blijven wel continu beschikbaar – vaak op snel toegankelijke systemen die energie slurpen.

Daarnaast is er een groeiende berg ‘dead weight data’ in omloop. Denk aan testbestanden, oude marketingmaterialen, niet-gebruikte datasets en softwarelogs die nooit geanalyseerd zullen worden. Samen vormen ze een digitale ballast die de duurzaamheid van IT-systemen structureel ondermijnt.

Voor een organisatie met een datavolume van een petabyte – tegenwoordig geen uitzondering meer – kan deze overbodige data tienduizenden euro’s per jaar aan onnodige opslagkosten en energieverbruik veroorzaken. De ecologische voetafdruk is daarbij lastig te kwantificeren, maar zeker niet verwaarloosbaar.

Duurzaam databeheer begint bij inzicht

Een van de meest effectieve maatregelen voor duurzame IT is het opschonen van data. Niet alleen om kosten te besparen, maar ook om de ecologische impact structureel te verkleinen. De eerste stap is inzicht: welke data worden daadwerkelijk gebruikt, wat is de herkomst, en welke informatie kan veilig worden verwijderd of gearchiveerd?

Daarvoor is het essentieel dat organisaties hun data goed classificeren. Niet alle gegevens hebben dezelfde waarde of bewaartermijn. Klantgegevens, financiële administratie en compliance-gerelateerde documenten verdienen een andere behandeling dan bijvoorbeeld tijdelijke exportbestanden of ruwe logdata. Door dergelijke onderscheidingen actief te maken, kan data worden toegewezen aan opslaglagen die passen bij het gebruiksprofiel.

Veel moderne opslagplatforms bieden functionaliteit voor deduplicatie, waardoor dubbele bestanden automatisch worden samengevoegd. Zeker in back-ups of gespiegelde omgevingen levert dit directe winst op. Ook het automatiseren van archivering helpt: data die zelden wordt geraadpleegd, kan worden overgezet naar energiezuinige opslaglagen. Daarmee daalt niet alleen het energieverbruik, maar vaak ook de opslagfactuur.

De juiste tools maken het verschil

De markt biedt inmiddels diverse oplossingen die duurzaam datamanagement mogelijk maken. Grote opslagleveranciers zoals NetApp, Dell EMC en Pure Storage leveren analytische tools waarmee gebruikers inzicht krijgen in het gebruik en de groeipatronen van hun data. In cloudomgevingen zoals AWS worden data automatisch verplaatst naar goedkopere en zuinigere opslagklassen via intelligent tiering.

Ook aan de back-upzijde zijn er ontwikkelingen. Software van partijen als Veeam, Rubrik en Commvault biedt mogelijkheden om bewaarbeleid af te dwingen, bestanden automatisch te verwijderen of verplaatsen, en gebruikers bewust te maken van de opslagimpact van hun gedrag. Er zijn zelfs gespecialiseerde platforms, zoals Atempo, die zich volledig richten op het opschonen van ongestructureerde data.

Rapporteren over wat je bewaart

Nu steeds meer organisaties ESG-doelen formuleren en rapportages moeten opstellen, komt databeheer ook in beeld bij duurzaamheidsbeleid. Toch wordt opslag en dataverkeer zelden meegenomen in CO₂-berekeningen. Terwijl de opslag van data in eigen datacenters onder scope 2 valt en uitbestede opslag, zoals in public cloud, formeel onder scope 3-emissies kan vallen.

Bedrijven die serieus werk maken van hun duurzaamheidsverslaglegging, kunnen dus niet om data heen. Door het opnemen van databeheer in ESG-strategieën ontstaat ook ruimte voor betere governance, interne bewustwording en beleidskeuzes rond cloudmigratie, retentie of dataopslaglocatie.

De winst zit in de schoonmaak

De voordelen van duurzaam databeheer reiken verder dan energie- en CO₂-besparing. Bij een zorginstelling in Noord-Nederland leidde een opschoningsproject tot een jaarlijkse besparing van meer dan 50.000 euro, door verouderde patiëntendossiers naar cold storage te verplaatsen en onnodige bestanden te verwijderen.

Een SaaS-aanbieder ontdekte via analytics dat 60 procent van hun back-ups uit testdata en tijdelijke versies bestond. Na het instellen van automatische deduplicatie en strengere bewaartermijnen kromp het datavolume met 43 procent in een half jaar tijd. En bij een Brabantse gemeente leidde lifecyclebeleid tot 28 procent minder data – goed voor een directe besparing op opslagcapaciteit, koeling én stroomverbruik.

Van green naar lean

Echte digitale duurzaamheid vereist meer dan alleen vergroening van hardware of overstap op hernieuwbare energie. Het vraagt om een fundamentele herziening van hoe we met data omgaan. Hoe minder je hoeft op te slaan en te verplaatsen, hoe lager je verbruik – en hoe kleiner de impact op klimaat en kosten.

Dat betekent ook: afscheid nemen van de reflex om ‘alles maar te bewaren’. Niet langer data hamsteren, maar actief beheren. Dat begint bij inzicht, gaat verder met beleid, en eindigt in besparing – van resources en CO₂.

Hoe ontwerp je IT-systemen die niet alleen veilig zijn, maar ook de privacy van gebruikers beschermen? Het antwoord ligt in het principe van ‘privacy by design’. Wat begon als een juridische eis uit de AVG, groeit langzaam uit tot een strategisch uitgangspunt voor organisaties die bewust omgaan met data. Toch blijft de praktijk weerbarstig.

In de Algemene Verordening Gegevensbescherming (AVG) is het duidelijk omschreven: organisaties moeten bij het ontwerp van systemen en processen al rekening houden met privacy. ‘Privacy by design’ dus. Dit betekent dat je de bescherming van persoonsgegevens al vooraf integreert in de basis van je systeemarchitectuur, in plaats van dit pas achteraf toe te voegen.

Maar zoals dat gaat, blijken veel bedrijven privacy in de praktijk nog zien als een sluitpost. Het is al lastig genoeg om systemen te bouwen die functioneren. Werken ze enigszins naar wens, dan wordt eerst een beveiligingslaag toegevoegd. Juridische goedkeuring blijft dan over als laatste hobbel. Dat levert naast compliance-risico’s ook technische en organisatorische kwetsbaarheden op. Maar als je privacy al vanaf het begin meeneemt, kun efficiënter ontwikkelen en beter omgaan met datalekken.

Zes kernprincipes

Privacy by design kent verschillende invullingen, maar draait vaak om zes kernprincipes:

Veel van deze principes raken aan technologie: wie bepaalt bijvoorbeeld welke data wordt opgeslagen, hoe wordt versleuteling toegepast, en hoe wordt logging ingericht? De vertaalslag van juridische eisen naar technische oplossingen is precies waar de meeste organisaties hulp bij nodig hebben.

Geen eenmalig project

Wat ook nog weleens wordt vergeten is dat privacy by design geen eenmalige check is, en alleen bij het eerste ontwerp een rol speelt. Het is een doorlopend proces. Systemen evolueren, wetgeving verandert, en nieuwe data wordt continu toegevoegd. Dit vraagt om een aanpak waarin privacy structureel wordt ingebouwd, zowel in softwareontwikkeling als in infrastructuurbeheer en dataverwerking.

Wanneer bedrijven hierin investeren, dan merken ze dat privacy geen belemmering hoeft te zijn. Sterker, wie zijn systemen leaner en cleaner opzet, heeft niet alleen minder risico, maar ook lagere beheerkosten. Want minder data verzamelen betekent ook minder opslag, minder compliance-verplichtingen, en minder kans op reputatieschade bij incidenten.

Een paar voorbeelden: een gemeente die werkt met digitale formulieren, kan privacy by design toepassen door standaard geen BSN op te vragen tenzij dit absoluut nodig is. In de zorg betekent het dat patiëntgegevens standaard geanonimiseerd worden zodra ze buiten het primaire behandelproces worden gebruikt. Dat hele gebruik van de BSN staat sinds de hack van Clinical Diagnostics in Rijswijk sowieso ter discussie. En in e-commerce kiezen steeds meer partijen voor cookieloze analytics, om klanten niet onnodig te volgen.

Bij al deze voorbeelden speelt technologie een sleutelrol. De architectuur van de gebruikte applicaties, het type cloudopslag, en de manier waarop data wordt gedeeld tussen systemen bepalen of privacy by design ook echt werkt. Daarmee komt het onderwerp vanzelf terecht op het bord van IT-teams, ontwikkelaars en externe partners.

Juridische druk en technologische grip

De AVG heeft de discussie over privacy in een stroomversnelling gebracht, maar echte verandering komt pas als privacy als kwaliteitskenmerk wordt gezien, vergelijkbaar met uptime, schaalbaarheid of gebruiksgemak. Daarvoor bewustwording op meerdere niveaus nodig: juridisch, organisatorisch en technisch.

Vooral de technologische kant biedt daarbij mogelijkheden voor de IT-dienstverlener. Tools voor data-anonimisering, toegangsbeheer, end-to-end encryptie en auditing zijn inmiddels breed beschikbaar. Veel leveranciers zetten in op zogeheten privacy-enhancing technologies (PETs), waarbij data wél benut kan worden, maar zonder volledige identificeerbaarheid: differential privacy, secure enclaves of federated learning.

Deze technologieën zijn complex, maar ze bieden mogelijkheden om datagedreven te werken zonder privacy uit het oog te verliezen. Steeds vaker worden ze opgenomen in moderne cloudplatformen en API-lagen.

Samenwerking nodig

Een organisatie die privacy by design serieus wil nemen, moet over afdelingen heen samenwerken: juridische experts, beleidsmakers, developers en IT-beheerders. De vertaling van ‘privacyregels’ naar ‘IT-oplossingen’ gebeurt zelden binnen één team. Vaak spelen externe adviseurs en technologiepartners hier een verbindende rol.

Dat maakt het ook een strategische keuze: kies je voor privacyvriendelijke software? Voor een infrastructuur die dataminimalisatie ondersteunt? Voor leveranciers die jouw waarden delen? Of voor snelle oplossingen met verborgen risico’s?

In een tijd waarin datalekken, AI-toepassingen en surveillancevragen het nieuws domineren, wordt privacy meer dan ooit een vertrouwenskwestie. Kun ja als bedrijf of organisatie duidelijk maken dat er zorgvuldig met data wordt omgegaan, dan creëer je rust, intern en extern.

Vertrouwen is trouwens niet alleen belangrijk richting klanten, maar ook richting toezichthouders, medewerkers en partners. Het is geen toeval dat steeds meer Europese bedrijven zich profileren als privacyvriendelijk alternatief voor Amerikaanse cloudspelers. En dat organisaties kiezen voor security- en cloudoplossingen die dataprivacy expliciet ondersteunen.

De recente investering van ASML in Mistral AI is meer dan een financiële transactie. Waar de berichtgeving tot nu toe vooral draaide om de omvang van de deal – een investering van €1,3 miljard, goed voor een belang van circa 11 procent – is de werkelijke betekenis van de samenwerking groter: het gaat om Europese technologische soevereiniteit, industriële synergie en geopolitieke positionering.

Mistral AI, opgericht in 2023 door oud-onderzoekers van DeepMind en Meta, haalde in zijn Series C-ronde in totaal €1,7 miljard op. Daarmee is de Franse startup met een waardering van ruim €11 miljard de hoogst gewaardeerde AI-speler van Europa. Voor een bedrijf dat pas twee jaar bestaat, is dat opmerkelijk. ASML neemt hierin de rol van grootste investeerder op zich en krijgt een zetel in de strategische commissie van Mistral, ingevuld door CFO Roger Dassen. Deze rol gaat verder dan die van aandeelhouder: ASML krijgt direct invloed op de koers van het bedrijf en toegang tot de technologie die Mistral ontwikkelt.

De investering past in een bredere Europese ambitie om minder afhankelijk te zijn van Amerikaanse en Aziatische techreuzen. AI wordt gezien als sleuteltechnologie voor de komende decennia, net zoals halfgeleiders dat nu zijn. Waar ASML een dominante rol speelt in de wereldwijde chipproductie, wil Mistral uitgroeien tot een Europees zwaargewicht in generatieve AI.

Door de handen ineen te slaan, ontstaat er een brug tussen de hardware- en de softwarewereld. Het stelt Europa in staat een eigen ecosysteem te bouwen dat zowel chips als AI-modellen omvat. Voor beleidsmakers in Brussel en Parijs is dit een bevestiging dat Europa nog steeds kan meedoen op het hoogste niveau.

Industriële logica

De samenwerking heeft ook een duidelijke operationele component. ASML’s machines worden steeds complexer, en de inzet van AI kan bijdragen aan optimalisatie in ontwerp, productie en onderhoud. Denk aan snellere modellering van processen, predictive maintenance en het verbeteren van yield in chipproductie. Door toegang te krijgen tot de modellen en expertise van Mistral kan ASML zijn R&D versnellen en de efficiëntie vergroten. Voor Mistral betekent de deal dat het zijn technologie direct kan toetsen in een industriële omgeving van wereldformaat.

Het hoofdkantoor van ASML in Veldhoven.

Politieke dimensie

Naast technologische en industriële logica speelt politiek een rol. Frankrijk profileert zich de laatste jaren als voorvechter van een eigen AI-agenda, en president Macron ziet Mistral als vlaggenschip. De betrokkenheid van ASML versterkt de Frans-Nederlandse as binnen de Europese techstrategie.

Ook buiten Europa wordt de deal nauwlettend gevolgd. In Washington en Peking geldt ASML al als strategisch bedrijf vanwege zijn dominante positie in EUV-lithografie. Door nu ook in AI te investeren, vergroot het bedrijf zijn geopolitieke relevantie.

Mistral als Europese uitdager

Mistral onderscheidt zich door zijn open-weight modellen, die het beschikbaar stelt aan ontwikkelaars en bedrijven. Daarmee positioneert het zich anders dan Amerikaanse giganten als OpenAI en Anthropic, die gesloten ecosystemen hanteren. De ambitie is om een Europees alternatief te bieden dat inzet op transparantie, samenwerking en schaalbaarheid.
Met de steun van ASML krijgt Mistral niet alleen kapitaal, maar ook een krachtige industriële partner. Dit kan het bedrijf helpen zijn positie verder te verstevigen en sneller nieuwe toepassingen te ontwikkelen.

Voor de bredere technologiesector in Europa is de deal een signaal dat samenwerking tussen grote industriële spelers en jonge AI-bedrijven noodzakelijk is om mee te doen in de mondiale wedloop. Het is een schoolvoorbeeld van strategische co-innovatie: de combinatie van kapitaal, technologische expertise en geopolitieke belangen.

Voor partners en leveranciers in het ecosysteem rond ASML en Mistral opent dit perspectieven. Nieuwe AI-toepassingen in productie, supply chains en dataverwerking zullen waarschijnlijk sneller beschikbaar komen. Bovendien kan het Europese bedrijven meer vertrouwen geven dat er een alternatief ontstaat voor de dominantie van Amerikaanse en Chinese platforms.

Vooruitblik

De vraag is hoe de samenwerking zich in de praktijk gaat uitbetalen. Zullen ASML’s lithografiemachines merkbaar sneller of efficiënter worden dankzij Mistral? En kan Mistral zijn ambitieuze groeipad vasthouden zonder de valkuilen van hype en overspannen verwachtingen?

Wat in ieder geval duidelijk is: de investering van ASML is een kantelpunt. Het laat zien dat Europese samenwerking tussen gevestigde industriële reuzen en jonge AI-innovators niet alleen mogelijk is, maar ook noodzakelijk. Daarmee kan deze deal een blauwdruk vormen voor hoe Europa de technologische toekomst wil vormgeven.

Nog maar twee jaar geleden was Lovable een onbekende naam in de Europese techwereld. Inmiddels staat de Zweedse startup te boek als een van de snelst groeiende softwarebedrijven ooit. Met hun concept van vibe coding beloven de oprichters Anton Osika en Fabian Hedin niets minder dan een revolutie in softwareontwikkeling: apps en websites bouwen zonder programmeerkennis, simpelweg door te beschrijven wat je wilt.

Lovable werd in 2023 opgericht in Stockholm en haalde al snel een plek bij accelerator Y Combinator binnen. De missie is ambitieus: softwareontwikkeling toegankelijk maken voor 99 procent van de wereldbevolking. Volgens Osika moet iedereen in staat zijn professionele apps te realiseren met een paar prompts in een chatvenster. Dat idee sloeg aan. Binnen acht maanden behaalde Lovable 100 miljoen dollar aan jaarlijkse terugkerende omzet, een record in de softwarewereld.

De investeerderswereld reageerde razendsnel. In het voorjaar van 2025 volgde een Series A van 200 miljoen dollar, goed voor een waardering van 1,8 miljard dollar. Inmiddels circuleren er aanbiedingen die het bedrijf boven de 4 miljard dollar taxeren.

Wat is vibe coding?

Waar traditionele no-codeplatformen vaak werken met drag-and-drop-interfaces of vooraf gedefinieerde sjablonen, kiest Lovable voor een AI-first benadering. Een gebruiker beschrijft in natuurlijke taal wat de applicatie moet doen, waarna de AI automatisch front-end, back-end, databases en hosting genereert.

Het platform gaat nog verder. De AI fungeert als een soort digitale collega die debugt, beveiligingschecks uitvoert en logs analyseert. Daarmee verschilt Lovable van veel concurrenten in de low-code/no-codehoek, die doorgaans meer afhankelijk zijn van handmatige aanpassingen door gebruikers of developers.

Explosieve adoptie

Het resultaat is een explosieve groei. Volgens cijfers van TechCrunch en Omni telt Lovable inmiddels ruim 2,3 miljoen gebruikers. Alleen al in één maand werden meer dan 750.000 projecten aangemaakt. Vooral ondernemers, designers en start-ups zonder eigen ontwikkelteams blijken de technologie snel te omarmen.

De aantrekkingskracht zit deels in de snelheid. Waar een traditioneel ontwikkeltraject weken tot maanden kost, levert Lovable vaak binnen enkele uren een schaalbaar en functioneel product op. Daarmee sluit de startup aan bij een bredere trend: de verschuiving van softwareontwikkeling van specialistische programmeerkennis naar toegankelijke AI-gestuurde interfaces.

Kritische noten

Zoals bij elke hype klinken er ook kritische geluiden. Op ontwikkelaarsfora is de toon gemengd. Sommige gebruikers prijzen de productiviteit en gebruiksvriendelijkheid, terwijl anderen het prijsmodel stevig bekritiseren. Daarnaast blijft de vraag hoe robuust en veilig applicaties zijn die grotendeels door AI zijn gegenereerd.

CEO Osika wuift de zorgen niet weg, maar benadrukt dat het platform continu wordt verbeterd en dat beveiliging een kernonderdeel is. “We bouwen vanaf dag één met security in het achterhoofd,” verklaarde hij in een recent interview.

Europese unicorn met mondiale ambities

Lovable past in een bredere beweging waarin Europese AI-bedrijven niet langer alleen achter de Amerikaanse markt aanlopen, maar zelf de toon zetten. Met hoofdkantoor in Stockholm en investeerders uit Silicon Valley lijkt Lovable de ideale mix van Europees ondernemerschap en Amerikaanse schaalambitie te hebben gevonden.

De plannen voor de komende periode zijn duidelijk: opschalen van 45 naar ruim 120 medewerkers, internationale uitbreiding en doorontwikkeling van de AI-engine. Daarmee wil Lovable zich positioneren als hét alternatief voor zowel traditionele ontwikkeltools als Amerikaanse AI-concurrenten.

Cybersecurity- en dataprotectiestrateeg Onur Korucu houdt tijdens Cybersec Netherlands een keynote met de titel The Innovation-Ethics Paradox: Can AI Be Both Bold and Responsible. In haar bijdrage staat de vraag centraal of AI tegelijkertijd radicaal vernieuwend en verantwoord kan zijn. Het thema raakt aan een groeiend probleem: de opkomst van zogeheten data hallucinaties, foutieve of misleidende uitkomsten van AI-systemen die steeds vaker een rol spelen in besluitvorming en securityprocessen. 

Korucu, lid van de Forbes Tech Council en wereldwijd actief als spreker, ziet dat organisaties volop experimenteren met AI maar vaak onvoldoende stilstaan bij de kwetsbaarheden die daarmee gepaard gaan. Terwijl een mens in staat is om aannames te corrigeren of feiten te verifiëren, produceert een taalmodel teksten op basis van waarschijnlijkheden. Het gevolg is dat een systeem overtuigend kan klinken, maar in werkelijkheid fictieve data presenteert. Voor sectoren waar integriteit van informatie van levensbelang is, zoals cybersecurity, compliance en risicomanagement, is dat een reëel gevaar.

Onderzoek laat zien dat hallucinaties niet soms opduiken, maar een ingebakken kenmerk zijn van hoe grote taalmodellen functioneren. Ze ontstaan doordat de algoritmen patronen uit trainingsdata extrapoleren zonder een echt begrip van de werkelijkheid. Voor een securityteam kan dit betekenen dat een AI-ondersteund detectiesysteem verkeerde meldingen genereert of juist dreigingen mist. Ook kan misleidende output bijdragen aan desinformatiecampagnes of verkeerde beleidsbeslissingen.

Betrouwbare databronnen

De sector zoekt intussen naar manieren om dit risico te verkleinen. Een bekende benadering is retrieval-augmented generation, waarbij een model zijn antwoorden aanvult met actuele en betrouwbare externe databronnen. Andere onderzoekers werken aan algoritmen die automatisch de betrouwbaarheid van een AI-antwoord inschatten of onzekerheid expliciet aangeven. Ook worden privacyversterkende technologieën, zoals federated learning of zero-knowledge proof, ingezet om de inzet van AI in gevoelige domeinen te ondersteunen. Nuttige technieken, maar het gaat hierbij wel om correcties achteraf.

Korucu kiest voor een fundamenteler perspectief: in plaats van pleisters plakken pleit zij voor encryptie aan de basis van AI-modellen. Volgens haar ontstaat echte weerbaarheid pas wanneer beveiliging, integriteit en transparantie vanaf het ontwerp zijn meegenomen. Technologieën zoals fully homomorphic encryption maken het mogelijk om berekeningen uit te voeren op versleutelde data, zonder die ooit te ontsleutelen. Daarmee is de privacy beter geborgd, maar wordt ook de kans op manipulatie of desinformatie stukken kleiner. Universiteiten en onderzoeksinstituten werken al aan toepassingen die aantonen dat dit haalbaar is, al is de rekenintensiteit nog wel een drempel.

Trustworthy AI

Het idee sluit aan bij bredere internationale discussies over trustworthy AI. Daarbij gaat het om systemen die uitlegbaar, robuust en verantwoord zijn. Encryptie speelt in die context een sleutelrol, omdat het voorkomt dat data onderweg gecompromitteerd raken en het vertrouwen in de output wordt ondermijnd. Voor CISO’s betekent dit dat ze niet langer kunnen volstaan met het implementeren van losse mitigaties, maar strategische keuzes moeten maken over hoe AI-systemen vanaf de basis zijn ingericht.

Korucu’s keynote zal die discussie aanscherpen door te laten zien dat innovatie en ethiek elkaar niet hoeven uit te sluiten. Integendeel: juist door encryptie en governance in te bouwen, ontstaat er ruimte om AI grootschalig en creatief toe te passen zonder dat organisaties hun geloofwaardigheid of compliance op het spel zetten. Voor bestuurders en securityverantwoordelijken die balanceren tussen kansen en risico’s, biedt haar verhaal praktische handvatten en een strategische visie op de toekomst van AI.

ChannelConnect is mediapartner van Cybersec Netherlands 2025

Edge computing was jarenlang vooral een belofte. Iets wat ‘binnenkort’ de IT-wereld zou veranderen. Inmiddels zijn we een paar jaar en heel wat IoT-sensoren, 5G-netwerken en AI-modellen verder. Edge computing wordt steeds vaker ingezet, toch blijft het zoeken naar duurzame verdienmodellen. Want hoe maak je van edge computing niet alleen een technologische innovatie, maar ook een businesscase?

Traditioneel werden alle data centraal verwerkt, in de cloud of in eigen datacenters. Maar bij toepassingen waarbij elke milliseconde telt, zoals een zelfrijdend voertuig of een productielijn met AI-inspectie, is de vertraging naar de cloud te groot. Edge computing verplaatst rekenkracht en opslag daarom dichter naar de bron van de data: aan de rand van het netwerk. Je kunt daarbij denken aan slimme camera’s die lokaal gezichtsherkenning uitvoeren, of sensoren die trillingen in een brug analyseren zonder dat de sensordata naar een centrale server moeten worden gestuurd voor analyse. Dit bespaart bandbreedte, maar veel belangrijker is dat tijd bespaart. Hierdoor worden real-time beslissingen mogelijk, direct bij de plek waar de data worden verzameld. En dat opent deuren naar compleet nieuwe toepassingen.

Industrie pakt door

De maakindustrie zet edge computing vaak in voor voorspellend onderhoud. Machines worden uitgerust met sensoren die continu data verzamelen over temperatuur, trillingen en belasting. Een lokale edge-gateway analyseert deze gegevens direct en signaleert afwijkingen voordat er schade optreedt. Dit voorkomt dure stilstand, iets wat vooral in high-volume productieomgevingen van groot belang is.

Bij slimme fabrieken, zoals bij Siemens‑Amberg, is edge computing inmiddels realiteit. Daar maken ze gebruik van Red Hat OpenShift aan de rand van het netwerk (factory edge) om IT en OT samen te brengen. Deze aanpak zorgt voor efficiëntere bedrijfsvoering, snellere datagerichte inzichten én continue innovatie—alles zonder afhankelijkheid van een centrale cloudinfrastructuur.

Beeld: iStock

Slimme steden en mobiliteit

Ook in de publieke ruimte krijgt edge computing voet aan de grond. Gemeenten experimenteren met slimme verkeerslichten die realtime verkeersdata analyseren. Sensoren op kruispunten meten bijvoorbeeld verkeersdrukte, fietsbewegingen en wachttijden, en sturen de doorstroming automatisch bij. Dankzij lokale verwerking blijft de latency laag – essentieel voor veiligheid en efficiëntie.

Bij Deutsche Bahn komt edge computing in de praktijk: bij de inspectie van ICE-treinen wordt direct ter plekke, zodra het rijtuig arriveert, via kant-en-klare AI-modellen een E‑check uitgevoerd, los van de cloud. Dankzij edge‑verwerking blijven grote hoeveelheden data lokaal.

Zorg en retail ontdekken de voordelen

In de zorg wordt edge computing onder meer gebruikt bij monitoring van patiënten op afstand. In verpleeghuizen of thuiszorgsituaties analyseren lokale apparaten gegevens van wearables, zoals hartritme of valdetectie, en sturen alleen relevante informatie door. Dit ontlast de netwerken en waarborgt privacy – een belangrijk voordeel in een sector waar dataveiligheid cruciaal is.

Ook retailketens experimenteren volop met edge. Denk aan camerasystemen die winkelgedrag analyseren of schapvoorraad monitoren. Door deze data lokaal te verwerken, kunnen winkels sneller reageren op situaties op de vloer – bijvoorbeeld het openen van extra kassa’s of het aanvullen van populaire producten. Edge biedt hier een concurrentievoordeel dat direct te vertalen is naar omzet.

Businessmodellen nog in ontwikkeling

Er zijn dus volop voorbeelden te vinden van succesvolle toepassingen van edge computing. Dat neemt niet weg dat het verdienmodel rond edge computing nog lang niet altijd helder is. Veel IT-dienstverleners vragen zich af: waar zit de winst? Edge vraagt om nieuwe infrastructuur, beheer op afstand, en vaak integratie met AI en IoT. Allemaal zaken waar het kanaal weliswaar ervaring mee heeft, maar die in combinatie een nieuwe aanpak vergen.

Sommige partijen bieden inmiddels edge-oplossingen aan als dienst (Edge-as-a-Service), waarbij klanten betalen per verwerkte dataset of per aangesloten node. Anderen kiezen voor integratie met bestaande managed services. Denk aan security, dataverwerking of monitoring, waarbij edge als uitbreiding op bestaande contracten wordt aangeboden.

Vooral op die laatste – beheer en security – zijn veel mkb-bedrijven nog zoekende. Door edge-oplossingen te koppelen aan bestaande managed security services of monitoringtools, kun je je als mps positioneren als gids in het groeiende edge-landschap.

Van hype naar hybride architecturen

Maar het is wel essentieel om je te realiseren dat het niet gaat om een keuze tussen cloud of edge. De grootste winst van edge computing zit niet in de hype, maar in de hybride aanpak die eruit voortvloeit. Het gaat de optimale combinatie van cloud en edge. Data die realtime beschikbaar moet zijn, wordt aan de rand verwerkt. Andere data gaat alsnog naar de cloud voor archivering, analyse of compliance. Deze hybride architectuur vereist visie, ontwerpvaardigheden en beheerexpertise. Edge is daarmee geen doel op zich, maar een strategische bouwsteen in het moderne IT-landschap.