Digital Radar

Samenvatting

Het technologische landschap van vandaag wordt gekenmerkt door een transitie van experimentele innovatie naar structurele consolidatie en strenge regulering. Binnen de kunstmatige intelligentie verschuift de focus van passieve generatieve modellen naar autonome, taakgerichte agenten, terwijl de naderende handhaving van de Europese AI Act de sector dwingt tot compliance. Op het gebied van cybersecurity dwingen de definitieve post-quantumcryptografiestandaarden van het NIST organisaties om hun cryptografische infrastructuur fundamenteel te herzien. Tegelijkertijd transformeren soevereine cloud-initiatieven de manier waarop multinationale ondernemingen met datalocatie en privacy omgaan. Binnen DevOps zien we een duidelijke verschuiving van traditionele pipelines naar geavanceerde Platform Engineering en de integratie van WebAssembly in Kubernetes-omgevingen. Tot slot wordt de open-sourcegemeenschap geconfronteerd met licentieverschuivingen en strengere wetgeving rondom softwareveiligheid in de toeleveringsketen. Dit rapport analyseert deze cruciale ontwikkelingen en verklaart hun strategische impact op de enterprise-markt.

Artificial Intelligence

De opkomst van agentische AI en autonome workflows

De markt voor kunstmatige intelligentie bevindt zich in een cruciale overgangsfase. Waar de afgelopen twee jaar in het teken stonden van grote taalmodellen (LLM’s) die voornamelijk fungeerden als geavanceerde tekstgeneratoren, verschuift de markt nu snel naar ‘agentic AI’. Dit zijn AI-systemen die niet alleen vragen beantwoorden, maar zelfstandig complexe, meerstaps workflows kunnen plannen, aanpassen en uitvoeren. Ontwikkelingen zoals Anthropic’s “computer use”-functionaliteit en de geruchten rondom OpenAI’s project “Operator” laten zien dat AI-modellen steeds vaker rechtstreeks interactie hebben met software-interfaces, API’s en databases om taken uit te voeren die voorheen menselijke tussenkomst vereisten.

Waarom dit belangrijk is

De verschuiving naar autonome agenten verandert de economische dynamiek van AI-implementaties. Tot nu toe was de productiviteitswinst van generatieve AI lineair: een menselijke medewerker moest nog steeds elke prompt invoeren en het resultaat controleren. Agentische AI maakt exponentiële schaalbaarheid mogelijk. Een enkele operator kan in theorie honderden agenten aansturen die parallel complexe bedrijfsprocessen uitvoeren, zoals klantenservice-afhandeling, software-debugging of financiële analyses. Dit stelt organisaties echter ook voor grote uitdagingen op het gebied van governance, fouttolerantie en beveiliging (zoals het risico op ‘prompt injection’ waarbij een agent kwaadaardige instructies uitvoert).

Regulering en de praktische impact van de EU AI Act

De handhaving van de Europese AI-verordening (AI Act) nadert snel. Organisaties wereldwijd die diensten aanbieden op de Europese markt moeten hun AI-systemen categoriseren op basis van risiconiveaus. Systemen die vallen onder de categorie ‘hoog risico’ – zoals AI gebruikt in kritieke infrastructuur, HR-selectieprocessen of wetshandhaving – moeten voldoen aan strenge eisen op het gebied van datagovernance, traceerbaarheid, menselijk toezicht en cybersecurity. Tegelijkertijd worstelen ontwikkelaars van fundamentele modellen met de transparantieverplichtingen rondom trainingsdata.

Waarom dit belangrijk is

De EU AI Act fungeert als de wereldwijde standaard voor AI-regulering, vergelijkbaar met het ‘GDPR-effect’. Bedrijven kunnen het zich niet veroorloven om aparte systemen te ontwikkelen voor de Europese markt en de rest van de wereld. Compliance is niet langer een juridische achterafgedachte, maar een fundamenteel ontwerpprincipe (Compliance by Design). Bedrijven die nu niet investeren in auditeerbare AI-pijplijnen riskeren niet alleen boetes tot 35 miljoen euro of 7% van de wereldwijde jaaromzet, maar ook de gedwongen buitengebruikstelling van hun AI-modellen.

Hardware-optimalisatie en de verschuiving naar energiezuinige inference

De fysieke grenzen van AI-training komen in zicht door stroomtekorten en logistieke vertragingen bij de levering van Nvidia’s Blackwell-architectuur. Hierdoor verschuift de focus van de industrie van gigantische trainingsruns naar efficiëntere ‘inference’ (het daadwerkelijk uitvoeren van de modellen). Grote techbedrijven zoals Google, Amazon (AWS) en Meta investeren miljarden in hun eigen specifieke chips (ASIC’s) zoals respectievelijk TPU’s, Trainium/Inferentia en MTIA. Tegelijkertijd winnen technieken zoals kwantisatie (het verkleinen van modellen zonder significant kwaliteitsverlies) en neuromorfe computing aan populariteit.

Waarom dit belangrijk is

De operationele kosten van AI zijn op de huidige schaal onhoudbaar. Door inference te optimaliseren en te verplaatsen naar gespecialiseerde, energiezuinige hardware, kunnen de operationele kosten van AI-diensten met wel 80% dalen. Dit maakt het economisch haalbaar om AI lokaal op edge-apparaten (zoals smartphones en laptops) te draaien, wat tevens de privacy van gebruikers ten goede komt en de afhankelijkheid van gecentraliseerde cloud-datacenters vermindert.

Cybersecurity

De migratie naar Post-Quantum Cryptografie (PQC)

Het National Institute of Standards and Technology (NIST) heeft de eerste officiële standaarden voor post-quantumcryptografie gepubliceerd, waaronder ML-KEM (voorheen Kyber) en ML-DSA (voorheen Dilithium). Deze algoritmen zijn ontworpen om bestand te zijn tegen de rekenkracht van toekomstige cryptografisch relevante quantumcomputers (CRQC’s), die in staat zullen zijn om huidige asymmetrische encryptiemethoden zoals RSA en ECC te kraken.

Waarom dit belangrijk is

Hoewel een quantumcomputer die in staat is om RSA te kraken waarschijnlijk nog een decennium van ons verwijderd is, is de dreiging nu al actueel door het fenomeen “Harvest Now, Decrypt Later”. Statelijke actoren onderscheppen en bewaren momenteel massaal versleuteld dataverkeer met het doel dit in de toekomst te ontsleutelen. Organisaties met gevoelige data die tientallen jaren geheim moet blijven (zoals overheden, banken en defensie) moeten direct beginnen met de inventarisatie en migratie van hun cryptografische assets naar quantum-resistente alternatieven.

 1+-----------------------------------------------------------------+
 2|                  "Harvest Now, Decrypt Later"                   |
 3+-----------------------------------------------------------------+
 4|  [ Heden ]                                                      |
 5|  Aanvaller onderschept en archiveert versleuteld dataverkeer    |
 6|  (RSA/ECC gecodeerd).                                           |
 7+-----------------------------------------------------------------+
 8                                |
 9                                v (Tijdverloop: 5-10 jaar)
10+-----------------------------------------------------------------+
11|  [ Toekomst ]                                                   |
12|  Aanvaller gebruikt Quantumcomputer om gearchiveerde data te    |
13|  ontsleutelen.                                                  |
14+-----------------------------------------------------------------+

Escalatie van aanvallen op de software-toeleveringsketen (Supply Chain Attacks)

De kwetsbaarheid van de software-toeleveringsketen blijft een van de grootste securityrisico’s. Aanvallers richten zich steeds minder op de goed beveiligde enterprise-perimeters zelf, maar infiltreren in plaats daarvan populaire open-source bibliotheken, package managers (zoals npm, PyPI en NuGet) en CI/CD-pijplijnen. Door kwaadaardige code te injecteren in updates van veelgebruikte dependencies, kunnen aanvallers met minimale inspanning duizenden downstream-organisaties tegelijkertijd compromitteren.

Waarom dit belangrijk is

Traditionele perimeterbeveiliging en firewalls zijn ineffectief tegen supply chain-aanvallen, omdat de kwaadaardige code binnenkomt via vertrouwde, legitieme updatekanalen. Dit dwingt de industrie tot het adopteren van een ‘Zero Trust’-benadering voor software-dependencies. Het genereren en continu scannen van een Software Bill of Materials (SBOM) is niet langer optioneel, maar een kritieke operationele vereiste om direct te kunnen reageren wanneer een kwetsbaarheid in een dependency aan het licht komt.

AI-gestuurde social engineering en deepfakes

Cybercriminelen maken op grote schaal gebruik van generatieve AI om phishing-campagnes te personaliseren en te automatiseren. Door het analyseren van openbare profielen op sociale media kunnen AI-systemen uiterst overtuigende, gepersonaliseerde spear-phishing e-mails genereren in perfect Nederlands. Daarnaast neemt het gebruik van deepfake-audio en -video toe om ‘CEO-fraude’ en identiteitsfraude tijdens verificatieprocessen (KYC) uit te voeren.

Waarom dit belangrijk is

De menselijke factor blijft de zwakste schakel in cybersecurity, en AI heeft de effectiviteit van social engineering-aanvallen drastisch vergroot. Traditionele indicatoren van phishing, zoals spelfouten of vreemd taalgebruik, zijn nagenoeg verdwenen. Organisaties moeten hun security awareness-trainingen herzien en technische maatregelen implementeren, zoals cryptografische verificatie van communicatiekanalen en geavanceerde gedragsanalyse voor e-mailverkeer.

Cloud Computing

De opkomst van Soevereine Clouds in Europa

Als reactie op strenge Europese privacywetgeving (GDPR) en de Amerikaanse Cloud Act (die de Amerikaanse overheid onder voorwaarden toegang geeft tot data van Amerikaanse cloudproviders, ongeacht waar ter wereld deze is opgeslagen), introduceren grote cloudproviders zoals AWS, Microsoft Azure en Google Cloud specifieke ‘Sovereign Cloud’-proposities. Deze clouds worden fysiek en logisch gescheiden beheerd door Europese entiteiten, waarbij alle data, metadata en operationele processen binnen de grenzen van de Europese Unie blijven.

Waarom dit belangrijk is

Voor sterk gereguleerde sectoren zoals de overheid, de gezondheidszorg en de financiële sector was de overstap naar de publieke cloud voorheen vaak juridisch onmogelijk vanwege soevereiniteitsrisico’s. Soevereine clouds nemen deze drempels weg. Het stelt organisaties in staat om te profiteren van de schaalbaarheid en innovatiekracht van de publieke cloud, terwijl ze strikt voldoen aan lokale wet- en regelgeving. Dit versnelt de digitale transformatie van de publieke sector aanzienlijk.

FinOps en cloud-kostenoptimalisatie onder druk van AI

De adoptie van AI- en machine learning-workloads in de cloud heeft geleid tot een explosieve stijging van de cloud-uitgaven. GPU-instances en gespecialiseerde AI-services zijn extreem kostbaar. Hierdoor is FinOps (Financial Operations) geëvolueerd van een optionele best practice naar een bedrijfskritische discipline. Organisaties implementeren geautomatiseerde tooling om ongebruikte resources te identificeren, workloads dynamisch te schalen en de kosten van AI-model-inference nauwkeurig toe te rekenen aan specifieke bedrijfsonderdelen.

Waarom dit belangrijk is

Zonder strikte FinOps-governance kunnen de kosten van cloud-infrastructuur de businesscase voor nieuwe technologische initiatieven snel tenietdoen. Bedrijven die er niet in slagen hun cloud-uitgaven te beheersen, zien hun marges verdampen. FinOps zorgt voor een cultuurverandering waarbij developers en engineers direct verantwoordelijk worden gemaakt voor de financiële impact van hun architecturale keuzes.

Edge Computing en de convergentie met 5G/6G

Cloud computing verschuift steeds meer van gecentraliseerde megadatacenters naar de ’edge’ van het netwerk. Door de uitrol van private 5G-netwerken en de voorbereidingen op 6G kunnen data-intensieve applicaties extreem dicht bij de bron (zoals IoT-sensoren in fabrieken, autonome voertuigen of medische apparatuur) worden verwerkt. Cloudproviders integreren hun diensten naadloos met deze edge-infrastructuur.

Waarom dit belangrijk is

Voor applicaties die ultra-lage latentie (latency) vereisen, is de retourtijd naar een centraal cloud-datacenter simpelweg te lang. Edge computing minimaliseert deze vertraging en vermindert tevens de hoeveelheid data die over het WAN (Wide Area Network) moet worden getransporteerd. Dit bespaart bandbreedte en verhoogt de betrouwbaarheid, aangezien edge-apparaten lokaal kunnen blijven functioneren, zelfs als de verbinding met de centrale cloud tijdelijk wegvalt.

DevOps

Platform Engineering vervangt traditionele DevOps

De complexiteit van het moderne cloud-native ecosysteem is voor individuele software developers te groot geworden. Om cognitieve overbelasting te voorkomen, verschuift de industrie van traditionele ‘you build it, you run it’ DevOps naar Platform Engineering. Hierbij bouwen en onderhouden dedicated platformteams een Internal Developer Platform (IDP). Dit platform biedt developers self-service toegang tot infrastructuur, CI/CD-pipelines en monitoringtools via gestandaardiseerde, gouden paden (Golden Paths).

Waarom dit belangrijk is

Platform Engineering verhoogt de ontwikkelsnelheid (developer velocity) en verkort de time-to-market aanzienlijk. Developers hoeven geen Kubernetes-experts meer te zijn om hun applicaties veilig en schaalbaar in productie te nemen. Tegelijkertijd stelt het organisaties in staat om security-, compliance- en kostenrichtlijnen centraal af te dwingen binnen de IDP-sjablonen, wat de algehele softwarekwaliteit en governance verbetert.

 1+-----------------------------------------------------------------+
 2|                   Internal Developer Platform                   |
 3+-----------------------------------------------------------------+
 4|  [ Developer ] ---> [ Self-Service Portal / API ]               |
 5|                           |                                     |
 6|                           v                                     |
 7|  [ Golden Paths: Gestandaardiseerde Sjablonen ]                 |
 8|  - Infrastructuur (Terraform/OpenTofu)                          |
 9|  - CI/CD Pipelines (GitHub Actions/GitLab)                      |
10|  - Security & Compliance Scans                                  |
11|                           |                                     |
12|                           v                                     |
13|  [ Productieomgeving (Kubernetes / Cloud) ]                     |
14+-----------------------------------------------------------------+

WebAssembly (Wasm) in het cloud-native ecosysteem

Hoewel Docker-containers de standaard blijven voor applicatie-isolatie, wint WebAssembly (Wasm) snel terrein in backend- en cloud-native omgevingen. Wasm, oorspronkelijk ontwikkeld voor het uitvoeren van code in webbrowsers met bijna-native snelheid, wordt nu via runtimes zoals Wasmtime en integraties met Kubernetes (zoals Spin en runwasi) ingezet aan de serverzijde.

Waarom dit belangrijk is

Wasm-modules zijn aanzienlijk kleiner (vaak slechts enkele kilobytes of megabytes) en starten in microseconden op, vergeleken met seconden voor traditionele containers. Bovendien verbruiken ze een fractie van het geheugen. Dit maakt Wasm bij uitstek geschikt voor serverless architecturen en edge computing, waar snelle koude starts (cold starts) en minimale resource-footprints cruciaal zijn om kosten te besparen en prestaties te optimaliseren.

AI-gestuurde CI/CD en self-healing infrastructuur

De integratie van AI in DevOps-pipelines gaat verder dan alleen code-assistenten voor ontwikkelaars. AI-modellen worden nu ingezet om CI/CD-pipelines te optimaliseren door testsuites intelligent te filteren (alleen testen wat daadwerkelijk beïnvloed is door een codewijziging), logbestanden te analyseren op afwijkingen na een deployment, en bij fouten automatisch rollbacks uit te voeren of configuraties aan te passen (self-healing).

Waarom dit belangrijk is

Het handmatig debuggen van falende pipelines en het oplossen van productie-incidenten is tijdrovend en foutgevoelig. Door AI-gestuurde automatisering kunnen systemen proactief reageren op prestatieproblemen of configuratiefouten voordat eindgebruikers er hinder van ondervinden. Dit verhoogt de betrouwbaarheid van systemen (Service Reliability) en stelt operations-teams in staat zich te focussen op strategische verbeteringen in plaats van ad-hoc brandjes blussen.

Open Source

Licentieverschuivingen en de opkomst van forks

De open-sourcewereld bevindt zich in een ideologische en zakelijke crisis. Verschillende prominente projecten, waaronder Redis en Elasticsearch, hebben hun traditionele open-sourcelicenties (zoals BSD of Apache 2.0) verruild voor restrictievere licenties (zoals de Server Side Public License - SSPL of de Redis Source Available License - RSAL). Dit is een directe reactie op grote cloudproviders die deze open-source software aanbieden als een betaalde managed service zonder financieel bij te dragen aan de oorspronkelijke ontwikkelaars. Als reactie hierop start de gemeenschap vaak onafhankelijke, volledig open-source ‘forks’, zoals Valkey (als alternatief voor Redis) en OpenSearch (voor Elasticsearch).

Waarom dit belangrijk is

Voor enterprise-architecten betekent deze licentieverschuiving dat ze de licenties van de software in hun tech-stack nauwgezet moeten controleren. Het gebruik van software met source-available licenties kan leiden tot onverwachte juridische en financiële verplichtingen, met name wanneer deze software wordt gebruikt om commerciële SaaS-producten te bouwen. De opkomst van door de Linux Foundation gesteunde forks zoals Valkey biedt een veilig, vendor-neutraal alternatief voor organisaties die strikt open-source willen blijven.

De Cyber Resilience Act (CRA) en open-source security

De Europese Unie heeft de Cyber Resilience Act (CRA) aangenomen, een wet die strenge cybersecurity-eisen oplegt aan alle producten met digitale elementen die op de Europese markt worden gebracht. Dit heeft geleid tot grote bezorgdheid binnen de open-sourcegemeenschap. Hoewel de wet uitzonderingen bevat voor puur non-commerciële open-sourceprojecten, is de grens tussen commercieel en non-commercieel in het open-source-ecosysteem vaak vaag.

Waarom dit belangrijk is

De CRA dwingt tot een professionalisering van open-sourcebeheer. Ontwikkelaars en stichtingen die open-sourcecomponenten onderhouden die in commerciële producten worden gebruikt, moeten voldoen aan strenge rapportageverplichtingen bij kwetsbaarheden. Dit kan leiden tot een daling van het aantal actieve bijdragers uit angst voor juridische aansprakelijkheid, maar het zal er op de lange termijn ook voor zorgen dat open-source software structureel veiliger en beter gedocumenteerd wordt.

De definitie van “Open Source AI”

De Open Source Initiative (OSI) heeft onlangs de eerste officiële definitie van “Open Source AI” gepubliceerd. Dit is een reactie op de trend waarbij techgiganten zoals Meta (met Llama) en Mistral hun modellen bestempelen als “open”, terwijl ze in werkelijkheid restricties opleggen aan het commercieel gebruik of de trainingsdata niet volledig vrijgeven. Volgens de nieuwe definitie moet een open-source AI-model volledige transparantie bieden over de trainingsdata, de broncode van de trainingssoftware en de modelgewichten (weights).

Waarom dit belangrijk is

Zonder een duidelijke, breed geaccepteerde definitie dreigt er ‘openwashing’, waarbij bedrijven de marketingvoordelen van de term open source misbruiken zonder de bijbehorende vrijheden te bieden. De OSI-definitie geeft organisaties een helder kader om te beoordelen of een AI-model daadwerkelijk vrij is van vendor lock-in en intellectuele eigendomsrisico’s, wat cruciaal is voor strategische langetermijninvesteringen in AI-infrastructuur.

Aanbevolen Leesvoer

  1. NIST Special Publication 800-224 (Draft): Transition to Post-Quantum Cryptography
    Een diepgaande technische handleiding van het NIST over hoe organisaties hun bestaande cryptografische systemen kunnen inventariseren en migreren naar quantum-resistente algoritmen.

  2. The State of Platform Engineering Report 2024 (Puppet)
    Dit jaarlijkse rapport biedt waardevolle statistieken en best practices over hoe enterprise-organisaties met succes Internal Developer Platforms implementeren om de productiviteit van ontwikkelaars te verhogen.

  3. EU AI Act Compliance Guide (European Commission)
    De officiële richtlijnen en beslisbomen om te bepalen in welke risicoklasse uw AI-systemen vallen en welke specifieke maatregelen u moet nemen voor compliance.

  4. Valkey: Architecture and Migration Path (Linux Foundation)
    Een gedetailleerde case study en technische gids over hoe organisaties naadloos kunnen overstappen van Redis naar het open-source alternatief Valkey zonder downtime.

  5. Green Software Foundation: Carbon-Aware Computing Standards
    Een verzameling standaarden en methodologieën om de CO2-voetafdruk van software-architecturen, met name grootschalige AI-inference workloads in de cloud, te meten en te minimaliseren.

Conclusie

De technologische ontwikkelingen van vandaag laten zien dat de IT-sector een fase van volwassenheid heeft bereikt waarin innovatie niet langer los kan worden gezien van wetgeving, beveiliging en kostenefficiëntie. AI evolueert snel van een indrukwekkende demonstratie van taalvaardigheid naar een praktisch instrument voor procesautomatisering via autonome agenten, maar deze transitie vereist strikte governance onder druk van de EU AI Act. Tegelijkertijd dwingen cybersecurity-dreigingen en de naderende quantum-era organisaties tot proactieve maatregelen, zoals de overstap naar post-quantumcryptografie en het beveiligen van de software-toeleveringsketen.

In de cloud- en DevOps-wereld zien we dat de focus is verschoven van ‘sneller bouwen’ naar ‘beheersbaar en efficiënt bouwen’. Platform Engineering, WebAssembly en soevereine clouds bieden de nodige structuur, prestaties en compliance om cloud-native architecturen schaalbaar en betaalbaar te houden. Tot slot herinnert de strijd om open-sourcelicenties en de definitie van open-source AI ons eraan dat de fundamenten van onze digitale infrastructuur continu onderhevig zijn aan geopolitieke en economische belangen. Organisaties die deze trends niet slechts als losse IT-projecten beschouwen, maar integreren in hun algehele bedrijfsstrategie, zullen de komende jaren het best gepositioneerd zijn om te concurreren in een digital-first economie.