Lockheed Martin en Google Public Sector gaan generatieve AI draaien op eigen, afgeschermde infrastructuur. De samenwerking komt uit de Verenigde Staten en richt zich op defensie en overheid. Het doel is gevoelige data lokaal te houden en toch moderne algoritmen te gebruiken. Dit moet sneller werken op locatie en beter passen bij strenge veiligheids- en privacy-eisen.
AI op eigen infrastructuur
De bedrijven willen generatieve AI inzetten zonder publieke cloud. De systemen draaien in datacenters of veldlocaties die de klant zelf beheert. Zo blijft data binnen het eigen netwerk en onder directe controle. Dat is belangrijk bij geheime informatie of operationele systemen.
Generatieve AI is software die tekst, code, beelden of samenvattingen kan maken. Op eigen infrastructuur kan dat ook in zogeheten ‘air-gapped’ omgevingen, dus zonder internetverbinding. Dit verkleint het risico op datalekken. Het vermindert ook de afhankelijkheid van externe platforms.
Een tweede voordeel is snelheid. Toepassingen dichtbij de gebruiker hebben lagere vertraging. Dat helpt bij real-time taken, zoals analyse van sensorstromen of snelle besluitvorming. In missiekritieke situaties telt elke seconde.
On-premise AI betekent dat modellen en data in het eigen datacenter of op de eigen locatie draaien, buiten de publieke cloud.
Data blijft binnen netwerken
Met on-premise generatieve AI wil het duo data-soevereiniteit bieden. Organisaties bepalen zelf waar informatie staat en wie toegang heeft. Versleuteling en toegangsbeheer kunnen zij volledig zelf inrichten. Dat past bij de eisen voor staatsgeheimen en vitale infrastructuur.
Voor Europese partijen is dit herkenbaar. De AVG (GDPR) stelt strikte eisen aan dataminimalisatie en beveiliging. Lokaal draaien helpt om persoonsgegevens het netwerk niet te laten verlaten. Loggen en auditing kunnen bovendien in eigen handen blijven.
Ook de Europese AI-verordening (AI Act) speelt mee. Veel toepassingen in defensie, openbaar bestuur of kritieke infrastructuur vallen in hoge risicoklassen, met zwaardere plichten voor data- en modelbeheer. Hoewel puur militaire inzet grotendeels is uitgezonderd, zijn dual-use situaties en civiele varianten wél gebonden aan die regels. On-premise maakt het makkelijker om processen te toetsen en te controleren.
Toepassingen die nu tellen
De samenwerking richt zich op praktische taken op de werkvloer. Denk aan het samenvatten van rapporten, zoeken in documentarchieven en het maken van conceptteksten. Ook kunnen algoritmen onderhoudslogboeken analyseren en mogelijke storingen voorspellen. Dat versnelt planning en bespaart onderdelen.
In operationele context kan generatieve AI situatierapporten opstellen. Het systeem vat verschillende databronnen samen in gewone taal. Mensen houden de regie en keuren de output goed. Zo wordt werk sneller, zonder de laatste controle te verliezen.
Voor Nederland en Europa ligt inzet voor de hand bij defensie, politie, marechaussee en vitale sectoren. Deze organisaties werken met afgeschermde netwerken en gevoelige data. Lokaal draaien sluit aan bij inkoopbeleid rond digitale autonomie. Het kan ook passen bij eisen van toezichthouders en auditdiensten.
Techniek en beperkingen
Generatieve AI vraagt veel rekenkracht. On-premise betekent investeren in gespecialiseerde chips, opslag en energie. Beheer en updates van modellen vergen continu werk. Dat is een andere kostenpost dan afnemen per gebruik in de cloud.
Kwaliteit blijft een aandachtspunt. Modellen kunnen fouten of ‘hallucinaties’ maken. Organisaties hebben evaluaties, datakwaliteit en menselijk toezicht nodig. Ook duidelijke grenzen voor taken en datagebruik zijn belangrijk.
Integratie met bestaande IT bepaalt het succes. Koppelingen met interne databronnen vragen goede beveiliging en logging. Retrieval-augmented generation (RAG) kan helpen om antwoorden te baseren op eigen, gevalideerde documenten. Zo neemt de relevantie toe en daalt het risico op verzonnen feiten.
Voldoen aan Europese regels
Projecten met persoonsgegevens moeten voldoen aan de AVG. Dat betekent dataminimalisatie, doelbinding en beveiliging vanaf ontwerp. Lokaal draaien maakt dat praktisch haalbaarder, omdat data het netwerk niet uit hoeft. Duidelijke verwerkersafspraken en DPIA’s blijven nodig.
De AI-verordening legt voor hoog-risico-systemen eisen op aan documentatie, risicobeheer en menselijk toezicht. Een on-premise aanpak kan audit en controle vereenvoudigen. Modellen en datasets zijn dan traceerbaar en herhaalbaar te testen. Dat ondersteunt interne en externe audits.
Publieke instellingen en vitale bedrijven in Nederland kunnen zo stappen zetten met generatieve AI. Zij houden grip op data en prestaties. Tegelijk blijft ruimte voor maatwerk en nationale eisen. Dat verkleint juridische en operationele risico’s.
Gevolgen voor de markt
De samenwerking onderstreept dat generatieve AI niet alleen in de cloud hoeft. Leveranciers zullen meer opties bieden voor lokale inzet. Denk aan beheer op locatie, air-gapped implementaties en lifecycle-support. Dit maakt de markt breder voor overheid en defensie.
Voor Europese kopers wordt interoperabiliteit belangrijk. Niemand wil vastzitten aan één leverancier. Open standaarden en uitwisselbare modellen zijn daarom aantrekkelijk. Ook open-source modellen kunnen een rol spelen, mits goed beveiligd en getest.
Voor nu zet het initiatief van Lockheed Martin en Google Public Sector een duidelijke stap. Generatieve AI komt naar plekken waar internet niet kan of mag. Daarmee verschuift de grens tussen cloud en eigen datacenter. En ontstaat een route om innovatie te combineren met regelgeving en veiligheid.
