AI-agents kunnen de komende jaren een grote rol gaan spelen in de manier waarop organisaties data gebruiken. Niet alleen als slimme assistenten die rapporten samenvatten of processen ondersteunen, maar als softwarematige actoren die zelfstandig informatie opvragen, analyseren, combineren en gebruiken in bedrijfsprocessen. Daarmee ontstaat ook een nieuw vraagstuk. Want als AI-agents straks namens organisaties data gaan ophalen bij klanten, leveranciers, partners of sectorplatformen, dan moet glashelder zijn wie toegang krijgt tot welke data, onder welke voorwaarden en met welke controle achteraf.
Precies op dat snijvlak wordt de ontwikkeling van dataspaces interessant. Tijdens Tech‑X 2026 in Athene liet Gaia‑X zien dat het Europese initiatief steeds nadrukkelijker verschuift van principes en architectuur naar praktische bouwstenen voor betrouwbare datadeling. Dat is belangrijk, omdat AI-agents alleen breed inzetbaar worden in zakelijke ketens als zij kunnen werken met data die betrouwbaar, herleidbaar en volgens duidelijke regels beschikbaar is. Zonder die laag van vertrouwen blijft AI vooral beperkt tot interne toepassingen of tot omgevingen waarin veel handmatig moet worden gecontroleerd.
Automatische dataverzoeken
Dataspaces bieden hiervoor een mogelijk fundament. In een dataspace delen organisaties data niet zomaar via een centrale database, maar via afspraken, standaarden, digitale identiteiten en technische componenten die bepalen wat met data mag gebeuren. Een bedrijf kan bijvoorbeeld aangeven dat bepaalde onderhoudsdata wel gebruikt mag worden voor voorspellende analyses, maar niet voor commerciële benchmarking. Of dat logistieke data alleen toegankelijk is voor specifieke partners in een keten en alleen voor een afgesproken doel. Voor menselijke gebruikers is dat al belangrijk, maar voor AI-agents wordt het nog crucialer.
AI-agents kunnen namelijk veel sneller handelen dan mensen. Zij kunnen automatisch dataverzoeken indienen, beschikbare datasets beoordelen, contractuele voorwaarden interpreteren en resultaten terugkoppelen naar een ERP‑, CRM‑, supplychain- of servicemanagementsysteem. Dat levert grote kansen op voor business managers. Denk aan een agent die automatisch alternatieve leveranciers zoekt bij verstoringen in de keten, een agent die energiedata gebruikt om productieplanning te optimaliseren, of een agent die onderhoudsdata uit meerdere bedrijven combineert om stilstand te voorspellen. Maar dat werkt alleen als de agent niet vrij door alle data kan bewegen, maar opereert binnen vooraf vastgelegde spelregels.
Trusted Data Transactions
Daarom is de koppeling tussen Gaia‑X, Trusted Data Transactions en AI-agents relevant. Gaia‑X werkt aan een raamwerk waarin deelnemers digitaal kunnen aantonen wie zij zijn, welke rol zij hebben en welke rechten zij mogen uitoefenen. Daarvoor worden onder meer Verifiable Credentials gebruikt. Dat zijn digitale bewijzen waarmee een organisatie of systeem kan aantonen dat het aan bepaalde voorwaarden voldoet. In een toekomst met AI-agents kunnen dergelijke credentials helpen bepalen of een agent namens een bepaalde organisatie mag handelen, welke datasets hij mag benaderen en welke beleidsregels daarbij gelden.
Een tweede belangrijk concept is Bring Your Own Rules. Daarmee kunnen ecosystemen eigen regels toevoegen aan het Gaia-X-framework. Dat is essentieel, omdat AI-toepassingen per sector sterk verschillen. Een industriële dataspace heeft andere eisen dan een zorgnetwerk, een mobiliteitsplatform of een energie-ecosysteem. In sommige situaties draait het vooral om concurrentiegevoelige informatie, in andere om privacy, leveringszekerheid, veiligheid of compliance. Door regels modulair te maken, kunnen organisaties AI-agents laten werken binnen de specifieke governance van hun sector of keten.
Daarmee komt Gaia‑X ook tegemoet aan een belangrijke zorg rond AI in de zakelijke praktijk. Veel organisaties experimenteren inmiddels met generatieve AI en agentic AI, maar zodra externe data in beeld komt, neemt de complexiteit snel toe. Wie is aansprakelijk als een agent data verkeerd gebruikt? Hoe bewijs je achteraf welke data is geraadpleegd? Kan een partner controleren of afgesproken beperkingen zijn nageleefd? En hoe voorkom je dat een agent onbedoeld data deelt met partijen die daar geen recht op hebben? Dataspaces kunnen deze vragen niet automatisch oplossen, maar ze bieden wel een technische en organisatorische basis om antwoorden afdwingbaar te maken.
Data Transfer Agent
In dat verband speelt ook de Data Transfer Agent een belangrijke rol. Deze open-source softwarecomponent moet betrouwbare datatransacties uitvoerbaar maken. Zodra twee partijen overeenstemming hebben over een datatransactie, kan de Data Transfer Agent onder meer identiteitscontrole, beleidshandhaving, toegangsverlening, datatransfer, logging en audit trails verzorgen. Voor AI-agents is dat relevant omdat zij dan niet buiten de controlemechanismen om werken, maar juist gebruikmaken van een infrastructuur die rechten, voorwaarden en bewijsvoering meeneemt in de transactie.
Voor business managers is de zakelijke betekenis hiervan groter dan de technologie alleen. Veel organisaties willen AI inzetten om processen slimmer, sneller en autonomer te maken. Maar in sectoren waar samenwerking met andere organisaties nodig is, wordt de waarde van AI beperkt door de beschikbaarheid en betrouwbaarheid van data. Een agent die alleen interne data ziet, kan nuttig zijn. Een agent die veilig en gecontroleerd data uit een complete keten kan gebruiken, kan veel meer waarde creëren. Denk aan betere voorspellingen, snellere besluitvorming, minder dubbel werk en nieuwe digitale diensten.
Tijdens Tech‑X 2026 presenteerde Gaia‑X ook bredere voortgang op het gebied van praktische interoperabiliteit. Gaia‑X 3.0, met de codenaam Danube, moet het eenvoudiger maken om compliance en interoperabiliteit te automatiseren. De Loire Participant Credential Wizard moet deelname aan Gaia-X-ecosystemen eenvoudiger maken, ook voor organisaties die niet over grote technische teams beschikken. Dat is belangrijk, omdat dataspaces pas echt waardevol worden wanneer voldoende partijen kunnen deelnemen. Een dataspace met alleen grote ondernemingen mist vaak juist de data uit de rest van de keten.
Praktische infrastructuur
De tweede Gaia-X-publicatie legt daarnaast de relatie met Trusted Data Transactions uit. De Europese standaard EN 18235 beschrijft wat nodig is om datatransacties betrouwbaar te maken. Daarbij gaat het niet alleen om het technisch versturen van data, maar om het hele proces daaromheen: data publiceren, data vinden, afspraken maken, rechten controleren, toegang verlenen, gebruik registreren en transacties achteraf kunnen auditen. Juist deze volledige keten is belangrijk wanneer datadeling steeds vaker automatisch of semi-automatisch verloopt.
Gaia‑X positioneert zich daarmee steeds meer als praktische infrastructuur voor een digitale economie waarin data, AI en samenwerking met elkaar verweven raken. Voor organisaties betekent dit niet dat zij direct hun bestaande IT-landschap moeten vervangen. Wel ontstaat er een duidelijke richting: wie AI-agents wil inzetten in ketens, ecosystemen of sectorplatformen, zal ook moeten nadenken over datagovernance, digitale identiteit, toegangsregels en controleerbare datatransacties.
De kern van het nieuws is daarom niet alleen dat Gaia‑X nieuwe technische componenten presenteert. Belangrijker is dat Gaia‑X een fundament probeert te leggen voor een fase waarin AI niet alleen binnen bedrijven werkt, maar ook tussen bedrijven. In die wereld wordt vertrouwen geen bijzaak, maar een voorwaarde voor schaalbaarheid. Dataspaces kunnen dan de omgeving vormen waarin AI-agents veilig, controleerbaar en volgens afgesproken regels waarde uit data halen.
0 Reacties