Van gesiloëerde intelligentie naar vertrouwde datasamenwerking: een praktijkgerichte verkenning van gedecentraliseerde AI in de beroepspraktijk

Dit fellowship onderzoekt hoe gedecentraliseerde intelligentie in de praktijk kan worden gerealiseerd binnen organisatorische contexten, zonder centralisatie van data of verlies van regie door deelnemende partijen. Veel huidige data- en AI-gedreven oplossingen zijn gebaseerd op gecentraliseerde platformen, wat organisatorische autonomie beperkt, naleving van opkomende Europese regelgeving bemoeilijkt en vertrouwensvolle samenwerking onder druk zet. Als antwoord hierop verkent dit onderzoek architecturale patronen die privacy-beschermende edge-AI, dataspaces-principes en edge-MLOps combineren, zodat samenwerking mogelijk wordt met behoud van datasoevereiniteit.
Het onderzoek volgt een praktijkgerichte Design Science Research-benadering en is ingebed in het SPRONG DEMAND-programma, een consortium van hogescholen en praktijkpartners dat zich richt op het versterken van praktijkgericht onderzoek en de verbinding met de beroepspraktijk. Vraagstukken uit de DEMAND-werkgroepen Dataspaces en MLOps vormen directe input voor de onderzoeksagenda. Het onderzoek is verankerd in een concrete praktijkcase in de energiesector op de Ecofactorij, waar meerdere stakeholders flexibiliteit en besluitvorming moeten afstemmen binnen technische, organisatorische en regulatoire randvoorwaarden.
Het fellowship start met het in kaart brengen van stakeholdervereisten en contextuele randvoorwaarden, die samenkomen in een ontwerpgerichte analyse. Parallel daaraan wordt relevante literatuur en bestaande praktijkkennis geanalyseerd om inzicht te krijgen in actuele architecturen, governance-modellen en ontwerpkeuzes voor gedecentraliseerde intelligentie, edge-MLOps en dataspaces. Deze inzichten worden vervolgens vertaald naar een concrete architectuur en een operationeel prototype, dat iteratief wordt ontwikkeld en gevalideerd met behulp van Hardware-in-the-Loop-experimenten en feedback van stakeholders. De opgedane kennis wordt ten slotte geconsolideerd in herbruikbare demonstratoren, onderwijsmaterialen en best-practice-richtlijnen.
Onderwijs vormt een belangrijk onderdeel van het fellowship. Onderzoeksresultaten worden ingebed in bachelor-, master- en leven-lang-leren-programma’s via demonstratoren en studentenprojecten.
De beoogde opbrengsten omvatten een gevalideerde referentiearchitectuur, een “hello world”-demonstrator, structurele inbedding in het onderwijs en een onderzoeksroadmap die vervolgprojecten en een mogelijk promotietraject ondersteunt. Gezamenlijk dragen deze resultaten bij aan duurzame adoptie binnen de beroepspraktijk, het onderwijs en het praktijkgericht onderzoek.