In onze vorige blogs stonden we stil bij de toenemende complexiteit van moderne IT-landschappen, de strategische rol van middleware en de impact van vendor lock-in.
In deze vierde blog kijken we naar een onderwerp dat momenteel in vrijwel elke directievergadering aan bod komt: artificiële intelligentie.
De verwachtingen zijn hoog.
maandag 1 juni 2026 - Xavier D.
AI zou processen automatiseren, medewerkers productiever maken, betere beslissingen ondersteunen en zelfs nieuwe businessmodellen mogelijk maken.
Toch zien we in de praktijk dat veel AI-initiatieven nooit verder komen dan een proof of concept, een geïsoleerde chatbot of een eenmalig experiment.
Niet omdat de AI-technologie tekortschiet.
Maar omdat de onderliggende integratielaag ontbreekt.
Veel organisaties focussen vandaag op de AI-tool zelf.
Welke LLM kiezen we? Welke copilot gebruiken we? Welke agent bouwen we?
Dat zijn relevante vragen.
Maar ze komen vaak te vroeg.
Want AI haalt zijn waarde niet uit het model zelf. AI haalt zijn waarde uit de kwaliteit, beschikbaarheid en context van de informatie waarmee het kan werken.
Wanneer data verspreid zit over verschillende systemen zoals ERP, CRM, documenten, e-mails, SharePoint, spreadsheets en externe databronnen, ontstaat een fundamenteel probleem.
De kennis bestaat wel, maar AI kan er niet efficiënt bij.
Een AI-model dat slechts toegang heeft tot een klein deel van de bedrijfskennis, zal ook slechts een beperkt deel van de mogelijke waarde kunnen realiseren.
Wanneer bedrijven starten met AI, verwachten velen dat de uitdaging zal liggen in machine learning, prompting of modelkeuzes.
In werkelijkheid blijkt de grootste uitdaging vaak veel minder sexy.
Met andere woorden: de fundamenten die al jaren belangrijk zijn binnen IT.
AI legt deze zwaktes alleen veel sneller bloot.
Een organisatie met versnipperde data krijgt geen intelligente AI.
Ze krijgt een intelligente versie van dezelfde versnippering.
Veel AI-projecten volgen hetzelfde patroon.
Een team bouwt een eerste chatbot.
De resultaten zijn veelbelovend.
Vervolgens komt de vraag:
"Kan hij ook klantgegevens raadplegen?"
Daarna:
"Kan hij offertes opzoeken?"
Even later:
"Kan hij gegevens uit het ERP combineren met informatie uit SharePoint?"
Plots blijkt dat de echte uitdaging niet de AI is, maar de verbinding tussen alle systemen.
Daar botsen veel organisaties op dezelfde beperkingen:
Het gevolg is dat AI veel minder waarde levert dan oorspronkelijk verwacht.
De volgende evolutie dient zich ondertussen al aan.
AI verschuift van eenvoudige copilots naar AI agents die zelfstandig taken uitvoeren.
Een agent die een vraag beantwoordt is interessant.
Een agent die informatie verzamelt, analyseert, beslissingen voorbereidt en acties uitvoert, wordt pas echt waardevol.
Maar daarvoor moet hij toegang hebben tot meerdere systemen.
Een AI-agent die geen verbinding heeft met CRM, ERP, planning, documenten en operationele data blijft uiteindelijk beperkt tot algemene antwoorden.
En precies daar wordt een sterke integratielaag cruciaal.
In een klassieke architectuur werd middleware vaak gezien als een technische component.
Iets wat systemen met elkaar verbindt.
Binnen een AI-gedreven organisatie verandert dat perspectief.
Plots bepaalt de integratielaag:
De integratielaag evolueert daarmee van ondersteunende technologie naar strategische enabler.
Niet omdat middleware belangrijker wordt dan AI.
Maar omdat AI zonder die fundering veel minder waarde kan creëren.
Bij het lezen van deze blog zou de indruk kunnen ontstaan dat middleware opnieuw het centrum van het universum wordt.
Dat is volgens ons niet noodzakelijk de richting waarin de markt evolueert.
Waar middleware vroeger vaak verantwoordelijk was voor zowel transport als businesslogica, zien we vandaag steeds vaker een gelaagde architectuur ontstaan waarin die verantwoordelijkheden uit elkaar getrokken worden.
Steeds meer organisaties bouwen rond vier duidelijke lagen:
In die architectuur verschuift middleware steeds meer richting een betrouwbare event backbone.
De focus ligt op connectiviteit, schaalbaarheid, betrouwbaarheid en realtime datastromen.
De intelligentie verhuist steeds vaker naar hogere lagen.
Daar spelen semantische modellen, context, kennisgrafen, datawarehouses, lakehouses en AI een steeds grotere rol.
Concepten zoals de medallion architecture zorgen ervoor dat informatie niet alleen beschikbaar is, maar ook betekenis krijgt. AI agents kunnen vervolgens op die semantische laag werken en beslissingen nemen op basis van context in plaats van vooraf gedefinieerde processen.
Dat betekent echter niet dat middleware minder belangrijk wordt.
Integendeel.
Hoe slimmer de bovenliggende lagen worden, hoe belangrijker een stabiele, betrouwbare en realtime integratielaag wordt.
De uitdaging verschuift daardoor van "welke technologie kiezen we?" naar "hoe laten we al deze lagen optimaal samenwerken?"
En precies daar ligt volgens ons één van de belangrijkste architectuurvragen van de komende jaren.
Een gelijkaardige evolutie zien we binnen low-code en citizen development.
Platformen zoals n8n, Power Platform, Zapier en andere automation-oplossingen brengen steeds meer mogelijkheden naar businessgebruikers.
Wat enkele jaren geleden enkel mogelijk was binnen klassieke enterprise middleware, kan vandaag vaak veel sneller gerealiseerd worden via moderne automationplatformen.
Dat betekent echter niet dat enterprise integratie verdwijnt.
Integendeel.
Hoe meer automatisatie ontstaat aan de bovenkant, hoe belangrijker de onderliggende lagen rond data, semantiek, governance, eventing en integratie worden.
De toekomst ligt daarom waarschijnlijk niet in één allesomvattend platform.
Wel in architecturen waarin verschillende lagen samenwerken en elkaar versterken.
De bedrijven die de komende jaren het meeste voordeel uit AI zullen halen, zijn niet noodzakelijk degene met de meest geavanceerde modellen.
Het zullen vaak de organisaties zijn die beschikken over:
Want AI wordt steeds minder een losstaande technologie.
Het wordt een laag bovenop het bestaande bedrijfslandschap.
En hoe beter dat landschap verbonden is, hoe groter de waarde die AI kan leveren.
Wanneer organisaties vandaag nadenken over AI, starten de gesprekken vaak bij tools, modellen en use cases.
Misschien zouden ze vaker moeten starten bij een andere vraag:
"Hoe goed zijn onze systemen vandaag eigenlijk verbonden?"
Want AI zonder sterke integratielaag is een beetje zoals een Formule 1-wagen zonder brandstof.
Indrukwekkend om naar te kijken.
Maar weinig geschikt om ergens te geraken.
Moderne bedrijven hebben nood aan een flexibel en schaalbaar IT-landschap. Ontdek hoe DXS daarbij ondersteunt.
Bekijk de videovrijdag 22 mei 2026, Xavier D.
Wie vandaag gesprekken voert over digitale transformatie, wordt overspoeld door nieuwe termen, platformen en technologische beloftes. Elk softwarebedrijf claimt sneller, slimmer en innovatiever te zijn. Elk platform belooft dé oplossing te zijn voor integratie, automatisatie en AI.
woensdag 19 november 2025, Xavier
Vraag aan tien bedrijven welke software ze gebruiken, en je krijgt tien totaal verschillende landschappen: een ERP hier, een CRM daar, een planningstool in de cloud, een boekhouding die lokaal draait, een webshop die ertussen hangt en minstens één Excel-bestand dat alles probeert samen te houden.
maandag 1 juni 2026, Xavier D.
Open API’s, cloud-native architecturen, AI-integraties, uitbreidbare platformen en uitgebreide ecosystemen moeten bedrijven overtuigen dat ze klaar zijn voor de toekomst. Toch stellen veel organisaties na enkele jaren vast dat veranderen moeilijker geworden is in plaats van eenvoudiger.
