Innovatie strandt vóór duurzaam gebruik.
Verkenningen en prototypes leveren waardevolle inzichten op, maar zonder technisch eigenaarschap en een realistisch productiepad ontstaat geen blijvend effect.
Voor complexe en gereguleerde omgevingen
Veilige AI-platformen die ook in productie blijven werken.
Ik ben Maurice Berentsen, zelfstandig AI Platform & DevOps Engineer. Ik ontwerp en bouw beheersbare GenAI- en Kubernetes-platformen voor organisaties met hoge eisen aan security, continuïteit, datasoevereiniteit, governance en operationele beheerbaarheid.
7+ jaarSoftware-, platform- en AI-engineering binnen Defensie
Afgesloten omgevingenErvaring met gereguleerde en beperkt verbonden omgevingen
Van architectuur tot implementatieTechnische richting én hands-on uitvoering
Van experiment naar eigenaarschap
Wanneer AI waarde toont, begint het echte platformwerk.
Van experiment naar productie komen vraagt samenhang tussen platform, governance en beheer.
Herkenbaar?
AI-gebruik raakt versnipperd.
Teams gebruiken losse tools en modellen zonder centrale toegang, governance of zicht op gebruik en kosten.
Modelserving is onvoorspelbaar.
Modellen zijn traag of instabiel en benutten de beschikbare GPU-capaciteit onvoldoende.
Gevoelige data mag de omgeving niet verlaten.
Publieke AI-diensten vallen af door eisen aan vertrouwelijkheid, datasoevereiniteit en gegevensbescherming.
Kubernetes vraagt te veel handwerk.
Deployments, herstel en beheer hangen af van impliciete kennis in plaats van herhaalbare processen.
Expertise
Van technische keuze naar een platform dat uw team kan dragen.
Ik verbind architectuur, implementatie en operationeel beheer. Technologie is het middel om controle en betrouwbaarheid te bereiken.
01
Private GenAI-platformen
U wilt generatieve AI organisatiebreed inzetten, zonder de controle over modellen, data, toegang en kosten te verliezen.
Ik ontwerp en bouw de platformbasis voor authenticatie, autorisatie, modelrouting, RAG, integraties en operationeel beheer.
Wat u overhoudt
Een centraal GenAI-platform dat uw organisatie gecontroleerd kan beheren en uitbreiden.
02
AI-infrastructuur en modelserving
Taalmodellen moeten betrouwbaar presteren binnen de beschikbare GPU-, geheugen- en infrastructuurcapaciteit.
Ik selecteer passende modellen en inference-engines, richt GPU-capaciteit en MIG-partitionering in en maak afwegingen rond throughput, latency en contextlengte expliciet.
Wat u overhoudt
Een reproduceerbare serving-inrichting met voorspelbare prestaties en duidelijke capaciteitsgrenzen.
03
Kubernetes en platformengineering
Deployments, platformdiensten en herstel vragen te veel handwerk of zijn afhankelijk van impliciete specialistische kennis.
Ik ontwerp en verbeter Kubernetes-platformen, CI/CD, GitOps, observability en platformdiensten zoals PostgreSQL, Redis, Qdrant en Milvus.
Wat u overhoudt
Een gestandaardiseerde platformbasis met herhaalbare deployments en duidelijke procedures voor beheer en herstel.
04
Technisch leiderschap en engineering
Een veelbelovende verkenning, pilot of technische richting moet worden vertaald naar een werkende en beheerbare implementatie.
Ik geef richting aan architectuur en uitvoering, begeleid engineers en bouw hands-on mee aan software, automatisering en platforminfrastructuur.
Wat u overhoudt
Een werkende implementatie, vastgelegde keuzes en een intern team dat zelfstandig kan beheren en doorontwikkelen.
Ervaring in de praktijk
Technische ervaring vertaald naar beheersbare platformen.
Drie voorbeelden van mijn bijdrage, de technische scope en wat daarmee operationeel mogelijk wordt.
Platformontwikkeling
DefGPT: het interne GenAI-platform van Defensie
DefGPT maakt generatieve AI veilig en beheersbaar beschikbaar binnen een organisatie met hoge eisen aan security, governance, beschikbaarheid en gegevensbescherming.
Mijn bijdrage
Ik heb DefGPT vanaf de eerste architectuur ontworpen en opgebouwd en doorontwikkeld tot een organisatiebreed inzetbaar platform.
- Platformarchitectuur, Kubernetes en software delivery
- Modelserving, routing en integratie van modellen
- Authenticatie, autorisatie en gebruikersintegratie
- Observability, lifecycle management en operationeel beheer
Resultaat
Een centrale platformbasis waarmee gebruikers gecontroleerd toegang krijgen tot generatieve AI en waarop nieuwe modellen, toepassingen en integraties kunnen worden aangesloten.
Publiek gerapporteerde schaal, april 2026: 10.000 unieke bezoekers sinds de vernieuwde uitrol en meer dan 1.000 actieve gebruikers per dag.
Lees de publieke publicatie over DefGPTInference en capaciteit
AI-modelserving op beschikbare infrastructuur
Ik stem modellen, inference-engines en GPU-capaciteit op elkaar af, zodat taalmodellen betrouwbaar en efficiënt kunnen draaien binnen de technische grenzen van de omgeving.
Mijn bijdrage
Ik selecteer modellen en quantisaties, configureer vLLM en LiteLLM en maak afwegingen rond geheugen, contextlengte, throughput, latency en routing expliciet.
- Modellen, quantisatie en contextlengte
- vLLM, LiteLLM en routing
- GPU-, MIG- en geheugencapaciteit
- Capaciteitsplanning en reproduceerbare configuratie
Resultaat
Een reproduceerbare serving-inrichting met expliciete afwegingen tussen snelheid, capaciteit, contextlengte en beheerbaarheid.
Operationeel modelbeheer
LLMOps en operationeel modelbeheer
Ik richt de operationele lifecycle van taalmodellen in: van gecontroleerde deployment en routing tot monitoring, versiebeheer, capaciteitsbeheer en vervanging.
Mijn bijdrage
Ik verbind modelconfiguratie, deploymentprocessen, observability en governance zodat nieuwe modellen gecontroleerd kunnen worden toegevoegd en bestaande modellen beheersbaar kunnen worden gewijzigd of uitgefaseerd.
- Gecontroleerde deployments en configuratiebeheer
- Modelrouting, versies en terugvalscenario’s
- Monitoring, observability en capaciteitsbeheer
- Governance, documentatie en operationeel eigenaarschap
Resultaat
Een beheersbaar proces waarmee taalmodellen gecontroleerd kunnen worden toegevoegd, aangepast, gevolgd en uitgefaseerd.
Werkwijze
Eerst begrijpen. Dan gericht ontwerpen en bouwen.
Ik werk in korte iteraties, toets keuzes vroeg en betrek de mensen die het resultaat straks gebruiken en beheren.
- 01
Verkennen
Ik breng het doel, de bestaande omgeving, randvoorwaarden, risico’s en beschikbare kennis in beeld.
- 02
Ontwerpen
Ik vertaal de verkenning naar expliciete keuzes voor security, schaal, capaciteit en beheerbaarheid.
- 03
Bouwen en valideren
Ik bouw in korte iteraties en toets technische keuzes met realistische gebruiks- en beheerscenario’s.
- 04
Overdragen en verbeteren
Ik leg architectuurbesluiten en beheerafspraken vast, draag kennis over en maak resterende risico’s en vervolgstappen inzichtelijk.
Tijdens de opdracht
- Architectuur en implementatie blijven met elkaar verbonden.
- Technische keuzes, risico’s en afwegingen worden expliciet gemaakt.
- Ik bouw hands-on mee en betrek engineers en beheerders actief bij het werk.
Na overdracht
- Reproduceerbare deployments en zo min mogelijk handmatig beheer.
- Documentatie, runbooks en vastgelegde architectuurbeslissingen.
- Kennisoverdracht en een helder overzicht van resterende risico’s en vervolgstappen.
Over mij
Technische diepgang. Operationele verantwoordelijkheid.
Mijn loopbaan begon als militair. Na een voltijdopleiding Technische Informatica ben ik doorgegroeid tot software-engineer en later tot senior DevOps- en AI-engineer. Inmiddels werk ik ruim zeven jaar binnen Defensie aan software, platformen en infrastructuur voor omgevingen waarin betrouwbaarheid en beheersbaarheid geen bijzaak zijn.
Mijn opleiding aan de HAN — met Embedded Software Development als major, High-End Video Game Creation als minor en een geautomatiseerd drone-meshnetwerk als afstudeeronderwerp — legde de basis voor mijn werk op het snijvlak van software en infrastructuur.
Ik combineer technische diepgang met begrip van gebruikers en beheer. Complexe keuzes maak ik inzichtelijk, en ik kies bij voorkeur voor de eenvoudigste oplossing die aantoonbaar veilig, werkbaar en onderhoudbaar is.
Veelgestelde vragen
Praktisch over samenwerken.
Staat uw situatie er niet tussen? Een korte e-mail is genoeg om te bepalen of mijn expertise aansluit.
Voor welke opdrachten kan ik je inschakelen?
U kunt mij primair inschakelen voor private en enterprise GenAI-platformen, AI-infrastructuur en modelserving, Kubernetes en platformengineering, en technisch leiderschap waarbij ik hands-on meebouw. Ook opdrachten waarin Kubernetes, platformengineering of software delivery centraal staan, kunnen passend zijn wanneer technisch eigenaarschap en complexe randvoorwaarden een belangrijke rol spelen.
Werk je adviserend of ook hands-on?
Ik adviseer én implementeer. Ik verbind architectuurkeuzes aan werkende software en infrastructuur en lever dus niet uitsluitend rapporten of adviezen op.
Kun je werken met on-premises en afgesloten omgevingen?
Ja. Ik heb ervaring met on-premises, hybride en afgesloten of sterk gecontroleerde omgevingen, waarbij vertrouwelijkheid, datasoevereiniteit en governance belangrijke ontwerpvoorwaarden zijn.
Hoe begint een samenwerking en wat gebeurt er na oplevering?
Na een eerste inhoudelijke verkenning stellen we doel, omgeving, randvoorwaarden en een passende opdrachtvorm vast. Daarna werk ik in korte iteraties. Bij oplevering leg ik keuzes vast, draag ik kennis over en maak ik resterende risico’s en vervolgstappen expliciet.
Een concrete volgende stap
Beschrijf kort uw technische uitdaging.
Vertel waar uw organisatie nu staat en welke technische of operationele stap nodig is. Ik reageer persoonlijk en inhoudelijk.