Op 7 september stond in RTV Noord een portret van een 34-jarige ontwikkelaar uit Groningen die in haar eentje een Nederlands taalmodel bouwt. Jantine Doornbos noemt het Loes: Lokale Open Europese Soevereine AI. Het draait op GPU's in Europese datacenters, de modelgewichten en de trainingsdata staan publiek op Hugging Face, en volgens eigen opgave gebruiken ruim twaalfduizend mensen per dag de chatomgeving. Ongeveer de helft daarvan zit in Nederland.
Een half jaar eerder, op 18 maart, nam de Tweede Kamer een reeks moties aan over digitale soevereiniteit. Het herziene rijkscloudbeleid verplicht overheidsorganisaties sindsdien om hun afhankelijkheden in kaart te brengen en exitplannen op te stellen voor het geval een dienst wegvalt. De aanleiding is bekend: ongeveer 67 procent van de domeinnamen van Nederlandse overheden, zorginstellingen, scholen en vitale bedrijven hangt aan minstens één Amerikaanse clouddienst.
Die twee berichten gaan over hetzelfde onderwerp, maar het ene is een product en het andere is beleid. Dat verschil is precies waarom Loes de moeite van het bekijken waard is. En het is ook de reden om het woord soeverein wat preciezer te lezen dan de meeste berichtgeving doet — want soevereiniteit is geen eigenschap die een dienst wel of niet heeft.
01 — Wat Loes concreet is
Achter Loes zit HostYourAI B.V., een Nederlands bedrijf uit Groningen. Het is geen frontier-lab. Het is een klein team dat open basismodellen verder traint op Nederlandstalige data en er een chatomgeving en een API omheen zet.
De cijfers zijn navenant nuchter. De standaardversie is een gefinetunede Qwen3.8-27B. Voor zwaardere vragen schakelt "Super Loes" door naar DeepSeek V4 Pro voor tekst en Kimi K3 voor vragen met een afbeelding. Daarnaast staat er een volledig Europese variant op basis van EuroLLM-22B. De trainingsset waarmee dat gebeurt, loes-xl-52k, bevat 51.717 Nederlandse instructieparen en is gewoon te downloaden. Gratis gebruik is beperkt tot 25 berichten per vijf uur; de Pro-variant kost 18 euro per maand.
Voor zakelijk gebruik is er wat u van een leverancier mag verwachten: een OpenAI-compatibele API, verwerking binnen de EU, een verwerkersovereenkomst, en voor grotere afnemers een eigen afgeschermde omgeving. De belofte die eronder ligt, is in één zin samen te vatten: uw gesprekken worden nooit gebruikt om modellen te trainen. Op de roadmap staat voortraining op ongeveer 100 miljard Nederlandse tokens, en daarna gespecialiseerde modellen voor recht en overheid.
Dat is, alles bij elkaar, een serieus product van een heel klein bedrijf. Het is ook precies zo klein als het klinkt. Houd dat vast, want het komt straks terug.
02 — Soevereiniteit is geen schakelaar maar een stapel
Hier gaat het in de meeste gesprekken mis. "Soevereine AI" wordt behandeld als een keurmerk: u heeft het wel of u heeft het niet. In werkelijkheid is het een stapel lagen, en elke laag heeft een eigen antwoord op de vraag wie daar iets kan afdwingen.
Onderaan zit de hardware. Die is in vrijwel alle gevallen Amerikaans, want de GPU's komen van Nvidia en vallen onder Amerikaanse exportregels. Daarboven zitten de basismodellen. Bij Loes zijn dat Qwen, DeepSeek en Kimi — alle drie van Chinese makelij. De EuroLLM-variant is de uitzondering. Daarboven zit het finetunen: Nederlandse data, Nederlandse keuzes, publiek controleerbaar. Daarboven zit de hosting en de inferentie, en die staat in Europa. En bovenop zit de operationele zeggenschap: een Nederlandse bv, buiten het bereik van de Amerikaanse Cloud Act.
Als u die stapel eerlijk leest, lost Loes de bovenste twee lagen op. Dat klinkt als weinig. Het is juist de laag waar uw risico zit. Wie kan uw prompts opvragen, wie kan de dienst morgen dichtzetten, en wie bepaalt of uw bedrijfsdata straks in een trainingsronde terechtkomt? Dat zijn juridische en bestuurlijke vragen, geen technische. De herkomst van het basismodel is daar nauwelijks relevant, zolang de gewichten openbaar zijn en het model in uw eigen omgeving kan draaien. Een gedownload model kan niet naar huis bellen.
Er is nog een reden waarom die open gewichten ertoe doen, en die is voor ons als beheerder van andermans omgevingen misschien wel de belangrijkste. Een klein bedrijf uit Groningen kan omvallen, overgenomen worden, of gewoon stoppen. Bij een gesloten dienst bent u dan uw werk kwijt. Bij een model dat op Hugging Face staat, met een gepubliceerde dataset ernaast, heeft u het exitplan al in handen voordat u begint. Dat is een ingebouwde exitstrategie, en die heeft u bij geen enkele Amerikaanse aanbieder.
03 — GPT-NL doet hetzelfde, maar dan andersom
Naast Loes loopt het traject dat u waarschijnlijk uit de krant kent: GPT-NL, gebouwd door TNO, SURF en het NFI met 13,5 miljoen euro publiek geld. Sinds eind februari draait het bij de eerste vijf organisaties, opschalend naar tien pilots, met bredere beschikbaarheid in de tweede helft van dit jaar. Het ANP en aangesloten uitgevers leverden deze zomer meer dan 20 miljard tokens aan nieuwsdata. In januari won het project een Dutch Privacy Award, volgens de jury als eerste taalmodel ter wereld dat volledig aan de AVG voldoet.
Het verschil met Loes zit niet in de ambitie maar in de volgorde. GPT-NL begint onderaan: alleen data waarvoor aantoonbaar toestemming is gegeven, en pas daarna een model. Loes begint bovenaan: neem een bestaand open model, maak het goed in het Nederlands, en zet het vandaag online. Het eerste geeft u een uitlegbare keten. Het tweede geeft u iets dat nu werkt.
GPT-NL is bovendien geen chatdienst en wil dat ook niet zijn. Het mikt op taken waar controle en naleving zwaarder wegen dan spitsvondigheid: samenvatten, domeinspecifiek werk, gevoelige data. Voor het gemiddelde MKB-bedrijf is dat voorlopig een model dat uw softwareleverancier gaat gebruiken, niet iets dat u zelf opent.
Nederland is hierin overigens niet uniek. In Duitsland presenteerde het KI Bundesverband samen met DFKI, Fraunhofer en T-Systems dit voorjaar Soofi S, getraind op de Industrial AI Cloud van Deutsche Telekom. Overal in Europa ontstaat nu dezelfde beweging, en overal loopt die langs dezelfde twee routes: de trage publieke en de snelle private.
Wat soevereiniteit niet koopt
Eén ding moet eerlijk op tafel. Een gefinetuned model van 27 miljard parameters is geen vervanging voor de zwaarste modellen van OpenAI, Anthropic of Google. Voor ingewikkeld redeneren, voor code, voor werk waar één fout u een dag kost, grijpt u nog steeds naar het beste dat er is. Dat is geen diskwalificatie van Loes; het is een kwestie van rekenkracht en trainingsbudget, en dat verschil is met geen enkele hoeveelheid Nederlands enthousiasme te overbruggen.
De praktische uitweg is dan ook niet "alles of niets", maar sorteren. In onze eigen omgeving draaien lokale modellen op een eigen GPU-machine voor werk dat het pand niet uit hoort, terwijl het zware denkwerk naar een model gaat dat daar geschikt voor is. Dat onderscheid vooraf maken kost een middag. Het achteraf moeten uitleggen aan een klant, een accountant of de Autoriteit Persoonsgegevens kost aanzienlijk meer.
Drie dingen om morgen te doen
Drie concrete acties, zonder buzzwords. U kunt ze prima zelf uitvoeren, en bij ons zijn ze onderdeel van de dagelijkse praktijk voor onze klanten. Loopt u vast, of wilt u dat we een keer kritisch meekijken, dan zijn we bereikbaar.
1. Maak drie bakjes voor uw AI-gebruik.
Bakje één: werk dat overal mag landen, zoals een tekst herschrijven of een vergadering samenvatten zonder namen. Bakje twee: werk met klantgegevens, personeelsdossiers of contracten erin, dat alleen naar een partij mag met een verwerkersovereenkomst en verwerking binnen de EU. Bakje drie: werk dat het pand niet uit gaat en dus lokaal moet draaien. Eén A4, gemaakt in een middag, en u kunt elke volgende AI-vraag in tien seconden beantwoorden. We doen deze oefening regelmatig met klanten; vraag er gerust naar.
2. Zoek uit waar uw prompts nu daadwerkelijk landen.
Niet wat de leverancier op zijn website zegt, maar wat er in de verwerkersovereenkomst staat. Drie vragen volstaan: in welk land wordt verwerkt, welke subverwerkers zitten er in de keten, en staat training op uw data standaard uit of moet u dat zelf aanvinken? Bij de meeste zakelijke abonnementen valt dat mee. Bij gratis accounts die medewerkers zelf hebben aangemaakt, valt het bijna altijd tegen. Wilt u dat we die documenten een keer voor u doorlezen? Eén telefoontje of mail is genoeg.
3. Zet een soeverein alternatief twee weken naast wat u nu gebruikt.
Achttien euro per maand en een half uur inrichten is genoeg om te merken waar Loes voor uw werk wel en niet volstaat. Geef het aan twee of drie collega's die er dagelijks mee zouden werken en laat ze bijhouden waar ze terugvielen op hun oude tool. Na twee weken heeft u geen mening meer maar een lijstje, en met een lijstje kunt u een besluit nemen. Daar denken we graag in mee; we doen dit dagelijks voor MKB-bedrijven.
Tot slot
De discussie over digitale soevereiniteit wordt vaak gevoerd alsof het een principekwestie is, en dat maakt haar groter en trager dan nodig. Voor uw bedrijf is het een gewone leveranciersvraag: wie kan mijn gegevens inzien, wie kan mijn dienst wegnemen, en wat is mijn plan B als dat gebeurt. Loes beantwoordt die drie vragen beter dan de Amerikaanse alternatieven, en slechter op het punt van pure modelkwaliteit. Dat is geen tegenstelling, dat is een keuze per soort werk.
Wat ons betreft is het belangrijkste nieuws niet dat er een Nederlandse chatbot bestaat, maar dat de gewichten en de data ervan openbaar zijn. Daarmee verschuift de vraag van "vertrouw ik deze leverancier" naar "kan ik dit desnoods zelf draaien". Dat is het soort onafhankelijkheid dat blijft werken als de leverancier verdwijnt. Twijfelt u waar uw eigen AI-gebruik nu staat — welke data waar landt, wat er in uw verwerkersovereenkomsten is afgesproken, of een lokaal model voor u zin heeft? Wij zijn er. Klant of geen klant, één gesprek kost u niets en levert vaak meteen drie concrete acties op. Neem contact op of stuur een mail naar info@ningaloo.nl.
— Rogier Banis · Ningaloo