Bouwen of kopen: hoe u de AI-stack samenstelt zonder u vast te leggen

Het gesprek over bouwen of kopen wordt bijna altijd te vroeg gevoerd, en over het verkeerde ding. Te vroeg, omdat de vraag pas te beantwoorden is als u weet welke laag u bedoelt. Over het verkeerde ding, omdat "AI" geen aankoop is maar een stapel van zeven onafhankelijke keuzes.

Dat laatste is het punt dat het meeste geld scheelt. De lagen hieronder zijn los van elkaar te kiezen. Niets verplicht u om uw rekenkracht bij dezelfde partij af te nemen als uw modellen, of uw observability bij dezelfde partij als uw orkestratie. De duurste fout die we bij middelgrote organisaties zien is niet verkeerd kopen — het is één suite kopen omdat het één gesprek was.

De zeven lagen

Elke laag heeft een eigen markt, een eigen wisselkost en een eigen tempo van verandering. Dat laatste bepaalt vaker dan wat ook of bouwen verstandig is: in een laag die elk kwartaal verschuift, betekent bouwen opnieuw bouwen.

Rekenkracht — waar de GPU's staan en wie ze beheert
Modellen aanbieden — hoe een model bereikbaar wordt als API
Trainen en finetunen — een bestaand model aanpassen aan uw werk
Data en vectoren — waar uw kennis staat en hoe die doorzoekbaar is
Orkestratie en agents — wat er in welke volgorde gebeurt
Observability en evaluatie — of het werkt, en of dat zo blijft
Governance en guardrails — wat het systeem niet mag, en hoe u dat aantoont

Het landschap

Hieronder staan per laag twintig oplossingen die u als middelgrote organisatie in Europa realistisch tegenkomt, plus in elke laag de optie om het zelf te bouwen. Het is nadrukkelijk geen ranglijst: van de meeste van deze bedrijven zijn geen marktaandelen gepubliceerd, en ze op volgorde zetten alsof die er wel waren zou het meest gezaghebbend ogende getal op deze pagina verzinnen.

Zoeken

140 van 140 oplossingen

Oplossing	Soort	Waar het past
AWSRekenkracht	Hyperscaler	EC2 GPU instances and SageMaker. The default when the rest of the estate is already there.
Microsoft AzureRekenkracht	Hyperscaler	ND-series GPUs and Azure ML. Usually chosen because the enterprise agreement already exists.
Google CloudRekenkracht	Hyperscaler	GPUs and TPUs behind Vertex AI. The only hyperscaler offering its own training silicon.
CoreWeaveRekenkracht	Beheerd	Kubernetes-native GPU cloud built for AI rather than adapted to it.
LambdaRekenkracht	Beheerd	Long-running training clusters with persistent storage.
NebiusRekenkracht	Beheerd	European GPU capacity; relevant where data residency is a constraint.
RunPodRekenkracht	Beheerd	Per-second GPU rental, community and secure tiers.
Vast.aiRekenkracht	Beheerd	Marketplace pricing. Cheapest per hour, most variable in reliability.
ModalRekenkracht	Beheerd	Serverless GPU with a Python-native developer experience.
PaperspaceRekenkracht	Beheerd	DigitalOcean's GPU platform; simple pricing, smaller catalogue.
ScalewayRekenkracht	Beheerd	French provider with EU-only regions.
OVHcloudRekenkracht	Beheerd	European hosting at scale; strong on data-residency guarantees.
HetznerRekenkracht	Beheerd	German provider. Very low cost, limited GPU catalogue.
Oracle Cloud InfrastructureRekenkracht	Hyperscaler	Aggressive GPU pricing and large reserved capacity.
IBM CloudRekenkracht	Hyperscaler	Relevant mainly where watsonx is already in the estate.
CrusoeRekenkracht	Beheerd	Energy-first GPU cloud; competitive on cost per hour at scale.
Together AIRekenkracht	Beheerd	Compute and inference in one contract.
SpheronRekenkracht	Beheerd	Aggregates bare-metal capacity across several providers.
NorthflankRekenkracht	Beheerd	Deploys containers to GPUs without running Kubernetes yourself.
Own GPUs, on-premise or colocatedRekenkracht	Zelf bouwen	Lowest marginal cost at sustained high utilisation. Carries procurement lead times, power, cooling and a hardware refresh cycle. Rarely justified below continuous multi-GPU load.
OpenAI APIModellen aanbieden	Beheerd	The broadest frontier catalogue and the most mature tooling around it.
Anthropic APIModellen aanbieden	Beheerd	Frontier models with a strong position on coding and long-document work.
Google Gemini APIModellen aanbieden	Beheerd	Long context and native multimodality; often the cheapest capable tier.
Azure OpenAI ServiceModellen aanbieden	Hyperscaler	OpenAI models inside an Azure tenancy, with EU region options.
Amazon BedrockModellen aanbieden	Hyperscaler	One API across several model families, inside an AWS account.
Google Vertex AIModellen aanbieden	Hyperscaler	Gemini plus third-party models with enterprise controls.
Mistral AIModellen aanbieden	Beheerd	European provider; relevant where EU processing is contractual rather than preferred.
CohereModellen aanbieden	Beheerd	Enterprise focus, strong retrieval and reranking models.
Together AIModellen aanbieden	Beheerd	Large open-weights catalogue at low cost per token.
Fireworks AIModellen aanbieden	Beheerd	Optimised serving of open models; competitive on latency.
BasetenModellen aanbieden	Beheerd	Bring your own model, deployed and scaled for you.
ReplicateModellen aanbieden	Beheerd	Container-packaged models with per-second billing.
GroqModellen aanbieden	Beheerd	Very high output speed on a fixed model set.
CerebrasModellen aanbieden	Beheerd	Wafer-scale inference; speed at the top of the market.
OpenRouterModellen aanbieden	Beheerd	One key across many providers. Useful for comparison and failover.
Hugging Face Inference EndpointsModellen aanbieden	Beheerd	Any model on the Hub, deployed to a managed endpoint.
AnyscaleModellen aanbieden	Beheerd	Ray-based serving for teams already using Ray.
vLLMModellen aanbieden	Open source	The de facto open serving engine. High throughput, you operate it.
OllamaModellen aanbieden	Open source	Local and small-scale serving; the fastest way to try an open model.
vLLM or TGI on your own GPUsModellen aanbieden	Zelf bouwen	Full control of model, version and data path, and the lowest cost per token at sustained volume. You own the uptime, the upgrades and the GPU capacity planning.
OpenAI fine-tuningTrainen en finetunen	Beheerd	Supervised fine-tuning on hosted models. No infrastructure to run.
Azure AI FoundryTrainen en finetunen	Hyperscaler	Fine-tuning and evaluation inside an Azure tenancy.
Vertex AI TrainingTrainen en finetunen	Hyperscaler	Managed training jobs with TPU or GPU backing.
Amazon SageMakerTrainen en finetunen	Hyperscaler	The broadest managed training toolchain; steep learning curve.
Together AI fine-tuningTrainen en finetunen	Beheerd	LoRA and full fine-tunes on open models, deployed on the same platform.
Fireworks fine-tuningTrainen en finetunen	Beheerd	Tuning paired directly with optimised serving.
PredibaseTrainen en finetunen	Beheerd	Fine-tuning aimed at small task-specific models rather than frontier ones.
Hugging Face AutoTrainTrainen en finetunen	Beheerd	Low-code tuning on the Hub.
AxolotlTrainen en finetunen	Open source	The most widely used open fine-tuning harness.
UnslothTrainen en finetunen	Open source	Memory-efficient tuning; makes single-GPU work feasible.
LLaMA-FactoryTrainen en finetunen	Open source	Broad model coverage with a usable interface.
Weights & BiasesTrainen en finetunen	Beheerd	Experiment tracking. Not training itself, but what makes it repeatable.
Determined AITrainen en finetunen	Open source	Cluster scheduling and hyperparameter search.
Ray TrainTrainen en finetunen	Open source	Distributed training for teams already running Ray.
Databricks Mosaic AITrainen en finetunen	Beheerd	Training tied to a lakehouse; strong where the data already lives there.
ModalTrainen en finetunen	Beheerd	Serverless training runs without a standing cluster.
Lightning AITrainen en finetunen	Beheerd	Studio environments around PyTorch Lightning.
Nebius AI StudioTrainen en finetunen	Beheerd	Tuning on European infrastructure.
Google Colab EnterpriseTrainen en finetunen	Hyperscaler	Notebook-based experimentation with managed backends.
DeepSpeed or Ray on your own clusterTrainen en finetunen	Zelf bouwen	Necessary for genuinely novel training work. For adapting an existing model to your data it is almost always more machinery than the problem needs.
pgvectorData en vectoren	Open source	Vector search inside the Postgres you already run. The right first answer for most mid-sized firms.
PineconeData en vectoren	Beheerd	Zero-operations vector search with built-in embedding and reranking.
QdrantData en vectoren	Open source	Rust engine with fine-grained filtering and quantisation. Cloud or self-hosted.
WeaviateData en vectoren	Open source	Hybrid search and multi-tenancy; self-hosting expects Kubernetes.
MilvusData en vectoren	Open source	Built for billion-scale collections.
ChromaData en vectoren	Open source	The quickest path from prototype to working retrieval.
LanceDBData en vectoren	Open source	Multimodal and file-native; no server to run.
ElasticsearchData en vectoren	Beheerd	Mature keyword search with vectors added. Strong hybrid retrieval.
OpenSearchData en vectoren	Open source	The open fork; the same hybrid strengths without the licence.
RedisData en vectoren	Beheerd	Vector search alongside a cache you may already operate.
MongoDB Atlas Vector SearchData en vectoren	Beheerd	Vectors beside documents in one database.
Azure AI SearchData en vectoren	Hyperscaler	Retrieval with enterprise access controls built in.
Vertex AI Vector SearchData en vectoren	Hyperscaler	Google's managed index; scales without tuning.
Amazon OpenSearch ServerlessData en vectoren	Hyperscaler	Managed hybrid retrieval inside AWS.
Databricks Vector SearchData en vectoren	Beheerd	Retrieval governed by the same catalogue as the rest of the data.
Snowflake Cortex SearchData en vectoren	Beheerd	Retrieval where the warehouse already is.
VespaData en vectoren	Open source	Serving and ranking at very large scale; substantial operational weight.
TurbopufferData en vectoren	Beheerd	Object-storage-backed vectors; unusually low cost at rest.
SingleStoreData en vectoren	Beheerd	Transactional and vector workloads in one engine.
pgvector on your existing PostgresData en vectoren	Zelf bouwen	No new vendor, no new backup regime, no new access model. The ceiling is real but most mid-sized corpora never reach it.
LangChainOrkestratie en agents	Open source	The largest ecosystem of connectors and the most examples to copy.
LangGraphOrkestratie en agents	Open source	Explicit state machines for agents; far easier to reason about than free-form chains.
LlamaIndexOrkestratie en agents	Open source	Retrieval-first framework with strong document handling.
Semantic KernelOrkestratie en agents	Open source	Microsoft's orchestration layer; natural fit alongside .NET.
HaystackOrkestratie en agents	Open source	Production-oriented pipelines from deepset.
CrewAIOrkestratie en agents	Open source	Role-based multi-agent orchestration.
AutoGenOrkestratie en agents	Open source	Microsoft Research's multi-agent conversation framework.
Pydantic AIOrkestratie en agents	Open source	Typed, validated agent definitions. Small surface, few surprises.
TemporalOrkestratie en agents	Open source	Durable execution. The right answer when a workflow must survive a restart.
PrefectOrkestratie en agents	Open source	Python-native workflow orchestration with a managed option.
Apache AirflowOrkestratie en agents	Open source	Scheduled pipelines; the incumbent in most data teams.
n8nOrkestratie en agents	Open source	Visual automation, self-hostable. Popular in European mid-market.
MakeOrkestratie en agents	Beheerd	Visual automation with a large connector library.
ZapierOrkestratie en agents	Beheerd	The lowest-effort route to connecting existing SaaS.
Microsoft Copilot StudioOrkestratie en agents	Beheerd	Agents inside Microsoft 365, governed by existing tenancy controls.
Google Agent BuilderOrkestratie en agents	Hyperscaler	Agent construction and deployment on Vertex.
Amazon Bedrock AgentsOrkestratie en agents	Hyperscaler	Managed agents with action groups inside AWS.
DifyOrkestratie en agents	Open source	Low-code application builder over your own models.
FlowiseOrkestratie en agents	Open source	Visual chain building on top of LangChain.
Direct API calls with your own state machineOrkestratie en agents	Zelf bouwen	For a single well-understood workflow this is often less code than the framework, and it never breaks on a framework upgrade. It stops scaling once you have several agents sharing state.
LangfuseObservability en evaluatie	Open source	Open, self-hostable tracing and prompt management. The common default.
LangSmithObservability en evaluatie	Beheerd	The smoothest path if you already build with LangChain or LangGraph.
BraintrustObservability en evaluatie	Beheerd	Evaluation-first: experiments, scoring and review as the primary object.
Arize AXObservability en evaluatie	Beheerd	Production monitoring with drift detection.
Arize PhoenixObservability en evaluatie	Open source	Notebook-first tracing for experimentation.
LangWatchObservability en evaluatie	Open source	Self-hosted tracing with online evaluation and guardrails together.
Weights & Biases WeaveObservability en evaluatie	Beheerd	Tracing and evals beside experiment tracking.
GalileoObservability en evaluatie	Beheerd	Fast inline scoring aimed at intercepting output in production.
Confident AI (DeepEval)Observability en evaluatie	Open source	A test-suite model for LLM behaviour; runs in CI.
TruLensObservability en evaluatie	Open source	Feedback functions for RAG quality.
HeliconeObservability en evaluatie	Open source	A proxy that gives logging and caching with a one-line change.
PromptLayerObservability en evaluatie	Beheerd	Prompt versioning and comparison for non-engineers.
Datadog LLM ObservabilityObservability en evaluatie	Beheerd	Sensible where Datadog is already the monitoring system.
New Relic AI MonitoringObservability en evaluatie	Beheerd	Same argument, different incumbent.
OpenTelemetry GenAIObservability en evaluatie	Open source	The emerging standard. Vendor-neutral, and what keeps you portable.
WhyLabsObservability en evaluatie	Beheerd	Data and model drift monitoring.
TrueFoundryObservability en evaluatie	Beheerd	Serving and observability in one platform.
OpenlayerObservability en evaluatie	Beheerd	Testing and monitoring with a strong evaluation story.
HumanloopObservability en evaluatie	Beheerd	Prompt management with domain-expert review built in.
OpenTelemetry into your existing stackObservability en evaluatie	Zelf bouwen	If you already run Grafana or the ELK stack, emitting spans into it costs little and adds no vendor. You give up the LLM-specific evaluation features, which is the trade.
NVIDIA NeMo GuardrailsGovernance en guardrails	Open source	Programmable conversational rails; topic and flow boundaries.
Guardrails AIGovernance en guardrails	Open source	Input and output validators with a shared library of checks.
Azure AI Content SafetyGovernance en guardrails	Hyperscaler	Managed content filtering with severity levels.
Amazon Bedrock GuardrailsGovernance en guardrails	Hyperscaler	Policy enforcement applied across models in Bedrock.
Vertex AI safety filtersGovernance en guardrails	Hyperscaler	Configurable safety thresholds on Google-served models.
LakeraGovernance en guardrails	Beheerd	Prompt-injection and jailbreak defence.
Protect AIGovernance en guardrails	Beheerd	Model and supply-chain security scanning. Now part of Palo Alto Networks.
Robust IntelligenceGovernance en guardrails	Beheerd	Automated red-teaming and runtime protection. Part of Cisco.
Credo AIGovernance en guardrails	Beheerd	Governance registry mapped to regulatory frameworks, including the EU AI Act.
Holistic AIGovernance en guardrails	Beheerd	Risk assessment and compliance reporting.
IBM watsonx.governanceGovernance en guardrails	Beheerd	Model inventory, risk and lifecycle documentation.
Fiddler AIGovernance en guardrails	Beheerd	Explainability and monitoring for regulated use.
ArthurGovernance en guardrails	Beheerd	Performance and bias monitoring in production.
BifrostGovernance en guardrails	Open source	An AI gateway that applies the same policy to every model call.
LLM GuardGovernance en guardrails	Open source	A practical scanner set for inputs and outputs.
Microsoft PresidioGovernance en guardrails	Open source	Personal-data detection and redaction. Directly useful under the GDPR.
RebuffGovernance en guardrails	Open source	Prompt-injection detection.
VijilGovernance en guardrails	Beheerd	Agent trust evaluation and certification.
TrustibleGovernance en guardrails	Beheerd	AI Act obligation tracking and evidence collection.
Policy checks in your own gatewayGovernance en guardrails	Zelf bouwen	You already need a gateway for keys and rate limits; putting redaction and logging there keeps one enforcement point. What you do not get is a maintained attack library, which is the part that ages fastest.

Wat de meeste organisaties over het hoofd zien

Drie dingen komen in vrijwel elk gesprek terug.

De eerste is dat zelf bouwen zelden betekent "alles zelf". In bijna elke laag is de zinnige zelfbouwoptie klein en specifiek: pgvector in de Postgres die u al draait, of een eigen gateway waar u toch al sleutels en rate limits beheert. Dat is iets anders dan een eigen inferentieplatform.

De tweede is dat de wisselkost pas telt als u hem vooraf uitrekent. Vraag bij elke laag: wat kost het om hier over achttien maanden weg te gaan? Als het antwoord onbekend is, is dat het antwoord.

De derde is dat de AI-verordening niet meeverhuist met de aankoop. Bij de meeste toepassingen bent u zelf de aanbieder, ongeacht wiens model eronder zit. Een leverancier kan documentatie leveren; hij kan uw verplichting niet overnemen.

Het kader

Tien dimensies, per use case en per laag in te vullen. Ze wijzen zelden allemaal dezelfde kant op — en juist dat maakt het bruikbaar: waar ze uiteenlopen, ziet u meteen waar de spanning zit.

Waar dit meestal uitkomt

Voor middelgrote organisaties eindigt dit zelden bij "bouwen" en zelden bij "kopen". Het eindigt bij samenstellen: koop de laag, bezit het deel dat van u is. Dat deel is bijna altijd hetzelfde — uw data, uw prompts, uw evaluatieset en uw interface. Dat is precies het deel dat leveranciers het makkelijkst weggeven en het moeilijkst vervangen.