Multi-agent-systemen uitgelegd: Waarom de toekomst van AI collaboratief is

Stel je een team van intelligente agents voor – AI-programma's die kunnen redeneren, communiceren en handelen – die allemaal samenwerken om een probleem op te lossen. Dit is de essentie van een multi-agent-systeem (MAS). Een MAS is in feite een geautomatiseerd systeem dat bestaat uit meerdere interactieve intelligente agents die samenwerken als één geheel. Elke agent werkt autonoom met zijn eigen doelen en kennis, maar ze coördineren hun acties om gezamenlijke doelstellingen te bereiken. Het resultaat is een digitaal ecosysteem van AI-agents die een verfijnde dans van interactie en samenwerking uitvoeren, vergelijkbaar met een zwerm vogels die synchroon beweegt of een team van experts dat verschillende aspecten van een complexe taak aanpakt. Door problemen die een enkele AI zouden doen vastlopen te verdelen en te heersen, kan een MAS uitdagingen aanpakken die variëren van het optimaliseren van verkeersnetwerken tot het automatiseren van ingewikkelde bedrijfsworkflows met een ongeëvenaarde efficiëntie.

Waarom zijn multi-agent-systemen nu belangrijker dan ooit?

Recente vorderingen in AI – met name grote taalmodellen (LLMs) – hebben geleid tot "agentische" AI-systemen, waarin meerdere AI-agents collaboratief plannen, redeneren en tools gebruiken. Moderne MAS maken gebruik van deze vorderingen om autonoom taken te beheren die ooit aanzienlijke menselijke coördinatie vereisten. Het ontwerpen van een robuuste multi-agent-oplossing is echter niet eenvoudig. Het vereist zorgvuldige orchestratie, communicatieprotocollen en governance om te garanderen dat deze agents betrouwbaar samenwerken (en niet in chaos vervallen!). Dit is waar platforms zoals TrueFoundry een rol spelen.

TrueFoundry biedt een enterprise-grade AI-platform dat multi-agent-prototypes transformeert in productieklare oplossingen. Het neemt het zware werk op het gebied van beveiliging, schaalbaarheid en infrastructuur uit handen, zodat teams zich kunnen richten op het bouwen van intelligente agents. In de volgende gedeelten onderzoeken we wat MAS zijn, waarom ze belangrijk zijn, wat hun belangrijkste mogelijkheden en architecturen zijn, en hoe de producten van TrueFoundry organisaties in staat stellen om multi-agent-systemen effectief in te zetten.

Wat is een multi‑agent-systeem (MAS)?

In eenvoudige bewoordingen is een multi-agent-systeem een verzameling autonome AI-"agents" die gezamenlijk werken om taken uit te voeren of problemen op te lossen. Elke agent in een MAS is een onafhankelijke entiteit met zijn eigen kennis en vaardigheden, maar de kracht van een MAS komt voort uit hun interactie en samenwerking. Door met elkaar te communiceren en te coördineren, kunnen de agents doelen bereiken die voor een enkele agent of een monolithisch systeem moeilijk of onmogelijk zouden zijn. Met andere woorden: de groep agents als geheel is groter dan de som der delen.

Agents in een MAS nemen hun omgeving waar, nemen beslissingen en voeren acties uit zonder voortdurende menselijke invoer. Hun coördinatie leidt tot emergent gedrag dat complexe problemen efficiënter oplost. In een smart factory kan bijvoorbeeld de ene agent de voorraad beheren, een andere de machines inplannen en een derde het toezicht houden op de kwaliteitscontrole – allemaal samenwerkend om de productie in real-time te optimaliseren.

Moderne MAS maken vaak gebruik van door LLM aangedreven agents die kunnen redeneren, plannen, tools of APIs kunnen aanroepen en hun strategieën dynamisch kunnen aanpassen. Dit zijn geen statische programma's; het zijn intelligente assistenten die in staat zijn om mee te groeien met de taak.

Kortom, een MAS werkt als een collaboratief AI-team: elke agent heeft autonomie en specialisatie, maar het is hun gecombineerde intelligentie die het systeem krachtig, schaalbaar en uitermate geschikt maakt voor dynamische, meerstaps workflows.

Belangrijkste mogelijkheden van MAS

Multi-agent-systemen functioneren effectief omdat ze autonomie, samenwerking en aanpassingsvermogen combineren:

• Autonomie: Elke agent werkt onafhankelijk en neemt beslissingen zonder gecentraliseerde controle. Deze zelfsturing zorgt ervoor dat het systeem kan schalen en veerkrachtig blijft — zelfs als individuele agents uitvallen.
• Lokale waarneming: Agents werken met gedeeltelijke weergaven van de omgeving. Hoewel geen enkele agent het gehele systeem overziet, delen ze gegevens om een gezamenlijk beeld op te bouwen — net als gedistribueerde teams in de echte wereld.
• Decentralisatie: MAS vermijden knelpunten door de controle te verdelen. Er is geen centrale "baas"; in plaats daarvan coördineren agents via protocollen of onderhandeling, wat zelforganisatie en fouttolerantie mogelijk maakt.
• Communicatie & Coördinatie: Agents wisselen berichten uit of gebruiken gedeeld geheugen om op één lijn te blijven. Ze kunnen om hulp vragen, acties synchroniseren of onderhandelen over middelen met behulp van vooraf gedefinieerde protocollen.
• Leren & Aanpassen: Door middel van reinforcement learning of het delen van ervaringen kunnen agents hun strategieën verbeteren en zich aanpassen aan veranderende omgevingen, wat na verloop van tijd leidt tot slimmer en efficiënter systeemgedrag.

Samen maken deze mogelijkheden MAS robuust, schaalbaar en continu verbeterend — ideaal voor het oplossen van dynamische, complexe problemen waar statische systemen of systemen met één agent moeite mee hebben.

Criteria	Wat moet u evalueren?	Prioriteit	TrueFoundry
Latency	Voegt <10ms p95 overhead toe voor time-to-first-token?	Must Have	✅ Ondersteund
Dataresidentie	Houdt logs binnen uw regio (EU/US)?	Afhankelijk van use case	✅ Ondersteund
Routing op basis van latency	Stuurt automatisch om op basis van real-time latency/storingen?	Must Have	✅ Ondersteund
Sleutelrotatie & Intrekking	Sleutels roteren of intrekken zonder downtime?	Must Have	✅ Ondersteund
Sleutelrotatie & Intrekking	Sleutels roteren of intrekken zonder downtime?	Must Have	✅ Ondersteund
Sleutelrotatie & Intrekking	Sleutels roteren of intrekken zonder downtime?	Must Have	✅ Ondersteund
Sleutelrotatie & Intrekking	Sleutels roteren of intrekken zonder downtime?	Must Have	✅ Ondersteund
Sleutelrotatie & Intrekking	Sleutels roteren of intrekken zonder downtime?	Must Have	✅ Ondersteund

Evaluatie-checklist voor AI Gateway

Een praktische gids gebruikt door platform- & infra-teams

Architectuur van multi‑agent-systemen

Het ontwerpen van de architectuur van een multi-agent-systeem omvat het nemen van beslissingen over hoe agents georganiseerd zijn en hoe ze interageren via de infrastructuur van het systeem. Over het algemeen kunnen MAS worden gestructureerd in verschillende architectuurmodellen, hoofdzakelijk onderscheiden door de mate waarin de controle en kennis gecentraliseerd of gedistribueerd zijn:

• Gecentraliseerde architectuur: In een gecentraliseerd MAS is er een centrale coördinerende entiteit of kennisbank waarmee alle agents verbonden zijn. Deze centrale eenheid behoudt de globale status of het hoofdplan en houdt toezicht op de activiteiten van de agents. Het voordeel is duidelijk: communicatie wordt vereenvoudigd (elke agent kan in potentie het centrale brein raadplegen) en het systeem kan een consistent beeld van informatie afdwingen. Een gecentraliseerd multi-agent-netwerk kan bijvoorbeeld een "master"-agent hebben die taken toewijst aan worker-agents en resultaten verzamelt. Het nadeel is echter de afhankelijkheid van deze centrale node – als deze uitvalt of een knelpunt wordt, kan het gehele systeem tot stilstand komen. Het kan ook minder aanpasbaar worden als alles via één enkel punt moet verlopen.
  
  
• Gedecentraliseerde architectuur: In een gedecentraliseerd (of gedistribueerd) MAS heeft geen enkele agent de volledige leiding; in plaats daarvan delen agents informatie peer-to-peer of in lokale omgevingen zonder een globale orchestrator. Deze architectuur biedt robuustheid – als één agent uitvalt, kunnen andere vaak doorgaan omdat er geen single point of failure is. Het sluit ook goed aan bij scenario's waarin een globaal overzicht onpraktisch is vanwege schaal of privacy (bijv. agents van meerdere organisaties die samenwerken zonder alle gegevens te delen). De uitdaging hier is om te zorgen dat er coherent gedrag ontstaat uit vele lokale interacties. Agents moeten geavanceerde communicatie- en consensusstrategieën gebruiken om effectief te coördineren bij het ontbreken van een globale controller. Gedecentraliseerde MAS-architecturen laten zich vaak inspireren door de natuur (zoals mierenkolonies of vogelzwermen) om georganiseerd gedrag te bereiken via gedistribueerde protocollen.
  

De meeste real-world systemen gebruiken een multi-agent-architectuur die zich ergens op het spectrum bevindt tussen volledig gecentraliseerd en volledig gedecentraliseerd. Hybride architecturen komen veel voor – bijvoorbeeld een hiërarchische opzet waarbij sommige agents fungeren als regionale leiders die sub-agents coördineren (een mix van centralisatie op lokaal niveau met gedecentraliseerde wereldwijde aansturing). Een ander voorbeeld is een blackboard-architectuur, waarbij agents indirect communiceren door te lezen/schrijven naar een gemeenschappelijke dataruimte (het "blackboard") – gecentraliseerde data maar gedecentraliseerde besluitvorming.

Ongeacht de architectuur is de middleware of het communicatieframework dat agents verbindt een cruciaal onderdeel. Acties van agents worden doorgaans bemiddeld via geschikte middleware, die de abstractie biedt voor berichtgeving, het delen van middelen en coördinatie‍. Deze middleware zorgt ervoor dat agents elkaar kunnen ontdekken, op een gestandaardiseerde manier berichten kunnen uitwisselen en zich eventueel kunnen registreren voor specifieke gebeurtenissen of diensten. Het is vergelijkbaar met een besturingssysteem voor het multi-agent-netwerk, dat de details op laag niveau afhandelt zodat de agents zich kunnen concentreren op redeneren op hoog niveau.

Het platform van TrueFoundry is ontworpen om dit soort robuuste infrastructuur voor MAS te bieden, waardoor het eenvoudiger wordt om elke architectuur te implementeren. TrueFoundry biedt bijvoorbeeld een AI Gateway die fungeert als een krachtige orchestratielaag voor op agents gebaseerde toepassingen. De AI Gateway biedt een gecentraliseerd protocol-eindpunt voor de workflows van agents – door het beheren van gedeelde context, het routen van tool-gebruik en het orchestreren van meerstaps redeneringen tussen agents. Dit betekent dat wanneer je agents externe tools moeten aanroepen of een gezamenlijk geheugen moeten onderhouden, de gateway garandeert dat dit op een gecontroleerde, inzichtelijke manier gebeurt. Alle agent-interacties via de gateway van TrueFoundry zijn voorzien van enterprise-grade observability en controle, wat de chaos voorkomt die zou kunnen ontstaan in een situatie van onbeperkte communicatie tussen agents.

Bovendien ondersteunt TrueFoundry standaarden om agent-integratie te vereenvoudigen. Een van die standaarden is het Model Context Protocol (MCP) – in feite een uniforme interface voor agents om toegang te krijgen tot externe data/tools. In geavanceerde enterprise-implementaties maakt dit multi-agent MCP-architecturen mogelijk, waarbij meerdere agents de toegang tot tools delen, de uitvoering coördineren en werken onder een uniform governancebeleid. Zie MCP-servers als de "USB-C van AI", die gestandaardiseerde poorten bieden waarmee agents verbinding kunnen maken met bedrijfssystemen (CRMs, databases, APIs) zonder aangepaste integratiecode. Het platform van TrueFoundry maakt het implementeren en beheren van deze MCP-servers eenvoudig, zodat elke agent plug-and-play toegang heeft tot de tools die hij nodig heeft. Het voordeel is vergelijkbaar met het gebruik van een universele adapter – agents roepen tools aan via een gemeenschappelijk protocol en ontwikkelaars hoeven het systeem niet elke keer opnieuw aan te sluiten als er een nieuwe databron wordt toegevoegd.

De architectuur van TrueFoundry omvat ook een MCP & Agents Registry, wat in feite een catalogus is van alle beschikbare tools en agents, compleet met schemavalidatie en toegangsbeheer. Dit register zorgt ervoor dat elke agent weet welke "vaardigheden" of APIs tot zijn beschikking staan en hoe deze correct moeten worden aangeroepen. Gekoppeld aan het Prompt Lifecycle Management van TrueFoundry kunnen ontwikkelaars de "prompts" of instructies die het gedrag van de agent sturen versioneren en testen, wat zorgt voor consistente en auditeerbare acties in het hele agent-team.

Tot slot is TrueFoundry ontworpen om framework-agnostisch te zijn. Of je je MAS nu ontwerpt met LangChain, LangGraph, AutoGen of een custom agent-framework, TrueFoundry kan die agents implementeren als gecontaineriseerde, productieklare services. Het platform beheert het hosten van modellen (je kunt elk LLM of ML-model meenemen en serveren via de geoptimaliseerde back-ends van TrueFoundry) en zorgt ervoor dat agents die met verschillende bibliotheken zijn gebouwd toch kunnen samenwerken onder één uniform control plane. Samenvattend biedt TrueFoundry de technische ruggengraat voor de architectuur van multi-agent-systemen – van communicatie en tool-integratie tot schalen, beveiliging en monitoring – zodat architecten van MAS zich kunnen concentreren op de agent-logica in plaats van het opnieuw uitvinden van de infrastructuur.

Structuren van multi-agent-systemen

Naast de architectuur kunnen MAS worden gecategoriseerd op basis van hoe agents sociaal en functioneel zijn georganiseerd. Deze structuren bepalen hoe verantwoordelijkheden, communicatie en autoriteit worden verdeeld:

• Hiërarchische structuren: Agents zijn gelaagd in een boomstructuur georganiseerd. Agents op een hoger niveau delegeren taken aan ondergeschikten, waardoor een gezagsketen ontstaat. Dit is ideaal voor problemen die zich natuurlijk laten opdelen — zoals noodhulpdiensten — en maakt efficiënte top-down controle mogelijk. TrueFoundry kan dit ondersteunen door leidinggevende agents samen met downstream workers te implementeren, waarbij tracing wordt gebruikt om taakdelegatie te visualiseren.
• Holonische structuren: Geïnspireerd door biologische systemen zijn holons agents die zowel als geheel als als onderdeel fungeren. Een bovenliggende agent kan een groep sub-agents omvatten, wat een recursief systeem van sub-MAS vormt. Dit komt veel voor in de robotica en productie. De modulaire implementatie en namespace-isolatie van TrueFoundry maken het eenvoudig om dergelijke holarchieeën te bouwen en te monitoren.
• Coalitiestructuren: Tijdelijke allianties ontstaan wanneer agents moeten samenwerken aan specifieke taken. Zodra het doel is bereikt, wordt de coalitie ontbonden. Deze dynamische groeperingen zijn waardevol in sensornetwerken of nooddiagnostiek. Met de logging en toegangscontrole van TrueFoundry kunnen teams het gedrag van coalities volgen zonder centraal toezicht.
• Teamstructuren: In tegenstelling tot ad-hoccoalities zijn teams permanent en nauw geïntegreerd. Agents werken onder gedeelde doelen, vaak met rolspecialisatie (zoals een robotvoetbalteam). De coördinatie is intensief en continu. TrueFoundry maakt gedistribueerde teamorchestratie mogelijk terwijl observability en real-time monitoring worden gehandhaafd.

De meeste MAS-implementaties combineren deze structuren. Ongeacht welke je kiest, biedt het platform van TrueFoundry flexibele orchestratie, real-time tracing en governance-functies — zodat de coördinatie van agents transparant, veilig en prestatiegericht blijft.

MAS vs. systemen met één agent

Een systeem met één agent is als een Zwitsers zakmes — één AI die alles probeert te doen. Daarentegen lijkt een multi-agent-systeem (MAS) op een gereedschapskist: meerdere gespecialiseerde tools die samenwerken. Deze fundamentele verandering biedt enkele belangrijke voordelen:

• Specialisatie: MAS-agents kunnen domeinspecifiek zijn — de ene verwerkt taalbegrip, de andere visuele data en een derde numerieke analyses. Specialisatie leidt tot kwalitatief betere, taakgeoptimaliseerde prestaties. TrueFoundry ondersteunt dit door teams de mogelijkheid te bieden om uiteenlopende agents onafhankelijk te implementeren en te beheren, elk afgestemd op de eigen taak.
• Parallelle verwerking: MAS maakt gelijktijdige verwerking mogelijk. Waar een enkele agent sequentieel moet werken, verdelen en heersen agents in een MAS, wat de latency voor meerdelige workflows drastisch vermindert. De routing- en orchestratie-engine van TrueFoundry maakt het eenvoudig om workloads te parallelliseren over meerdere LLMs of services.
• Veerkracht: Als één agent uitvalt, gaan andere door — of ze springen in om de taak over te nemen. Dit fouttolerante ontwerp is cruciaal in echte toepassingen. TrueFoundry dwingt observability en fallback-logica af op gateway-niveau, wat zorgt voor een gecontroleerde afhandeling van fouten en storingen.
• Schaalbaarheid: MAS schaalt horizontaal — je kunt eenvoudig meer agents toevoegen of rollen dupliceren. TrueFoundry vereenvoudigt dit door agent-implementatie, schaalbeleid en routing-regels te beheren vanaf één centraal control plane.
• Modulariteit: MAS maakt systeemupdates op agent-niveau mogelijk. Een nieuwe functionaliteit nodig? Voeg een nieuwe agent toe. Een bug oplossen? Pas gewoon één module aan. Het modulaire framework van TrueFoundry ondersteunt deze opzet vanuit de basis, waardoor je systeem eenvoudiger te ontwikkelen is.

Het belangrijkste is misschien wel dat MAS-agents samenwerken. Ze geven niet alleen data door — ze onderhandelen, passen zich aan en bepalen samen de strategie. Dat maakt ze zeer geschikt voor gedistribueerd redeneren en dynamische taakplanning — veel meer dan wat opstellingen met één agent kunnen bereiken.

Hoewel MAS ontwerpcomplexiteit met zich meebrengt (bijv. coördinatie, conflictresolutie), vermindert TrueFoundry die wrijving via tools zoals prompt-versiebeheer, traffic tracing en de handhaving van guardrails. Het resultaat: flexibelere, robuustere en productieklare AI-systemen die gebouwd zijn op de samenwerking tussen autonome agents.

Voordelen van multi-agent-systemen

Multi-agent-systemen bieden duidelijke voordelen voor het oplossen van grote, dynamische en gedistribueerde problemen:

• Verbeterde probleemoplossing: Door intelligentie te verdelen, kan een MAS complexe problemen efficiënter oplossen dan welke afzonderlijke agent dan ook. Agents specialiseren zich en valideren elkaars resultaten, wat leidt tot snellere en nauwkeurigere resultaten.
• Schaalbaarheid en flexibiliteit: MAS-architecturen zijn van nature schaalbaar. Voeg meer agents toe om aan de groeiende vraag te voldoen, of pas rollen aan als de vereisten veranderen. TrueFoundry maakt dit naadloos mogelijk met modulaire implementaties en dynamische routing voor agent-workloads.
• Robuustheid en fouttolerantie: Zonder centraal point of failure kan een MAS zichzelf herstellen. Als één agent uitvalt, werken andere door of herverdelen ze de last. De ingebouwde observability en fallback-routing van TrueFoundry maken dergelijke fouttolerantie geschikt voor productieomgevingen.
• Specialisatie door ontwerp: Elke agent kan worden geoptimaliseerd voor zijn specifieke domein — visie, taal, planning, enz. Dit leidt tot betere prestaties en maakt parallelle ontwikkeling door verschillende teams mogelijk. TrueFoundry ondersteunt geïsoleerde ontwikkeling en implementatie van deze agent-modules.
• Efficiëntie en prestaties: MAS kan taken parallel uitvoeren, wat de latency verlaagt en de doorvoer verhoogt. In de praktijk zagen klanten die de orchestratie van TrueFoundry gebruiken tot 80% betere GPU-benutting door het werk te verdelen over gespecialiseerde agents.

Kortom, MAS biedt een modulaire, veerkrachtige en prestatiegerichte architectuur — en platforms zoals TrueFoundry bieden de tools om deze op schaal operationeel te maken.

Voorbeelden van multi-agent-systemen

MAS leveren nu al echte waarde in een breed scala aan industrieën:

• Slim transport: In smart cities coördineren MAS verkeerslichten en autonome voertuigen om opstoppingen te voorkomen. Elk verkeerslicht of voertuig werkt als een agent die zich lokaal aanpast en wereldwijd samenwerkt.
• Gezondheidszorg en epidemiebestrijding: MAS helpen bij het monitoren van de uitbraak van ziektes door gegevens van ziekenhuizen, sociale media en epidemiologische modellen te integreren. Agents kunnen ook helpen bij gepersonaliseerde behandelplanning door verschillende zorgdatamodaliteiten te vertegenwoordigen.
• Supply chain en logistiek: Elke schakel in een toeleveringsketen — fabrieken, magazijnen, wagenparken — kan werken als agents die onderhandelen en zich aanpassen aan vertragingen of veranderende vragen. MAS maakt just-in-time coördinatie mogelijk over gedistribueerde systemen.
• Defensie en cybersecurity: In simulaties en real-time operaties vertegenwoordigen agents tactische eenheden of dreigingsmonitoren. Dronezwermen en anomaliedetectoren profiteren van MAS-structuren om patronen te herkennen en gecoördineerd te reageren.
• Automatisering van bedrijfsworkflows: Bedrijven zetten MAS in om klantenservice, interne analyses en financiële processen te beheren. Op TrueFoundry draaien bedrijven op LLM gebaseerde agents die meerstaps taken automatiseren, zoals verkooponderzoek, factuurafstemming en de afhandeling van supporttickets — waarbij elke stap wordt uitgevoerd door een gespecialiseerde agent die samenwerkt als een digitaal team.
• Optimalisatie van AI-infrastructuur: Bij interne implementaties gebruiken bedrijven zoals NVIDIA MAS-strategieën om het GPU-gebruik en de taakdoorvoer te verhogen. Met de multi-agent-orchestratie van TrueFoundry behaalden ze aanzienlijke kosten- en efficiëntiewinsten.

Deze use-cases tonen aan dat MAS niet theoretisch is — het is praktisch, krachtig en steeds essentiëler in de dagelijkse AI-praktijk. Met ondersteuning van platforms zoals TrueFoundry kunnen organisaties geavanceerde agent-ecosystemen implementeren met ingebouwde observability, toegangscontrole en governance — en dat alles met behoud van schaalbaarheid en enterprise-grade prestaties.

Conclusie

Multi-agent-systemen (MAS) vertegenwoordigen een grote stap voorwaarts in AI-architectuur. Ze maken gedistribueerde, collaboratieve intelligentie mogelijk die in complexe, dynamische omgevingen veel beter presteert dan benaderingen met één enkele agent. Überhaupt waar taken kunnen worden geparallelliseerd, verdeeld op basis van expertise, of in real-time kunnen worden aangepakt — van smart cities tot bedrijfsautomatisering — biedt MAS een flexibele, schaalbare oplossing.

Het bouwen en onderhouden van een MAS op schaal brengt echter reële uitdagingen met zich mee: het coördineren van agents, het garanderen van veilige communicatie, het behouden van observability en het afstemmen van prestaties op de eisen van een productieomgeving. Dit is waar TrueFoundry in blinkt. Het platform biedt de infrastructuur die nodig is om multi-agent-systemen met vertrouwen te implementeren, te beheren en te schalen. Van AI Gateways met lage latency en GPU-orchestratie tot veilige audit-trails en toegangscontrole: TrueFoundry neemt de operationele lasten weg, zodat teams zich kunnen richten op resultaten in plaats van op infrastructuur.

Naarmate AI zich blijft ontwikkelen, zal de samenwerking tussen meerdere agents de drijvende kracht worden achter intelligente ecosystemen — waarin agents taken niet alleen automatiseren, maar intelligent samenwerken om ze op te lossen. Met enterprise-ready platforms zoals TrueFoundry beschikken organisaties nu over de middelen om MAS op een verantwoorde, efficiënte en schaalbare manier uit het lab naar de praktijk te brengen. De toekomst van AI is niet individueel, maar collectief. En MAS vormt, ondersteund door de juiste infrastructuur, het fundament van die toekomst.