TechTalk: zo werkt GLBNXT – soevereine AI-stack, on-prem deployments en AI-gedreven development
Voor veel IT-architecten, platform engineers en technische consultants blijft de deployment van enterprise AI een balanceeract tussen snelheid, controle en infrastructuur. Hoe richt je een AI-stack in die niet alleen schaalbaar en performant is, maar ook draait waar jóuw data moet staan – of dat nu in een soevereine cloud, op een on-premises bare-metalcluster of bij een hyperscaler is? Tijdens deze TechTalk dook Jan Saan (co-founder GLBNXT) diep onder de motorkap van het GLBNXT-platform. Geen high-level marketingslides, maar een pragmatische analyse van de achterliggende technologie, de architectuurkeuzes voor soevereine AI-infrastructuur en de operationele realiteit van het draaien en onderhouden van zo'n platform. Daarnaast laat Jan in een uitgebreide live demo zien hoe de hele software-ontwikkelcyclus binnen het platform wordt gedreven door AI, en hoe je Day-2 operations (monitoring, model updates en guardrails) beheert over hybride en air-gapped omgevingen heen.
Wat komt er aan bod tijdens deze TechTalk?
- De GLBNXT Tech Stack & Architectuur: Een deep-dive in de lagen van het platform: van model serving (zoals vLLM/TGI) en LLM-orchestration tot RAG-pipelines, vectordatabases en retrieval-mechanismen.
- Flexibele Deployment Models (Sovereign, On-Prem & Hyperscaler): Hoe het platform met Kubernetes draait op een soevereine Europese cloud, eigen on-premises hardware (met GPU-orchestration), óf AWS/Azure/GCP zonder vendor lock-in.
- Live Demo 1: Full-Cycle AI-Driven Development: Zie live hoe software en AI-assistenten end-to-end ontwikkeld worden met AI-agents, van code-generatie tot integratie en deployment op het platform.
- Live Demo 2: Platform Maintenance & Day-2 Operations: Hoe onderhoud, monitor en audit je een AI-platform in productie? Aandacht voor observability, latency, model-evaluatie, data-isolatie en het afdwingen van guardrails.
- Concrete Client Use Cases: Praktijkvoorbeelden van hoe klanten GLBNXT inzetten voor complexe data-workflows, inclusief de architectuurkeuzes die bij deze implementaties zijn gemaakt.
Over de spreker
Jan Saan is mede-oprichter van GLBNXT. Daarvoor was hij ruim 20 jaar lang CTO bij CM.com, waar hij vanaf de grond een wereldwijd geschaalde R&D- en infrastructuurorganisatie opbouwde. Met zijn achtergrond in distributed systems, platform engineering en cloudinfrastructuur bouwt hij bij GLBNXT aan een 100% soevereine AI-stack voor enterprise-omgevingen.
