SAP neemt twee bedrijven over om de boodschap te onderstrepen dat AI-projecten niet falen door het model, maar door de kwaliteit van de onderliggende data. De overnames van Dremio en Prior Labs laten zien dat de grootste uitdaging voor ondernemers niet het nieuwste taalmodel is, maar het opschonen en ontsluiten van bedrijfsdata.

Wat er aan de hand is

SAP heeft twee overnames aangekondigd: Dremio, een open-source data-lakehouseplatform, en Prior Labs, een Duits AI-onderzoeksbedrijf dat gespecialiseerd is in tabular foundation models. Dremio heeft ongeveer vierhonderd medewerkers en een omzet van circa veertig miljoen dollar. Het platform staat bekend om zijn vermogen om razendsnel grote hoeveelheden data te bevragen via SQL, rechtstreeks vanuit uiteenlopende bronnen zoals Hadoop, Oracle en moderne cloudopslag. Prior Labs richt zich op AI-modellen die specifiek zijn getraind op tabeldata, de data die in vrijwel elk bedrijfssysteem zit. Volgens SAP-ceo Christian Klein begint krachtige AI met kwalitatieve data die uitstekende voorspellingen mogelijk maakt. De overnames passen in de strategie om SAP Business Data Cloud verder uit te bouwen, een dataplatform dat SAP- en niet-SAP-data samenvoegt als fundament voor AI-toepassingen.

Wat dit betekent

Deze aankondiging bevestigt een patroon dat veel ondernemers herkennen: AI-pilots schalen niet, integraties duren te lang en compliance-risico’s ontstaan wanneer een AI-beslissing niet meer te verklaren valt. De oorzaak is vrijwel altijd dezelfde: data zit verspreid over tientallen systemen, is opgesloten in gesloten formaten en mist de bedrijfscontext die nodig is om er betekenis aan te geven. SAP kiest er met Dremio voor om een open, leveranciersneutraal platform in huis te halen. Dat is opvallend voor een bedrijf dat historisch bekendstaat als een gesloten ecosysteem. Het signaal is duidelijk: zelfs de grootste enterprise-softwareleverancier ziet dat AI alleen werkt als de data toegankelijk en schoon is. Voor het mkb betekent dit dat de focus niet moet liggen op het najagen van het nieuwste AI-model, maar op het ordenen van de eigen data.

Hoe je dit kunt toepassen

Als je een webshop runt met data verspreid over een webshop-systeem, een boekhoudpakket en een CRM. Je zou kunnen beginnen met een inventarisatie van alle systemen waarin klantdata, orderdata en voorraadgegevens staan. Overweeg om een eenvoudige data-koppeling te maken tussen deze systemen, bijvoorbeeld via een API of een tool zoals Zapier. Het doel is niet om alles in één keer te centraliseren, maar om te zorgen dat je straks een AI-tool kunt voeden met schone, consistente data.

Als je een team aanstuurt dat werkt aan AI-projecten. Een mogelijkheid is om een checklist te maken voor data-kwaliteit voordat je een nieuw model gaat trainen of inzetten. Vraag je team: is de data volledig, actueel en voorzien van de juiste labels? Zijn er dubbele records of ontbrekende velden? Door deze controle standaard te maken, voorkom je dat je tijd en geld steekt in een model dat op rommelige data is gebaseerd.

Als je in de productie of logistiek werkt met data uit verschillende machines en systemen. Overweeg om een data-lakehouse-achtige opzet te maken, bijvoorbeeld met open-source tools zoals Apache Spark of een clouddienst. Het idee is dat je alle data op één plek samenbrengt, zonder dat je de bronsystemen hoeft te vervangen. Zo kun je later een AI-model inzetten voor voorspellingen over voorraad of onderhoud, zonder dat je eerst maanden aan data-integratie kwijt bent.

Als je als ondernemer overweegt om AI in te zetten voor klantenservice of sales. Een concrete stap is om eerst een data-audit uit te voeren: welke data heb je, waar staat die, en hoe actueel is die? Maak een eenvoudige spreadsheet met per systeem de status van de data. Dit kost een dag werk, maar voorkomt dat je een AI-tool koopt die niet werkt omdat de onderliggende data niet op orde is.

Bron: Computable(https://www.computable.nl/2026/05/04/sap-koopt-open-sourceplatform-dremio-en-ai-bedrijf-prior-labs/)