De uitdaging
Een bruikbare ML-omgeving bouwen in een netwerk zonder internet. Installatie, updates en afhankelijkheden moeten dus vooraf worden georganiseerd.
Nederlandse organisatie in de vitale infrastructuur
MLOps zonder een verbinding naar buiten.
Een volledig offline machine-learningplatform, van GPU-hardware tot images, pipelines en modelserving.
Wat is gebouwd
Kubeflow op RKE2, met een lokale image registry, eigen modelopslag en H100-GPU-capaciteit. Alle benodigde images en artefacten blijven binnen de omgeving.
Het resultaat
Een eigen platform voor training en serving, met een beheerbare route voor gecontroleerde software- en modelimport.
VF / 01REFERENTIEARCHITECTUUR
- Medewerkers & applicaties: CHAT / API / DEVELOPER TOOLS
- Toegang · API-gateway: IDENTITY / LIMITS / ROUTING
- AI-agents, retrieval & modellen: TOOLS / SOURCES / MODELS
- GPU · Opslag · MLOps: KUBERNETES / NVMe-oF / OBSERVABILITY
REFERENTIE, GEEN NETWERKKAART
Het patroon achter de oplossing.
Een generiek overzicht van de bouwstenen. Technische adressen, interne systemen en klantidentiteiten blijven buiten de publicatie.
Bekijk de architectuur ↗