AI & de toekomst van defensie

Een moderne eenheid krijgt informatie uit duizenden bronnen tegelijk: radars, camera's op drones, satellietbeelden, onderschepte signalen en meldingen van eigen troepen. AI voegt die stromen samen tot één actueel beeld, herkent voertuigen en bewegingen, en zet mogelijke doelen met hun onderbouwing op een rij. Waar een analist vroeger uren zocht, ziet een staf nu veel sneller wat er verandert. Ook de NAVO werkt inmiddels met zo'n AI-ondersteund systeem voor het operationele beeld. De volgende stap is een beeld van wat er komt: AI die uit patronen in bewegingen, logistiek en signalen berekent hoe waarschijnlijk een volgende zet van de tegenstander is, met de onzekerheid erbij. Mensen bepalen de inzet en de grenzen; binnen die grenzen kiezen sommige wapens zelf hun doel.

Open bronnen leveren meer op dan een team analisten kan overzien: sociale media, scheepvaart- en vluchtgegevens, commerciële satellietbeelden. AI doorzoekt die stroom in vele talen en koppelt een video van een konvooi aan een plek, een tijdstip en een satellietbeeld van dezelfde weg. AI-agents zoeken inmiddels ook zelfstandig naar aanvullende bronnen; volgens een aanbieder hoort de NAVO bij de eerste gebruikers. In een scenario voor 2040 leiden samenwerkende agents uit zulke gegevens verschillende verklaringen af voor een militaire beweging, toetsen die doorlopend aan nieuwe waarnemingen en rekenen mogelijke vervolgstappen door. De analist ziet dan hoe het verwachte verloop verandert zodra nieuwe informatie een eerdere verklaring tegenspreekt, en blijft degene die duidt.

Kleine drones in grote aantallen zijn in korte tijd een vast onderdeel van krijgsmachten geworden: ze verkennen, sturen artillerievuur bij, brengen voorraden en worden ook als wapen ingezet. Daarmee groeit de vraag naar tegendrones. AI speelt aan beide kanten een rol. In de drone helpt het doelen herkennen en een koers vasthouden als de verbinding wegvalt. In de verdediging combineert het radar, camera's en radiosignalen, zodat een kleine drone boven een kazerne, haven of vliegveld snel wordt onderscheiden van een vogel. Onderscheppingsdrones, die een vijandige drone zelf uit de lucht halen, zijn al in gebruik. De wedloop verschuift naar grootschaliger inzet ervan, met meer autonomie bij zoeken, volgen en onderscheppen.

Een staf bereidt plannen en besluiten voor, vaak onder grote tijdsdruk. In proeven neemt AI daarin een groeiend deel van het analytische werk over. Het helpt strategieën en mogelijke plannen ontwikkelen, rekent ze door tegen verschillende acties van de tegenstander en vergelijkt ze op risico, tijd en middelen. Tijdens de uitvoering monitort het of de aannames onder het plan nog kloppen, en meldt het waar de werkelijkheid afwijkt. Krijgsmachten testen zulke systemen in afgeschermde netwerken, zodat geheime informatie binnen blijft. In dezelfde tijd kan een staf zo meer opties onderzoeken. Er blijft meer tijd over voor werk waar mensen goed in zijn: keuzes maken, wegen wat niet in de cijfers staat en met mensen werken.

Militaire netwerken verbinden commandosystemen, radars, vliegtuigen en schepen vol software, en elke verbinding is een mogelijke ingang. AI volgt grote hoeveelheden dataverkeer en herkent afwijkingen die een mens mist, zoals een systeem dat midden in de nacht ineens gegevens verstuurt. Het verschuift ook naar de bron: in een wedstrijd die een overheid organiseerde, lieten AI-systemen zien dat ze zelfstandig zwakke plekken in software kunnen vinden en repareren. De volgende stap is cyberverdediging waarin AI-agents aan beide kanten in machinetempo aanvallen en dichten. Mensen stellen dan de prioriteiten: welk systeem gaat offline, en welk moet tijdens een operatie blijven draaien. Wie dat tempo niet bijhoudt, verdedigt met de klok achter zich.

Over de zeebodem lopen kabels voor een groot deel van het internationale dataverkeer en voor stroom, en pijpleidingen voor gas en olie. Ze zijn duizenden kilometers lang en grotendeels onbewaakt. AI koppelt het gedrag van schepen aan de ligging van die verbindingen: het combineert de signalen die schepen uitzenden met radar, satellietbeelden en gegevens van onderwaterdrones, en waarschuwt als een schip ongewoon langzaam vaart, stilligt boven een kabel of zijn baken uitzet. Na meerdere incidenten bewaakt de NAVO de kabels in de Oostzee extra, met schepen, vliegtuigen en onbemande vaartuigen. De volgende stap is een zeebodem die zichzelf bewaakt: onderwaterdrones die permanent patrouilleren en glasvezelkabels die zelf als sensor trillingen melden.

Een eenheid is zo inzetbaar als haar materieel en haar bevoorrading. Bij voorspellend onderhoud meten sensoren in voertuigen, vliegtuigen en schepen de staat van onderdelen, en leidt AI daaruit af wanneer iets gaat haperen. De monteur vervangt het onderdeel dan voordat het uitvalt. Hetzelfde principe werkt voor de bevoorrading: AI helpt inschatten hoeveel munitie, brandstof en reservedelen een operatie vraagt en waar die moeten liggen. Daar komt de 3D-printer bij, die in een container dicht bij de inzet een onderdeel maakt dat anders weken onderweg is. Zo verschuift een deel van de bevoorrading van transporteren naar ter plekke maken.

In simulatoren oefenen militairen wat in het echt te duur, te gevaarlijk of te zeldzaam is, van een luchtgevecht tot een operatie in een complete wijk. AI maakt die oefening realistischer: de tegenstander volgt geen vast script, maar reageert op wat de deelnemers doen. In een simulatie won een AI-piloot vijf keer op rij van een ervaren gevechtspiloot; later vloog AI ook een echt testvliegtuig in een oefengevecht. De volgende stap is oefenen in een digital twin van het echte inzetgebied, tegen een AI-tegenstander die de tactiek van de laatste weken al kent. Lichte AR-brillen voegen dan oefenen in het veld en virtueel samen: de militair loopt door een echt terrein waarin virtuele tegenstanders opduiken.

Bij een hybride dreiging combineert een staat verschillende middelen: beïnvloeding, cyberaanvallen, economische druk, sabotage en soms militaire acties. Vaak blijft het onder de drempel van oorlog, met middelen die elk op zich klein lijken: een verdachte brand, drones boven een vliegveld, een golf nepberichten. Elk incident komt bij een andere instantie binnen. AI helpt die losse signalen naast elkaar te leggen en patronen te zien: duizenden accounts die tegelijk hetzelfde verhaal verspreiden, of een reeks incidenten die op één plan wijst. Een patroon bewijst nog niet wie erachter zit. Met generatieve AI wordt beïnvloeding persoonlijk en op grote schaal mogelijk; tegelijk kan AI de tijd tussen de eerste signalen en het herkennen van een samenhangende campagne sterk verkorten.

Binnen een AI-first krijgsmacht doen sensoren, AI en autonome systemen veel herhalend en voorspellend werk dat mensen niet hoeven te doen. Militairen richten zich op beoordeling, contact en verantwoordelijkheid. Dat raakt de samenstelling van teams en de manier waarop een staf werkt. Voor een organisatie die moeilijk aan personeel komt, is dat ook een praktische keuze. Een systeem houdt dagenlang een gebied in de gaten zonder moe te worden. Gevolgen wegen, vertrouwen opbouwen en verantwoordelijkheid dragen blijft bij mensen. In een scenario voor 2040 worden nieuwe teams vanaf de tekentafel ontworpen rond wat machines doen, en stuurt één mens meerdere systemen aan.

Als AI en onbemande systemen een groot deel van het uitvoerende werk overnemen, verschuift de militair van uitvoerder naar regisseur. Militaire denktanks schetsen de functies die daarbij horen. De zwermleider stuurt niet één toestel, maar geeft honderden systemen een doel en grenzen mee. De modeltrainer in het veld voedt AI met nieuwe gegevens uit het operatiegebied, zodat een herkenningsmodel binnen dagen een nieuw voertuig van de tegenstander leert kennen. De spectrumstrateeg stemt verbindingen, sensoren en stoorcapaciteit af op de manoeuvre. De specialist in cognitieve verdediging beschermt eenheden en bevolking tegen beïnvloeding. Reservisten brengen kennis uit de techsector mee. Wat deze rollen delen: overwicht hangt steeds meer af van denkvermogen en aanpassing, en minder van aantallen.

In een gemengde eenheid werken militairen samen met onbemande systemen en AI. Een infanteriegroep krijgt bijvoorbeeld drones die vooruit verkennen, een robotvoertuig dat lading draagt of gewonden vervoert, en AI die meldingen ordent. Wat de machine goed kan, doet de machine, zoals urenlang een gebied in de gaten houden. De militair doet wat oordeel vraagt: kiezen, praten met de bevolking, ingrijpen. In oefeningen blijkt hoe sterk voorspelbaar gedrag en begrijpelijke meldingen de samenwerking bepalen. De volgende stap is een eenheid waarin per militair meerdere drones en robots werken. De groepsleider is dan ook teamleider van machines: hij bepaalt wat elk systeem zelf mag en wanneer een mens het overneemt.

Een toekomstacademie is een eigen opleidingsplek waar een organisatie haar medewerkers en leiders voorbereidt op het werk van de toekomst. Nieuwe AI-toepassingen kunnen het werk veranderen voordat opleidingen hun programma hebben aangepast, en daar wacht de organisatie niet op. Zittende medewerkers leren er werken met AI en nieuwe technologie, en nieuwe collega's oefenen er vanaf het begin met de toepassingen van de organisatie. De academie werkt met lesstof uit het eigen werk, en verandert mee als dat werk verandert.

Geen organisatie ontwikkelt alle technologie zelf. Een vernieuwing ontstaat in een internationaal ecosysteem van partners, start-ups, wetenschappers en bevriende overheden. Hoe goed dat ecosysteem werkt, bepaalt hoe snel een vernieuwing op de werkvloer komt. Start-ups bouwen software en hardware in een tempo dat traditionele inkoop niet bijhoudt; organisaties die ze testruimte, data en kleine opdrachten geven, krijgen toegang tot dat tempo. Overheden bundelen onderzoeksgeld, testen elkaars oplossingen en kopen samen in. Zo kan een vinding uit het ene land binnen maanden in een ander land in gebruik zijn.