DTLS11A23 - De kracht van verborgen data - samenwerken zonder data te delen

Maar ik kan die notice over dit en het meelkaar verbinden. En dan kan ik over internet, kan ik met een kriptagrijfspratikol kan ik een berekening uitvoeren. En wat we eigenlijk gedaan hebben is we hebben gewoon een Python library gebouwd. Kandas, lijkt op pandas en op een soort Python library. Kandas is overgedroken en op een soort. En dat is eigenlijk de interface waarmee je modellen kan maken. En vervolgens kun je die modellen laten rekenen op de versluiting de data. De data-log is de Nederlandstalige podcast over Big Data, Data Science, Machine Learning, kunstmatig in de legendie en de digitale transformatie. Luister naar onze wekelijksen podcast, News of Date, Specials en Mini-Colleges. Zou nou weer blijven dat we eindelijk kunnen beginnen met de podcast nummer 481. Want ja, we zitten echt gewoon uur voor dat we zijn begonnen te praten over alles nog wat. En ik heb denk ik al 6 keer gezegd, nou moeten we stoppen en opnijmen. Maar want we zitten eigenlijk bij een onderwerp wat soms helemaal niet interessant is. En ik weet zeker dat dit een hele interessant onderwerp gaat worden. Het gaat namelijk over security governance en hoe verschillende partijen data kunnen combineeren op een secure manier. En dat gaat, ik zit bij Roderic Roodeburg van Roseman Labs in Utrecht. Maar niet alleen in Utrecht, want als een medewerk zit over de hele wereld, Zwitseland, PhD's. Dus dit wordt de hele gehaven podcast, dat weet ik nu wel. Maar we beginnen met Roderic. Roderic, ik weet wel een beetje wat Roderic allemaal gedaan is, maar gaat hij zelf vertellen van "Mek naar een eisjes naar hele moeilijke security, cryptografie en Roderic vertel. Wat heb je gedaan? Wat heb je allemaal gedaan? En waar zit je nu?" "Ja, ik heb eigenlijk een hele praktische achtergrond. Maar ik heb werktgebouw ooit gedaan, fietsenmakers, opleiding, en ik hou ook heel erg van het werken met mijn handen." "Automotor zorg ik." "Automotor zorg ik." "Ik bottsveiligheid van auto's, dus tijd in Detroit gezet hij heel mooi." "Ik vind de auto's nog steeds heel erg leuk, maar ik ben ooit inderdaad bij uw leven gaan werken, in een fabriek, ook vanwege de praktische kant, dingen maken, dat vind ik mooi." "Het creëert." "Het creëert." En ik denk ook tasbare resultaten, dat je ziet waar je werkt hoe leidt, dat is toch wel een beetje ongeluid projectieel af toe, zeker binnen dit team, als je kijkt waar we je heel veel wetenschappers rondlopen, die denken heel goed na over iets, dan ben ik altijd een beetje de geden die zo wat sneller handeld, en daarna pas gaat nadenken, ook niet altijd handig. Maar bij uw leven verschillende rollen gedaan en eigenlijk hoe hier in gehold ben is. Maar wacht dat even hoor, hoe ben je nou bij, dat heb je allemaal gedaan bij uw leven, wat jij een beetje meegenomen hebt, want je vertelde je dat een data platform gebouwd was dat voor de ijsjes, of weer voor ijsanders. Ja, dat was inderdaad voor ijs, ik heb verschillende ronde vooral in de splijtje en gedaan in de marketing salesorganisatie later gezeten, na dat ik tijd in de fabriek had gezeten. En in het ijsjezoen was het altijd zo dat als de zon gaat schijnen, ja, daar moet het ijs schappen liggen. En dan moet het op zijn minst in het koolhuis liggen, en als het daar niet ligt, dan raak een schappen heel snel legen en die verkopen hal je niet meer in. En wij zagen dat die gate in, er was zo'n gaals in die weken dat er zo'n ging schijnen en dat had heel veel mee te maken dat bijvoorbeeld het verkeerde ijs op de verkeerde plek lagen, of dat de vrachtwagen lekker band had, of er was van alles aan de handen, het was echt gaals. Er was één jongen in ons team, als extreem slimgasje, dat was een beetje in Big Data tijd. En wanneer was het dat? 2010, 2012, ik begerede de speelde zit en die was wat dingen aan elkaar geneken. Dus in die tijd werkte we nog een allemaal SAP-RP-systemen met data cubes die een of twee keer in de week informatie met elkaar uitwisselden. En hij had een stukje logica in elkaar gehakt en dat mocht ook helemaal niet, heb ik het laten ook in normen niet zeggen, unie lever. Ja, het was heel gek. Het was een heel gekke situatie op een gegeven moment, want het werkte dus knijt er goed. En er hadden eigenlijk een start van een platformje gebouwd om verschillende onderdelen van onze eigen informatie aan elkaar te knopen. En daarmee konden we veel beter zicht krijgen op besteld de klant wat we gevoorkast hebben. Dus als je bijvoorbeeld een promotie voorkast en je zegt dat nou ja dat er gewoon een coronato's naast de kassa gaan liggen. Als uiteindelijk Abraijn besluit om de meknemst naast de kassa neer te leggen, dan gaan ze heel veel meknemst bestellen, niet door coronato's, die je denkt dat ze gaan bestellen en dan gaat de volgende klant, niet Abraijn, die krijgt wel geleverd. Maar als ze 1000 de week later een actie heeft op meknemst, die hebben geen meknemst. Dus dan de voorklant begint er lendel. Daar begint er lendel. En dat konden we ondraaien. Dus we konden zien voor dat sales kon gaan schreeuwen dat geen einsmelden konden wij zien dat de klant verkeerdend inladen was. En toen dachten we van ja weet je als we dat kunnen, dat levert al heel veel op ook in de dynamiek, gewoon in de uitvoering te dachten we als we de andere grote actoren daar ook nog aan kunnen knopen. Dus externe partijen, informatie van retailers, logistiekdienstverleners van fabrieken, zat dan ook bijvoorbeeld al weatherdaten bij. Ja dat gebruikt we sowieso al. Dat ik linked heel hip, maar dat was gewoon. Ja, dat barptje alles op als het vier graad is. Dat neem je zeker mee. We hebben toen dat snel uitgebreid, toen overigens wel een professionele IT-partij mocht we toen in uren. Dat deed je zo veel, de platform dat ik met een vormaalige collega besloten heb om voor mezelf te beginnen. Wij vonden voor aanleiding van het bouw van dat dataplot. Ja, en de impact die je daarmee had en wat we ook zagen was dat eigenlijk de logistieke keten heel gek aangesteerd werd. Dus dat is een ketie, die staat enorm onder de rukken, hele lage marches, heel veel macht eigenlijk van de opdichtgever. Maar je hebt je toven vrachtwagen? Vrachtwagen natuurlijk, maar ook. Deel's was ook bijvoorbeeld binnenvaart. Allij, modelliteit heb je daarin, maar wij zijn in ons indat op vrachtwagen geen richten. Er werd toen heel veel gesproken over, weet je, samenwerking kan het probleem van leegvrachtwagen op losen, omdat we toen met z'n allen dachten dat 50% van de vrachtwagen zijn lege rondrij of het zelfs nog meer. Maar die vrachtwagens waren er niet van in ieder geval een andere partij. Dus daar moet je weer knopen aan elkaar? Ja, dus wat we toen gebouwd hebben is een platform waarmee je realtuim, concurrerende vrachtwagen bedrijven, inzicht konden krijgen of jij in order hebt die je mijn vrachtwagen past omdat hij toch al gaat rijden. En die kun je automatisch met elkaar laten uitwisselen, dus eigenlijk zonder dat er nog een planner handmatig voor aan de slag moest, want je hebt heel weinig tijd. Ja, dat werkt als een dollar, waar alleen twee probleemen. Ons businessmodel was niet zo heel erg goed. We maakten daar gewoon, we krijgen dat niet rendabel, dat dan's niet snel genoeg. En ook, hele grote aanhamevaart is dat ondanks dat er heel veel over schreef werd, hoeveel de leegvrede werd, kwamen er achter dat er helemaal niet zo veel leegheden werd als er beweerd werd. We had een ontzettend veel data, dus we had een van meer dan 10 procent van alle vrachtwagen die in Benelux ontrijden konden wij realtuim konden we zien. Maar dat was een beweging, dat was niet meer waar u niet leef. Nee, dat was niet meer bij leef, dat was echt ons. Dat is vrij uniek. Ja, dat was heel tof. Maar ik kon er ook zien dat er dus veel minder leegheden werd. Die vrachtwagen, die transperters zijn heel slim in het optimaliseren, wilden omdat ze systemen gebruiken, maar ik zou bijna zeggen de gene die dat met boeren slimmijden, die doet dat nog veel beter, heel bizarre. Er zat wel degelijk heel veel potentie in, maar een hele andere dan dan wat we aangenomen, maar dat is in die zin was het niet succes, waar het wel heel succesvolle in was is. Wat we daar heel goed geleerd hebben is, wij hadden een slogan en noemde wij bouwen zonder vertrouwen. Dus een tema wat toen heel erg speelde was, mensen moeten elkaar vertrouwen om elkaar om data met elkaar te delen, wij zijn er juist nee, je gaat pas daten met elkaar delen als je tollevert. Ja, als het iets oplevert, maar als je ook niet bang hoeft te zijn dat die ander misbruik kan maken van het vertrouwen, wat jij zich gegeven hebt. En daar ben ik toen ook op verwerking werk. Dus ik heb verschillende data samenwerksplattformen gebouwd, heel uit ene loopend. Maar hoe hele vertrouw hoor, voor mijn beeldformen, je hebt twee logistieke clubs, die vrachtwagenrijder rond. Je krijgt dan een exceletje van de ene en exceletje van de andere hoefhoeging dat doen. Nee, dat is aan het begin. Als je het kijkt van, heeft dit zin om dit te doen, dat neem we zo, maar we zijn al heel snel eigenlijk met een aantal partijen, zijn we kopelingen gaan bouwen met een TMS-ysteemheider dan. Dat was heel mooi, want die kopelingen bestonden toen eigenlijk nog niet. En de eerste TMS-ysteemen, dat zie je nu ook in de zorg, daarmee heel interessant, die wilden die kopelingen niet en die zijden van je machte kopelingen niet bouwen. Maar dat ging via een API. Dus zij hebben API's gebouwd en logistieke diesverleners zijn echt wel gewoon ondernemers, die zijn ja, weet je, hebben we niks te vertellen over mijn data. Als ik die kopeling wil bouwen, bouwen ik die kopelingen, ze zien volgens ons kun je een kopeling bij ze hebben, natuurlijk kunnen we die kopeling bouwen, als we toegangen hebben dat die data bezig, dan gaan we niet doen. Dan kan dat, en dat deed ze wel. Oh, het hadden we zo'n kopeling gebouwd en ze zijn er andere die zitten dan bij Engelie, Franzieer en ze zijn er andere aantal partijen, waar kan ik die kopeling ook gebruiken? Ja, dat kan. En zo hebben we eigenlijk diverse generieke kopelingen gebouwd, en daardoor kun je eigenlijk zo snel die data ontzluiten, kun je ook realtime interfaceen, kunnen we ook terugpraat het TMS-ysteem en letterlijk ook de orderplannen. Dat konden niet bij alle systeemen, maar bij de de groot systeem konden we dat. Ja, je ziet doorgaan, want zij nu niet eens behoosmen, maar waar, dit kringt, ontzettend, uniek, maar waar was het dan, dat die je niet aansloeg? Nou, wat er gebeurde was, dat je wisselt orders uit, en dat hadden we helemaal geautomatiseerd en hadden we een businessmodel waarbij iedere tick, zeg maar, is een heel klein bedragd je voor ons? Ja, altijd iets hooggegemoeten. Ja, altijd iets hooggemoeten, maar wat delen die volledig slimme planen, die zagen van je begin tot als er een pingetje is, ja, dat de eerste, die pakten ze en de volgende, die gingen ze gewoon, die de pakten ze de telefoon en dan ging ze elkaar zitten bellen, zei al hoe zo, een beetje en dan zet ze dat in en dan zes weken later veranderde het netwerk weer een beetje en dan verschuift alles weer. Ja, en dan, dan ging ze weer een systeem kijken, maar dat werkt voor ons niet en ja, weet je, we hebben dat ook kennis opgegeten. Heel veel geleerd en ook wel dat je dat, weet je, uiteindelijk, begint het wel bij welke waarde creëer je, maar kun je die waarde ook uiteindelijk pakken of dat ons daar vervol doen van pak om een schalber platform, wat dit was wel, wat is dat veel technologie in en dat we investeren, ze hebben al wees losen omdat, omdat we schalen, en we wist ook wel dat er nog een tijd weg was voor dat dat op eigen benen constant, maar dat was een beetje al de basis voor Rosemann. Want daarna ben je naar wat, hoe is dat gelopen dan? Nee, dus daarna ben ik eigenlijk een bedrijf begonnen wat veel van onze oude klanten adviseren op dat samenwerking en een ander platform gebouwd heb, een Greenhouse Guess Accounting platform, maar waar ik veel tegenaan liep met name in samenwerking op gebied van data, zijn eigenlijk alle moeilijke. Ja, dat is heel moeilijk en vooral je maakt heel veel kosten aan de juridiskat en om te laten zien dat je compleind bent, met wettinggegegegevering en er moeten onder lang afspraken gemaakt worden en een van mijn goede studie voor in de toning ging, die ging met multi-poorty-computation en ik heb dus computing aan de stagje. Ja, dat is nou komt die MPC. MPC is een technologie waarmee je eigenlijk elkaar data kan gebruiken, zonder dat je die data met elkaar deelt of of aan elkaar expost, daar moet je even uitleggen. Ja, wat je doet is hier verslutels je data en keer, maar je ontslutelt nooit meer. En met deze techniek kun je reeknet wel de data versluteld blijven. Dus normaal gesproken kun je versluteling gebruiken om data op te slaan of om versluteld berigend te sturen, dat zie je, wat zep ook. Maar nu heb je ook technieke waarmee je kunt reeknet wel de data versluteld blijven en dat geeft je eigenlijk twee hele sterke eigenschappen. Stel dat wij elkaar data zouden combineren, dan hoef het dus niet meer naar één centrale server te sturen. Maar de eigenschappen die je krijgt is dat jij niet in mijn data kan kijken en ik niet in jou data, maar veel belangrijker nog, dat ik dan allerlei berekeningen en kweren is rijven die ik op jou data of op ons gecombineerde data set kan uitvoeren. Maar ik kan die berekeningen alleen uitvoeren als jij daar goed keuringen voor geeft. Dus ik krijg een hele sterke doelbinding. En dat betekent dat iedereen die meedoet aan een data samwerking continu de controle houdt over wat er wel of niet met zijn data kan gebeuren. En dat is als we terug aan het bouwen zonder vertrouwen als je alleen maar op jezelf hoefte vertrouwen om zeker te stellen wat er met jou data gebeurt, dan verlaagd dat het drempel enorm om aan een data samwerking met hem. Maar hele ver terug naar die mpc, die multi-party computing want wat je daar doet eigenlijk is dan deel je bijvoorbeeld een word op in, misschien kan je de beetje zelf werklijken, dat secret sharing. Dus je deel dan word op in in gedeeltes en dat geeft je nog het al en dan kan je dat weet je, kan je daar iets iets over vertellen zodat onze luister is een beetje weten wat nou mpc is, wat eigenlijk de basis is van wat jullie doen. Ja, je hebt verschillende vleudelingstechnieken, wat je vaak ziet. Als je een getal hebt, kun je dat versleudelijker in cybertext, een heel lang getallen, dat je herkent eigenlijk niet meer het oorspronkelijke getal wat je daarvoor had. Wat je bij deze techniek doet is je hebt een getal, neem het getal negen en ik knipt dat getal op in meerdere puzzelsstukjes, helemaal random, dus even in 1 vier en dan weet je dat het laatste getal vijf is. Als ik jou dat het getal vier geef, dan weet je niks over die ene niveau. Dus als ik die getallen zeplits en ik verspreid die in een netwerk van computers, dan kan je wist kunnen gehaantone, in dit geval is dat dus die verdelje overnotes, die verdelje overnotes en die pak je weer op. Ja en dan kan je aantone dat als ik inbrek op zo'n noden, dan vind ik niks aan random noise. Dus dit kan ook prima lekker, je kunt er niks mee, maar ik kan die notice over dit en het met elkaar verbinden en ik kan ik over internet, kan ik met een cryptoghuispronkel, kan ik een berekening uitvoeren. En wat we eigenlijk gedaan hebben is we hebben een Python library gebouwd, Kandas, lijkt op pandas en open source Python library, kandas is overgenomen, open source, en dat is eigenlijk de interface waarmee je modellen kan maken en vervolgens kun je die modellen laten rekenen op de versluid tot de data. Maar met die NPC benen we nog niet, want je hebt nog cryptog, grafie nodig. En waar heb je dat dan in combinatie met de NPC van nodig? Nou, dus NPC is eigenlijk de cryptoghuisde techniek, dus ze noem het multiparty-competentie, omdat je, omdat hij waar deze techniek heel krachtig in is, is om meerdere partijen elkaar data te laten combineren. En NPC is eigenlijk een hele grote koffer, een toolkist, met alle lijk cryptoghuisde technieken. Duidelijk, duidelijk. En dus aan het einde, krijg je een eindresultaat, wat geclasificeerd is, en dat biedt je dan aan een partij die daar wat mee kan. Ja, dus in je script en je Python script legt je vast wie de uitkomst mag onslutelen. En ook alleen maar die partij, of meer repartijen, kunnen dat antwoord dan terugbrengen naar zeg maar de echte wild. Dus dat betekent dat die data blijven lokaal, die gaat niet weg. Ja, de ruwe data blijft lokaal, de versluutelingen gaan natuurlijk over de lijn, die gaan weg in de raad en dat de realiseren, dus door dat viskundig delen, dat sharing, dat secret sharing. Exact, ja. En daar zijn jullie unique in. We zijn niet unique in de secret sharing, sterker nog. De TU Eind over waar niets en veel van onze cryptoghuis vandaan komen, die hebben een groot open source framework, glansheert, NPC, en veel van onze cryptoghuisde daar aan gewerkt. Waar wij eigenlijk uniek in zijn is, we hebben deze techniek geschikt gemaakt op een gewone commodity hardware, heel performe, we zeggen dat het in Nederland is. Eigenlijk gewoon via zo'n open source data. Ja, veel pandas library. Ja, dus we hebben gezorg dat je dat die toegangelijk is voor iedereen, voor een gewone data zin is die of geen cryptoghuis meer te zijn om die cryptoghuis te bedienen. Dat is een maar twee, we hebben gezorgd dat je veel minder rekenkracht nodig hebt om berekeningen te doen, maar traditionel kun je maar hele kleine data sets verwerken. Nu kunnen we enorme data sets verwerken, wat wij alleen norm vinden. Jij niet. Maar jij we achtergrond, vind je dat nog klein, maar wij kunnen nu, zeg maar, zijn nu de wereld aan het opentrek van miljarder records, wat we kunnen verwerken, maar dat zat na het al jaar geleden op 10.000. Ja, want voor dat ik in de voorbereiding kijk ik daar inderdaad na en daar hebben we gewoon over een groot tot wij planeteer-applicaties bouwen. Daar hebben we gewoon ook echt data sets van 43 miljoen, onder 20 miljoen. Dus ik zat ook meteen te denken van ja, leuk dat versleud, maar dat wordt dan wel langzaam. Kan je daar niet zo vertellen hoe dat dan werkt bij jullie? Ja, nee, dus het kost nog steeds veel meer rekenkracht, maar je kunt dus nu grote data sets en veel complexere modellen. We kunnen er niet, en een hele lame met 10 tot de 90's, dat gaat niet, dus maar daar is het ook niet voor, want wat je vaak, en wat je heel vaak ziet als je gevoelige data sets combineert, is dat je met name, ja, dus je doet een stuk pre-processing, nou, dat doe je natuurlijk niet onder een encryption, en alle gevoelige data die onder een encryption bij elkaar brengt, ja, daar kan je nu allemaal hele zinige dingen mee doen. En je vergeleek dat eigenlijk in de situatie met waar die data niet beschikbaar waren. Ja, dus we hebben het ook even gehad in de voorbeeld dat we de opname deden, dan ga je naar een partij doen, ziekenhuis wel wat dan ook en daar hebben wij ook wat ervaring mee, hoe je dat moet uitleggen aan de security officer en noemen op. Daar ga je na een partij, en hoe ligt je dan uit dat het seafis en dat je een PC gebruikt, is dat uitligbaar voor die mensen? We leggen wel als het concept van de techniek uit, maar hoe die techniek echt onderwater werkt, ik heb net heel simpel uitgelegd, maar het is natuurlijk veel ingewikkelder. We zeggen wel, ja, het is geen rocketseins, het is veel lastiger dan dat, om uit te leggen, maar wat wij doen is eigenlijk twee dingen. Eene zijds heb je nu een community van bevolgdjurristen en security deskundigen die goed kunnen uitleggen van wat zijn nou de eigenschappen die deze technologie gegeven en wat zijn de eigenschappen die wij claimen met ons product bijvoorbeeld. En we hebben dat vervolgens ook laten, we hebben daar al dit stop laten doen, een deel op source. En we hebben dat laten certificeeren, dus bijvoorbeeld op toepalsbaarheid, dus je hebt een schema van de IVD, daar zet voor gecertificeerd en daar kijk je ze eigenlijk naar welke claims, welke technie zijn, ik kom een hele claims maak jij die in relatie hebben tot technologie en klopt dat ook. Ja, ik zit even even na te denken in de dat tijdje geleden moesten alle banke data, delen met elkaar, maar dat was nog voor Roseman. Ja, wat is daar nu, dus dan doen zij dat dan op een gegeven moment via jullie technologie, of is dat dan een juice case waar je dat kan loslaat? Ja, dat is een hele interessante juice case, die is, daar zijn ze data gewoon gaan centraliseren en daar is, dat is toen om meerdere redenen is dat stop gezet, een van de redenen was ook dat daar problemen zaten. In die tijd speelde dat mijn dag dat dit soort technologie nog niet performant genoeg was. Dat je geleden was dat? Nee, nee, ze echt veel korte geleden, echt drie, vier jaar geleden en zelfs twee jaar geleden bestond het nog. Toen bekend werd dat ze moesten stoppen, toen hebben ze echt een jongens proberen erna alsjeblieft gewoon die software, je mag het eens nog eens gratis proberen. Dat hebben ze gedaan, we konden ook alles doen, wat ze beoegd te doen met software, dus dat was en daar zijn we nu ook nog mee bezig met een aantal betrokkenen, om te kijken hoe kunnen we dit dan opnieuw inrichten, op een manier die wel compleind is en in de tussentijd is er ook wetgeving veranderd die de voorzorgd dat je dit soort data partnerships kan aangeaan, die wetgeving gaat over spals in in 2007 en 2020, maar die mogelijkheden zitten er aan te komen, helemaal heel terug hoe lang bestaan jullie, vijf jaar, vijf jaar, hoe is dat? Je kwam er bij elkaar en de idee, hoe is dat verloopt, kan je daar niet zo vertellen? Ja, dat kan ik wel niet zo vertellen. Het tonen is die verteld aan mij van joh, ik ga een PhD doen, het had een hele goede karriere, ik kijk altijd heel hard tegen op, hij was de eerste die bij de leuid al laten, maar niet onderdeel. Hij werkte drie dagen en werd de eerste partner daar, die in drie dagen partner werd, van de slimme boven. Hele slimme, maar ook iemand, dat is wel uniek, combinatie heel slimme en die extreme hard kan werken. Dat vind ik wel leuk, dus hij is veel slimmer dan ik, maar hij toen moet nu lang. Ja, hij moet heel erg lachen, maar die ging in PhD doen, het was net na dat het partner was geworden, zijde van hij jongens, dat was leuk, maar eigenlijk is het veel zinniger om ook een stuk van mijn tijd aan wetenschap te besteden. En hij ging hier een PhD in die encrypted computer in, en ik dacht toen van, ja maar wacht even, als je die data niet meer hoeft te centraliseren, dan maak je de juridische en de complainsaspecter van data te delen, maar je is zo veel makkelijker. Dat liep je tuwkverduurde tegen aan met de logistieke, en ik zou zit het dan. Overal was dat, ik was zo gevesteerd dat je eerst heel veel geld gingen uitgeveren aan de jurist, toen je nog niet eens wist of je ubra ook data met elkaar ging delen. En toen zeg maar ja, dat is helemaal heel tof, maar die technologie kan je nog niet in de praktijk gebruiken, dat is gewoon die kostt te veel rekenkracht. Maar een tijd later heeft hij met Nik in contact gebracht, die is ons cTO, en Nik werkte eigenlijk aan een technische doorbraak, dus die werkte voor Berrie voor de TU Eindhoven aanmelde de partycompetation. En die zag eigenlijk van ja, weet je, dit is een heel mooi academisch framework, de kan je studenten heel goed met leren hoe je al gerid met zontwerpt. Die efficiënt rekenen het op versleutelde data, want daar zijn de wetten van hoe een efficiënte berekening opgebouwd zijn, zijn anders op pleertekst dan op versleutelde data. Maar ja, dat is niet geschekt om op gewone hardwer die in een datacenter vindt, om daar op te runnen. En toen heeft hij genieken mij samen in contact gebracht en Nik en ik zijn samen gaan kijken van kunnen we dit naar de markt brengen. Dus Nik is toen bij mijn vorige bedrijf komen werken en heeft eigenlijk doorgewerkt aan die technologie, tot dat we een werkenprood diep hadden. En toen zijn we eigenlijk gestart, hebben we toen door bijgetrokken, dus als je een drie dagen partner kan worden bij de looit. Dan kun je vast dat wel drie jaar gelukken, die halen. Ik kon hier twee dagen willen, ze werken. En dat werkt al heel snel, werkt dat veel meer dan een paar dagen. Maar zo zijn we eigenlijk begonnen en toen zijn we begint 2020 hebben het bedrijf opgericht. En waar staat je nu? Is het product klaar? Is het of. Het is nooit klaar, maar is het visbol nu? Ja, ja. Het was al heel snel, was het visbol om echt op grotere data te zetten, dus we hadden. heel snel hadden we een gain van 10.000 keer. En toen dachten we van ook over die bankekijs, dit is 'm. Dit is 'm, en we hebben het bedrijf opgericht eenzelfde week als de lockdown van corona. En toen dachten we van, 'Wetje, dit moet je gebruiken om bijvoorbeeld de corona-desport te bouwen'. Dus dat contact gaat met telekom opbrengt, dus van 'Wetje' is 'OK, zou je data kunnen ontsluiten en zonder dat het lekt'. Nou, dat werd het allemaal niet, maar een tijdje laat, de crénie over de buuen. Want het is smulelijk, het is moeilijk, he. Nou, en wie ben je? Weet je al, mensen wel onderzocht dat het wel bij tijd, he? Ja, supermoeite tijd, maar je bent ook terug, denk ik, kan nu maar hoor. Ja, precies. Nee, zeker. En in het begin, ben je best wel heel hard aan die technologie aan het werk. En komt er een moment dat je zeggen dat 'OK, nou werkt het'. Wie zit hij eigenlijk echt op te wachten? Daar was ik wel al mee bezig hoor, dus die ik was heel erg met de techniek bij. Ze zeggen wel dat je inmiddels een eerste cryptograf ook aangenomen. Maar toen zei eigenlijk het National Cyber Security Center, van als je dit echt werkt, het kan krijgen in onze omgeving, dan gaan we je in uur. Dus die hebben onze kleine pilot op de dag gegeven, eigenlijk met de challenge van jou. Kan je dit in 12-week live trekken, dan gaan we verder. En dat hebben we, ja, dat krijgen we eigenlijk vrij snel aan de praat, maar we kwamen toewel met elkaar achter. We hebben een fantastische cryptografische doos gebouwd, maar die kan niemand bedienen en bouwen van mij zelf. En dan begint het wel, maar die leefde wel waard. En eigenlijk zijn we de eerste jaren heel intensief met hen en met een andere overheid. We hebben eigenlijk een ontwikkelen geweest. Eén in zijds om te kijken waar moet die cryptografie naar toe en een andere zijds, hoe passie hem dan toe in een gewone software omgeving en die ik had daar al heel veel idee over. Maar die moeten dan ook nog passen in de praktijk. En ik denk dat we daar heel goed in geslaagd zijn om echt een softwareproduct te bouwen wat niet voelt niet meer als cryptografie, omdat je je niet in de data kan kijken. Maar je hebt het even over, toe vonden we een cryptograf, wat is dat voor iemand? Haal je die van daar? Het is dat voor opleiding. Ja, dat is. Het zijn we eens kunnen. Mensen met vaak of een vooropleiding met informatica of wiskunde die een PSD gedaan hebben in de cryptografie. En dat is eigenlijk een vijfzende niveau. In vijfzende niveau? In vijfzende niveau. Dat is een heel weinig wereldwijd. In Nederland is echt een grote speler, we hebben het op het gebied van de cryptografie. Dus we hebben de TU Eindhoven, we hebben het centrum voor wiskunde informatica in Nijmegen. Zet een goede vakgroep. Nederland is daar heel sterk in, dus daar spelen we echt in de top 10 wereldwijd. En buiten het top 10 is overigens niet zo heel veel. Maar en wij kunnen echt de concurrentie aan met wat er in Amerika en Israel, in Frankrijk, dat denemarken. Dat zijn. Je kan de concurrentie aan. En toen was er een duitspartij. En die zei van, ja, we willen eigenlijk wel meedoen. Ja, nou ja, daar zat wel wat er onderstussen, dus we hebben best een aanloop gehad, waar we geld moest opalen, omdat we heel veel arendi doen. En heb je dan een verhaal wat aanslaat in de zin van, is iedereen op zoek naar deze technologie vanwege Europa, GDPR, en noem er op of is het? Ja, en begin dachten wij dat wel. En begin dachten we, weet je, met deze techniek kun je heel compleind zijn met GDPR. Ook als je data combineert en dat komt door die sterkendoelbinding. En toen dachten we, GDPR is dit river, maar dat bleek niet zo te zijn. Het is eigenlijk gewoon de confidentiality, dus vertrouwelijkheid van de data, of er nou commerciale vertrouwelijkheid is, of omdat het bijzonder pistonsgegeven zijn. Vertrouw is speelt daar eigenlijk altijd een rol. Dus het komt altijd weer terug op dat bouw, zonder vertrouwen, daar zetten de use cases. En nou ja, dat zijn vaak maatschappelijke use cases, dus of in het National Security Domain, dus bijvoorbeeld opsporing, heel veel aan de zorg. Het sociale domain, dat zijn de domijnen waar eigenlijk dus toch alle domijnen. Ja, je kunt er nog veel breder toepassen, alleen alle projecten waar wij komen is de eerste vraag van hoe zitten we met de security. Ja, ja, dat klopt. Nee, dus dit ben ik absoluut met je eens, ik denk, waar wij heel erg aan moeten werken is nog ons verhaal. Dus we hebben net vorig jaar zijn we ook gewoon om geflinkt te investeren in goede professionele marketingers die ons daar ook bij helpen, want hoe leg je dit nou uit en waar zit er dan de benefits? Het is wel zo dat als je het hebt over goede security, dat je de veel van de data lekker die je leest in de krant, dat zijn dingen die echt al met hele simpelens security voorkomen had kunnen worden. Dus met andere woorden, we krijgen veel zeggen, wij kunnen met ons oplossen naar binnenlopen, maar als je dat doet bij een organisatie die eigenlijk zijn basis security nog niet op orde heeft, die is echt nog niet goed om haar te denken of dat we het ook niet even over. De trivialen dat iedereen ze gewoon eten mag niet met data komen, maar als ze bekend wordt gemaakt dat een credit card leverons hier 13 miljoen dataelijke heeft dat niemand hangt alleen van, ik heb zo'n credit card, hoe denk jij erover? Ziet dat? Ja, dat is heel bijzonder. Dit is eigenlijk, dat is hetzelfde als er hele grote, als een oorlog is, en hoe kreeg je wat dan, we raak er aan gewend of zo, vanochtend laske en computerbood dat er wat was het 3 1/2 miljoen, wat ze heb nummers gelegd zijn, vergevens van 3 1/2 miljoen. Ik heb het meteen, wat ze heb gebeeld? Ja, precies, we hebben het gezien natuurlijk bij de GGD, dus nu laatst wel veel meer rumur ontstaan bij dat diagnosicentrum waar data van gelukt zijn, omdat ze meer data, maar het is niet in de data dat het licht ontgaat. Ik las ze vanmorgen in de Wall Street Journal in Norway hebben ze een Chinese bus, die rijder rond, hebben ze in een groot gezet, om te kijken wat ze zet dan zjaar luidt. Zat op de accu zat een e-pron gemaakt in de romaine in China, wordt uitgelezen dat ze misschien ook kunnen zetten. Nou, is dat geen nieuws, want ik krijg niet deze laag, precies, en die kan ook. Maar in een van de manier hangt haar toch over data en eng iets, het wel. Knops. Ja. Nee, ik denk data, en ook privacy, daar zit iets bij, dat maakt ze net zo ongelooflakelijk. Ja, klopt. Wij verdrug naar de groei van Rosnol, die is een club die heeft nu zwaar geïvesteerd in jullie. Nee, dus dat is dat voor partij. Ja, dat is heel interessant bedrijf, Gieske en Devriënt, dat is ook even aan winnen, GGD. Dat is eigenlijk een van de grootste, ze noemen het zelf trust, technology, leveranciers. Dus zij hebben voor 80 procent van alle centrale banken, weer het wei, het laat hun geld print door GD. En zij hebben hier heel die infrastructuur die daar achter zit, dus de digitale infrastructuur, de aansturing van binnenautomaten, dat soort technologie leveren zij, zij hebben in ons geïvesteerd en ook heel erg kijken van hoe zit jullie technologie in elkaar en hebben jullie in aantal eigenschappen waarmee je echt een wereldspeler kan worden en met name op bepaalde domijnen. Dus het gaat natuurlijk altijd om het combineren van bepaalde data zet. Kan dat met dit soort technologie een beetje echt gaalbaar. Oké, ik leef het je naart, gewoon de operatie wij komen bij jou, wij bouwen een platform voor twee ziekenhuizen. Het energiekuizen heeft data zet 'a' en dat andere ziekenhuizen heeft data zet 'b', die willen we eigenlijk allebei in ons relative funder die platform gebruiken daar met EA etjes oplossingen bouwen en nou bellen ik jou op, hoe werkt dat dan? Wat krijg ik dan? Hoe gaat dat in je werk? Jullie gaan naar het ziekenhuizen, jullie leggen, vertelden ze hoe werkt zo iets. Hoe dat normaal gesproken werkt is, wij hebben eigenlijk een package die je gewoon kunt downloaden. Daarmee kan je modellen maken, maar je gaat eerst naar de security officer en dan laat je een log zien of neem ons is mee, dat hele proces. Het start eigenlijk altijd wel bij iemand die meer strategisch en business unit-manager iemand die verantwoordelijk is voor een business unit of voor een ziekenhuizen. Nou ja, voor een mandaat, voor echt een groot probleem binnen zo'n ord. Wat zijn dat voor mensen? Als je nou kijkt naar twee van die ziekenhuizen, is dat dan, heb je daar de valing in? Is dat dan een onkoloog die zet voor jou? Voorbeeld, ja. Dus iemand die. Dus dat is echt de business? Ja, dat noem wij dan de business uit, dus met iemand die u een utrecht, die hebben een netwerk van ziekenhuizen om kindermishandeling, om huizelijk geweld, om daar inzicht in die keten te krijgen. Ja, dat zijn de mensen op de werkvloer die zeggen, ik moet die dat hebben elkaar krijgen. En dan zijn er andere mensen in ziekenhuizen die hebben over ons gelezen, vaak meer technische mensen of geluisteren, of precies, nou ja, toevallig net een hele goede medewerker aangenomen omdat hij een podcast gehoord had, maar zo komt dat dan bij elkaar en die zeggen, kun je dit echt en kan het ook makkelijk, want mensen zitten er niet op de wacht om hele grote lastige implementaties te doen, ze willen vooral resultaten hebben. Dus dat is ook wat wij proberen te optimaliseren, is eigenlijk onze time to impact, proberen we zo kort mogelijk te maken. Dus die partij die heeft gezegd, het geloof ik wel, en dan. Nou ja, de eerste stap die je dan altijd krijgt, in de eerste keer, het is juridisch anders. Dus als je kijkt naar die juridische context wordt hij eenvoudiger, maar omdat hij nieuw is, moet iedereen er wel hier staan werken. Ja. Iedereen stond hier bij de helft, verkaald van het ziekenhuizen, privacy of serve, en die kijkt erna, eggs aan die gereste stempel. Ja, en dan. En dan is het identificeerje eerste, oké, wat gaan we eigenlijk met elkaar doen? Wat is het doel van deze verwerking, wat daar, dat kan ook niet hier kunnen, die jurist kan geen goed keurig geven als je niet weet wat het door is. Als je het doel hebt, dan leg je vast oké wat voor een verwerking, wat voor een berekening er gaan we doen. En die ga je vervolgens gewoon progemeren in een Python package, dat kan gewoon in je eigen Python package zijn. En vervolgens roep je de data van andere bronnen aan en die bronnen die kunnen eigenlijk lokaal hun data versleutelen. Ja. En die versleuteling die data die data wordt dan zoals we aan het begin zijn, die wordt eigenlijk uitgezet in het netwerk, waarin niemand meer in die data kan kijken en ook niemand meer die data kan gebruiken, tenzij je een goed keurig heb. Dus een digital sign-off van het Python script wat je net geschreven hebt, als je een digitale handtekening hebt van die eigenaar van die data, dan kan je gewoon je Python script gaan draaien. Oké, en dat gaat dan naar een formensuit of een partij die die data kan. Ja, wie je aanwaist. Een voorbeeld is nu, we werken nu, zijn we net eigenlijk aan het kijken met voor een zeltshama hartziekte. Die hebben twee registries, dus twee grote databases. Ze combineren dat met beschipsiedata van een andere partij die data kunnen ook niet gedeeld worden. Dat willen ze combineren met data van het CBS. Daarmee heb je eigenlijk een heel integral beeld waarin ze allerlei correlaties kunnen leggen, maar ook een aantal, er willen ze ook een aantal verspellen de modellen bouwen. En dat stellen ze vervolgens ter beschikking aan twee formensuiten die aan een oplossing werken. Die is die echt aan een wandelingwerk en die hebben al heel veel propriety data verzameld. Ze zitten jaren van onderzoek in, die willen dat weer niet delen, maar die kunnen dat dus nu in elkaar schuiven, niemand hoeft zijn data te delen, maar je kunt wel de combinatie maken van die data sets. Dus nieuwe insight te creëren. En jullie zijn vijf jaar bezigd, dit is natuurlijk een oplossing waar iedereen eigenlijk op het gebied van GDPR security is dit hond gezien jullie nu los, is het begin nu te komen. Als we we gaan ons steeds meer, aan het beginnen, zijden wij ja, weet je, kunt het voor alles gebruiken. Dat is technisch gezien wel zo, maar dan maak je niet heel veel impact, dus we zijn ons steeds meer gaan richten op hele specifieke use cases waar we zelf ook gewoon van weten. Nou, die wil ik wel eens worden dan. Nou ja, dus dat is veel gebeurt er nu in het security domain, waar je echt ziet dat vertrouwelijkerheid is chefzagen, maar er zit ook een hele hoge druk om meer uit data te halen. Iedereen, maar noem is er mooie, de Nederlandse Cialier, of vertellings. Nou, ik kijk nog steeds mega trots op en dus nog steeds onze eerste klanten is ook onze grote klant nog steeds, maar dat is het National Service Security Center, die hebben een platform gebouwd, jukeje net. Dat platform was voor de vitale infrastructuur, er hadden alle bedrijven waar Nederland iets meer dan honderd bedrijven. Die hebben een samenwerking voor band, via en dat draait helemaal op onze technologie. En daarmee is de grootste Ransomware-organisatie in Europa ooit geidentificeerd en die is vervolgens naar beneden gehaald. De hele onderbedrijven zijn er bij our gesloten, dan verbind je dat help me eens hoe werkt in de praktijk, hoe werkt dat, wat is dan de oplossing? Ja, dus daar wordt data opgehaald bij die verschillende organisaties. Ja. En vanuit die data is gevoelig, dus dat kan data zijn over ongoing attacks, modizo-apparandie, maar bijvoorbeeld ook data over systemen die bepaalde organisaties gebruiken en zeker bijvoorbeeld in bepaalde professionele context worden nog wel een systemen gebruikt die we wij spreken uitgevaseerd zijn. Nou, daar ga je niet naar de buitenwereld roepen, maar dat zijn juist wel de partijen die wil beschermen. Want als er een vulnerability gevonden wordt in, dan weet ik veel windows xp en dat draait nog ergens op. En ik noem er wat er over naar. En daar ga ik verdien, wat hoor ik, dus geen echt of dat is. Ja, dan is zo'n organisaties kwetbaar en die wil je informeren. Maar wat er in dit geval gebeurde is dat er was een enorme ransomware golv, trokker door Europa. En iedereen dacht dat er heel veel verschillende organisaties waren, maar door die informatie of karheen te leggen en dat patroon zichtbaar te maken, kwamen ze op een zachter, ja maar zijn eigenlijk allemaal hand om landelen metzelfde ransomware-organisatie. En toen kreeg je dus dat iedereen zei, ja, ook helemaal in dat geval, moeten we actie gaan blijven, want dat kunnen we als we die uitschakelen een heel goed probleem minder. Ja, dat is een hele mooie juustroof. Ja, dat is toch wel. Heb je er nog geen? Nou ja, in datzelfde door mij een andere die ik heel mooi vind, is gewoon het beschermen van informanten. En dus in de opspollensketen werken we alweer verschillende partijen met elkaar samen. Wat je het laatste wat je wil, is dat jouw informanten gevaarlopen omdat een andere eneheid in interventie doet. Ja, iedereen snapt dat je die lijste niet met elkaar kan delen, want een lijst van een inval of wat dan ook. Nee, van letterlijk een lijst met mensen, die informant zijn, bijvoorbeeld voor de politie, of informant zijn, voor een private organisatie, dat heb je ook heel veel. Die mensen, dat is extreemgevoelige informatie, en in de mensenhandel keten werd bijvoorbeeld af en toe aan een rechter gevraagd van 'etje we gaan hier aan de slag, kun je je vergelijking maken tussen de mensen van deze organisatie en die, dat deed de rechter dan, alleen toen werd dat op deze lijst van 400 mensen, allemaal romensen en oosblok namen, en die echt, ik heb het overzicht niet meer, ik kan het niet meer vergelijken. En dan zijn er niet zo heel veel technologie waarmee je uit te voeten kan, maar met de partikompeties kan het supermakkelijk. Dus we hebben een machine learning modell gemaakt waarmee je namen die ook verkeerd gezeven zijn, die namen zijn opgevallen door Nederlandse politiegen, dat je die kunt vergelijken en kunt zeker stellen dat waar je een intervention doet dat je daarmee niet iemand anders in de wegzetten. Dit zijn twee gafioeskijsen in de security cyber, heb je dan ook nog een keer in het publiekend door mijnen, ziekenhuis of wat dan ook of. Ja zeker, ik noem dat die effectiviteit van die banden lingen, maar we zijn net ook voor VBS, we begonnen voor juistwoord. Dus daar wat je daar, ik hoef het thee maar juist niet uit te leggen, wat daar speelt, is heel veel problemen waar je data kunnen helpen om betere interventions te doen. En één van de problemen is bijvoorbeeld voegzingenleeringen, dus dan zegt iedereen van ja, hoe kan het nou dat niemand aan de beltrok? Nou, één van de problemen is bijvoorbeeld dat als jij na de politie die zit in het thuis, ik noem maar even met weer een geval van die kinderen in dat gas gezin, wat foutiging. Ja, dan kan het zijn dat iemand een signaal pikt, maar die zet dat al, dat signaal kan op verschillende manieren in de keten terechtkomen, als je vervolgens weer centraal gaat verzamelen wie iets gezien heeft, dan heb je heel veel dubbeltelling. Dus je ziet letterlijk door de boom met bos niet, nou met onze technologie kun je zo wel kijken of je het over hetzelfde persoon of hetzelfde gezin hebt. En je kunt ook vergelijken en daar heb je hele gevoelige data voor nodig, of je het over dezelfde, ik van zeg ik, kees, maar het gaat om hetzelfde incident hebben. Dus tel per spraken van mishandeling, als er als er een zorgorganisatie informatie over heeft, dan kan dat bijvoorbeeld een beetje beroep schijm zijn, die kunnen dat hij maar niet expozen. Maar je hebt die informatie wel nodig om die dubbeltelling te voorkomen en dan pas krijg je een goed beeld. En dat kan bijvoorbeeld met dit soort technologie dus daar gaan we nog kijken. Er zijn veel justitie, zorgen, maar banke, verzekerheid. Ja, die zit hier toch helemaal om te schreeuwen. Ja, zeker. Dus in Nederland heeft het project gelopen wat stil gezet is, TML. Daar wordt ook weer gekeken, daar kunnen we dit opnieuw starten. Maar we zijn eigenlijk in het uitland van TML transactie-monitoring Nederland. Dus er was heel veel concerns vanwege terechtprijsje redenen en er werd heel veel data er centraliseerd, maar dat kan je ook maar dit soort technologie doen, alleen toen werd nog gedacht dat die technologie nog niet in zetbaar was op zulke grote hoeveelheden data, maar dat hebben we eigenlijk daar kunnen laten zien in de nadeagen dat dat kan met onze technologie. En we hebben nu recent, hebben we in Ierland een pilot afgerond die duur doorgaat naar een reproductie. Dat is niet alleen Nederland, ja. Nee, zet. In Duitsland zijn we nu in verschillende Europese landen komen er vragen over deze toepassingen. Dus dat is, dat is hier ook behoefte bij grote bronzorganisaties om alle data, zoals jij in het zij van logostiek en te gaan combineren met deze technologie. Ja, zeker. En vooral vaak in public privatesamewerking, dus als je bijvoorbeeld hebt over online frauden, daar is een enorm probleem, ja, daar kan je door de juiste data met elkaar te delen, kan je allebei mooie inzichten. Erbalf. Ik zei het al, Roderic, we woeg onderbij de koffie over de eisjes van Unileve, maar ik zie dat het ook echt jouw pakte waar je nu mee bezig bent, je aan het bijna volledig in de microfoon. We zitten al weer op 44 minuten, ik voorspel die het al, dit geeft heel te snel. Heb je nog een afsluiten? Nou, kijk het mooie is, we hebben natuurlijk altijd wat het heel even over die time to impact. Nou, jij kent talent heel goed, ik niet, maar wat ik wel van zewet is dat ze een hele toffe approach hebben om heel snel impact te laten zien. Ja. En eigenlijk een pressure cooker waarin je in z'n paar weken tijd van nul naar impact gaat. Dag. Nou, of dagen? Nou, helemaal mooi. En eigenlijk, mijn uitdaging is als mensen zien van ik heb een case, ik weet waar de data zit. En we gaan in som pressure cooker doen, dan zou ik die wel willen aanbieden. Als we dat gewoon in een week te dorken en op een zvervuldig manier, dus dan door er hierin is een evaluatie, we doen de relatie van het luk waar je ziet dat dit met een houdsnijdt. Nou, dit ben je leuver. Ja, dat naden weet ik echt niet. Het zou kunnen hoor, maar het is natuurlijk wel leuk om een case te pakken in domaing waar we nog niet zitten. Nee, natuurlijk dat begrijp ik. Ja. Dus in die zin is leuk, maar ik denk dat een mooie case zou toch wel of een financiële of in zwartomhein. Dus we roepen eigenlijk op, die ING-banker nog groter voor zekerhars, we willen samen wel eens wat aan jullie laten zien, precies doen we voorweinig, in een paar dagen komt het is op. Ja, helemaal goed. En je voordat het afsluiten de laatste vraag, Rootsman-lapse, wat komt dat vandaag? Ja, dat is heel zo. Ja, wij, ik had een heel leuke kantortje in Bredaar, heel oudpant van de belasting niest en ze hadden van die roze tegen Plafond gestukt, en toen kwam nikt het mee, ja, dat was superroozade betekent dat wat je in die kamer perspreekt, dat dat binnen die kamer blijft. En dus ze zaten een beetje op dat tema, ze hadden we te brennen en op eens nikers krupt schraafd, dus die kwam, die legt het puzzelsje, roodemburg, zegersbouwman, dat Rootsman. Nou, zo, we hebben nog een lap zachter hegeplakt, omdat Roosman.com was niet beschikbaar, en zo gaat dat, zeg maar. Hey, ons sind bedankt, rooder, ik leuk. Gaaf, man, wat jullie doen, echt een andere keukent van een taai onderwerp echt iets leuk smaken. Ik zie je taanje. Bedankt. Dank je wel. Bedankt voor het luisteren naar deze uitzending van de data-loog. Vond je onze podcast leuk, goed, interessant of we lichten veel ene ene nullen, laat een riefje achter, of geeft hem z'n app. Heb je vragen of opmerkingen? Kijk dan ook eens op www.dedataloog.nl Hier staan ook de shownotes van alle uitzendingen. Je vindt onze nieuwe uitzendingen, wekelijks op iTunes, Stitcher, Spotify en alle andere bekende podcastplatforms. Alles wat we maken, doen we onder creative comments. Je mag alles hergebruiken voor niet commerciale doel einde, zolang je ons als bron manoemd. Volg ons op Twitter op @dedataloog. Graag tot de volgende keer!