De volledige gids voor defensie-gegevensfusie en inlichtingensoftware

Gegevensfusie is de technische discipline die de ruis van tientallen incompatibele sensorfeeds en inlichtingenrapporten omzet in één beeld waar een analist op kan handelen. Doe het fout en operators zien dubbele tracks, conflicterende posities en verouderde gegevens — en stoppen het systeem binnen een week na implementatie te vertrouwen. Doe het goed en het platform wordt onzichtbare infrastructuur: de COP werkt gewoon, waarschuwingen zijn geloofwaardig en nabeschouwingen hebben het benodigde bewijs.

Deze pilaarhandleiding verzamelt de architectuur, algoritmen en technische afwegingen die bepalen of een defensie-inlichtingenplatform de betrouwbare-infrastructuurdrempel bereikt. Het is gericht op de ingenieur of programmabeheerder die een multi-bronfusiestack ontwerpt — of voor een nationaal inlichtingencentrum, een brigade-niveau COP-backend of een ISR-triagepijplijn die een breder C2-platform voedt. Elke sectie linkt naar diepere artikelen in de Corvus-blog.

Wat gegevensfusie is, en waarom het bestaat

Sensoren en analisten produceren rapporten. Elk rapport is een gedeeltelijke, ruizige, tijdvertraagde observatie van de werkelijkheid. Een radar schildert een return op coördinaten X met snelheid V. Een AIS-bericht zegt dat vaartuig Foxtrot op coördinaten Y is. Een FMV-operator meldt een voertuig op coördinaten Z. Een menselijke bron meldt een beweging op coördinaten W met een vertraging van zes uur. Elk van die rapporten kan verwijzen naar hetzelfde fysieke object of naar vier verschillende objecten. De taak van gegevensfusie is te beslissen wat het geval is.

Het naïeve alternatief — elk rapport op een kaart weergeven als een onafhankelijk symbool — produceert wat ervaren analisten "track-soep" noemen. Een druk maritiem beeld kan 5.000 verschillende objecten bevatten weergegeven als 20.000 symbolen, elk om aandacht schreeuwend. De taak van de operator wordt patroonherkenning tegen het scherm in plaats van tegen de werkelijkheid. Fusie is wat het symboolaantal terugbrengt naar de waarheid.

Voor een gerichte behandeling van de principes en technische beslissingen, zie Militaire gegevensfusie uitgelegd: van multi-bron tot één beeld. De rest van deze handleiding bouwt op die basis.

Het JDL-model: een kaart van de probleemruimte

Het Joint Directors of Laboratories-model geeft het vakgebied zijn vocabulaire. Vijf fusieniveaus worden erkend; de grenzen zijn onvolmaakt maar de niveaus blijven nuttig als planningsinstrument.

Niveau 0 — Signaalpre-verwerking. Ruwe sensorsignalen naar detectie. Radarretouren naar plots, FMV-pixels naar detectievakken, ruw SIGINT-spectrum naar peilberichten. Dit is sensorintern werk, steeds meer afgehandeld door de eigen embedded verwerking van de sensor in plaats van door het fusieplatform.

Niveau 1 — Objectverfijning. Track-tot-track-correlatie, identiteitsschatting, classificatieverfijning. Dit is de kern van operationele fusie: nieuwe observaties associëren met bestaande tracks, kinematica bijwerken, identiteitszekerheid verfijnen. Elk defensiefusieplatform implementeert Niveau 1 volledig — zonder dit zijn er geen nuttige tracks.

Niveau 2 — Situatiebeoordeling. Relaties tussen objecten: konvooien, escorteformaties, contactnetwerken, dreigingsdoelkoppelingen. Het aggregaatniveaubeeld dat een lijst van tracks omzet in een tactisch verhaal. Niveau 2 is waar moderne fusieplatforms zich onderscheiden — en waar de meeste te veel beloven.

Niveau 3 — Impactbeoordeling. Toekomstige situaties, intentie en dreigingsimpact voorspellen. In de praktijk is dit grotendeels mensengestuurd met softwareondersteuning: handelwijzeanalyse, dreiging waarschuwing, voorspellende routering. Volledig geautomatiseerde Niveau 3-fusie is zeldzaam; de vertrouwensdrempel is hoog en de gevolgen van fouten zijn operationeel.

Niveau 4 — Procesverfijning. Sensorbeheer en -taakverdeling op basis van fusiebehoeften — wijs de UAV aan naar het gebied met de meest dubbelzinnige tracks, herbevestig de SIGINT-collector om identiteit te verduidelijken. Belangrijk en ondergewaardeerd in software; verdient zijn eigen architectonische behandeling.

Voor de technische weergave van elk niveau — wat te bouwen, wat over te slaan — zie Het JDL-gegevensfusiemodel: een praktische technische referentie.

Multi-bron versus multi-INT: het onderscheid dat de moeilijkheidsgraad bepaalt

Ingenieurs verwarren vaak "multi-bron"- en "multi-INT"-fusie. Het zijn niet hetzelfde probleem.

Multi-bronfusie combineert rapporten van compatibel type — drie radars die hetzelfde vliegtuig zien, twee AIS-ontvangers die hetzelfde vaartuig horen. De semantiek is op elkaar afgestemd over bronnen: positie is positie, identiteit is identiteit, zekerheid is zekerheid. De moeilijke delen zijn kinematische associatie en probabilistische gegevenstoewijzing onder trackhoge druk.

Multi-INT-fusie is moeilijker. Elke inlichtingendiscipline draagt verschillende semantiek:

SIGINT — signaleninformatie — geeft peiling en identiteit, vaak zonder nauwkeurige positie. Een SIGINT-rapport zegt "zender X bevindt zich ergens langs deze peillijn". De fusielaag moet peilberichten over stations combineren om te lokaliseren.

IMINT — beeldinformatie — geeft positie en identiteit met hoge zekerheid maar in het tempo dat de collector revisiteert. Een IMINT-rapport is een puntschatting met een effectieve versheid van uren.

ELINT — elektronische inlichtingen — overlapt SIGINT maar richt zich op radar en andere zenderkarakterisering, invoer in de elektronische strijdorde.

OSINT — open-broninformatie — trekt uit sociale media, scheepsvolgsites, nieuws, satelietbeeldleveranciers. Zekerheid varieert enorm en brontoeschrijving is even belangrijk als de inhoud. Het platformpatroon voor OSINT in defensiecyberoperaties wordt behandeld in OSINT-dreigingsbewaking voor defensie.

GEOINT — geospatiale inlichtingen — combineert beeldmateriaal met terreinanalyse, routevoorspelling en patroon-van-leven op geografisch substraat.

HUMINT — menselijke inlichtingen — heeft hoge latentie, veel classificatie, bronbeschermingsgevoeligheid. Een HUMINT-rapport kan niet worden doorgegeven aan coalitiegenoten zonder vrijgavescreening.

De fusie-engine moet de semantische verschillen over deze disciplines bewaren, ze niet samenvoegen in één zekerheidsGetal. Een track bevestigd door IMINT en SIGINT is kwalitatief anders dan een track bevestigd door twee SIGINT-peilingen. Het defensie-inlichtingensoftwarepatroon in Defensie-inlichtingensoftware uitgelegd schetst hoe multi-INT het bredere platform vormt.

SpoorCorrelatie: het kernalgoritme

De enige meest consequente technische beslissing in een fusieplatform is hoe track-tot-track-correlatie werkt. Twee patronen domineren, en de meeste echte systemen combineren ze.

Probabilistische gegevensassociatie. JPDA (Joint Probabilistic Data Association), MHT (Multiple Hypothesis Tracking) en hun varianten berekenen de kans dat een binnenkomend rapport bij elke kandidaattrack hoort, gegeven kinematische voorspellingen en identiteitsvooroordelen. Ze behandelen dichte, dubbelzinnige scenario's — veel tracks dicht bij elkaar, frequente occlusies, intermitterende rapporten — veel beter dan regelgebaseerde methoden. De kosten zijn computationeel: MHT in het bijzonder groeit hypothesen exponentieel zonder snoei, en het afstemmen van de parameters is vakmanschap.

Regelgebaseerde correlatie. Heuristieken toegepast in prioriteitsvolgorde: identiteitsovereenkomst wint; kinematische poortovereenkomst binnen tolerantie; broncompatibiliteitsovereenkomst. Goedkoop, verklaarbaar, gemakkelijk te debuggen. Broos bij hoge dichtheid — een 1.000-trackscène met frequente kruisende banen produceert valse correlaties of gefragmenteerde tracks.

Het hybride patroon: regelgebaseerde correlatie behandelt de 90% gevallen die ondubbelzinnig zijn, probabilistische associatie wordt aangeroepen voor de betwiste 10%. De regellaag fungeert ook als een grof filter dat de hypotheseruimte van de probabilistische engine beheersbaar houdt.

Een subtieler probleem: wanneer twee tracks moeten samenvoegen, en wanneer één track moet splitsen. Een vaartuig dat een uur geleden van radar verdween en bij benadering op de juiste plek opnieuw verschijnt — is het dezelfde hervatte track, of een nieuwe track? Verschillende antwoorden hebben verschillende operationele implicaties. Het antwoord heeft configureerbare drempels nodig die gekoppeld zijn aan het operationele concept, niet hardgecodeerd.

De berichtenpijplijn: ruggengraat van elk fusieplatform

Fusieplatforms bewegen veel berichten per seconde tussen veel componenten. Het berichtensubstraat is een beslissing waarmee het platform zijn operationele leven mee leeft.

Het dominante patroon: een duurzaam, geordend, gepartitioneerd logboek — Kafka, Pulsar of NATS JetStream — draagt elke observatie, fusiegebeurtenis en operatoractie. Consumenten abonneren op relevante onderwerpen en verwerken op hun eigen tempo. Herhaling is mogelijk omdat het logboek duurzaam is. Audit is automatisch omdat elke gebeurtenis in volgorde wordt bewaard.

De keuze heeft harde afwegingen. Kafka is volwassen en operationeel goed begrepen maar heeft accreditatie-overhead en resourcevereisten die een kleine implementatie overstijgen. NATS is lichtgewicht en integreert goed in tactische platforms maar mist het ecosysteem van Kafka. De gedetailleerde vergelijking en patroonhandleiding staat in Berichtenwachtrijen voor defensie-gegevenspijplijnen.

Een veel gemaakte fout: HTTP-verzoek/antwoord gebruiken tussen fusiecomponenten in plaats van een berichtenbus. Synchrone aanroepen koppelen beschikbaarheid — als één component traag is, staan alle aanroepers stil. Fusieplatforms moeten sensorgolven, netwerkonderbrekingen en component herstarts absorberen; een berichtenbus met backpressure-afhandeling is structureel noodzakelijk, niet optioneel.

Event Sourcing en audit: waarom alleen-toevoegen wint

In commerciële software zijn auditlogboeken vaak een bijzaak. In defensie-inlichtingensoftware zijn ze het middelpunt van de architectuur. Elke observatie, fusiebeslissing, classificatieoproep en operatoractie moet reconstrueerbaar zijn vanuit het audittrail — voor nabeschouwing, voor accreditatie, voor juridische procedures en voor het opleiden van de volgende generatie analisten en modellen.

Het patroon: event sourcing. De autoritatieve toestand van het systeem is het alleen-toevoegen-logboek van gebeurtenissen; de database is een gematerialiseerde weergave erbovenop. Elke wijziging is een onveranderlijk, cryptografisch ondertekend item. Tijdreisquery's — "wat geloofden we om 14:32?" — worden triviaal. Herhaling van vroegere gebeurtenissen tegen een nieuw fusiealgoritme geeft schone A/B-tests. Het gedetailleerde patroon staat in Event Sourcing voor defensie-audittrails.

De te vermijden fout: audit bevestigen aan een veranderbare database. Een rij die vastlegt "voor het laatst bijgewerkt om 14:32 door gebruiker Smith" verliest de vorige toestand, de redenering en de keten van beslissingen. U kunt niet reconstrueren wat het platform een operator om 14:30 toonde. Accreditatiebeoordelaars kennen dit patroon en wijzen het af.

De geospatiale ruggengraat: PostGIS en verder

De meeste defensie-inlichtingengegevens zijn geospatiaal. Tracks, observaties, operatiegebieden, terrein, infrastructuur, vuurvrije zones, IED-geschiedenissen — alle leven in ruimtelijke coördinaten. De geospatiale database is het deel van het platform dat u niet fout kunt doen.

De huidige standaard is PostGIS op PostgreSQL — open source, accreditatievriendelijk, volwassen, verwerkt miljarden punten met de juiste indexering, integreert met het SQL-ecosysteem. Voor de technische weergave van PostGIS in defensie, inclusief indexstrategieën, partitionering en de workloads die het breken, zie PostGIS voor defensie-geospatiale gegevens.

PostGIS is niet geschikt voor elke workload. Tijdreekssensorstromen (radarplotgeschiedenissen, telemetrie) horen in TimescaleDB of InfluxDB, gezamenlijk bevraagd met PostGIS voor gecombineerde ruimtelijk-temporele analyse. Beeldmateriaal en full-motion video horen in objectopslag met metadata in PostGIS. Voorgerenderde kaarttegels, vooral voor tactische randimplementaties, leven als statische MBTiles of PMTiles — zie Offline kaarten met MBTiles en PMTiles.

Een platformpatroon dat voorspelbaar faalt: elke workload in PostGIS zetten omdat het handig is. Geospatiale query's op een miljard-rijen-tabel concurreren met tijdreeksschrijvingen; beide lijden. Scheid de workloads, routeer query's op gepaste wijze en betaal de operationele kosten van het draaien van twee databases — het is goedkoper dan de latentiebelasting van één overbelaste database.

Patroon-van-leven-analyse: waar AI werkelijk helpt

Patroon-van-leven-analyse (PoL) is de praktijk van het bouwen van een gedragsbasislijn voor een entiteit — vaartuig, voertuig, persoon, eenheid — en het markeren van afwijkingen. Een koopvaardijschip dat altijd drie dezelfde havens aandoet, wijkt plotseling af naar een vierde: anomalie. Een militaire eenheid die elke dinsdag om 08:00 oefeningen houdt, wordt dinsdagochtend plotseling stil: anomalie. De techniek schaalt van individuele vaartuigen tot hele vloten en van lokale wegen tot nationale infrastructuur.

Het technische patroon: verwerk longitudinale trackgegevens, segmenteer gedrag in routineactiviteiten, pas een gedragsmodel aan per entiteit, scoor nieuwe observaties ten opzichte van het model. De algoritmische kern is onsensationele statistieken met selectieve ML — Gaussische mengsels, HMMs, gradient-boosted classifiers — steeds meer aangevuld met deep-learning-modellen op ruwe trajectreeksen. Het moeilijke deel is niet het algoritme. Het is gegevenscuratie, het operationeel definiëren van wat "anomalous" betekent en het verwerken van de classificatie- en ethische beoordeling rondom gedragsprofilering.

Het gedetailleerde patroon, inclusief gegevenspijplijnen, modellevenscyclus en operationele integratie, staat in Patroon-van-leven-analyse in militaire inlichtingen. Voor de AI/ML-pijplijn in bredere zin — modelimplementatie, randgevolgtrekking, ISR-triage — zie AI voor ISR-gegevenstriage, Computer Vision in defensiesystemen en ONNX en TensorRT modeloptimalisatie.

Open trackbronnen: AIS, ADS-B en de civiel-militaire grens

Een modern inlichtingenplatform verwerkt routinematig burgervolgsgegevens. AIS voor vaartuigen, ADS-B voor vliegtuigen — beide zijn open uitzendingen bedoeld voor veiligheid en verkeersmanagement, maar beide onthullen ook patronen van militaire en grijze-zone-activiteit. Vaartuigen met uitgeschakelde AIS in verdachte gebieden, vliegtuigen die burgertranspondercodes uitzenden terwijl ze militaire profielen vliegen — dit zijn operationele signalen.

Het integreren van AIS en ADS-B in een defensiebeeld heeft specifieke technische valkuilen. De gegevensvolumes zijn groot — globale AIS vertegenwoordigt honderden miljoenen berichten per dag. Spoofing is gewoon en steeds geavanceerder, met name in betwiste maritieme gebieden. Het correleren van AIS-lacunes met radarsporen is van hoge waarde maar algoritmisch subtiel. Het volledige patroon staat in AIS en ADS-B integreren in een militair beeld.

De integratie-uitdagingen die de meeste platforms onderschatten

Buiten de algoritmische kern stuit elk defensiefusieplatform op dezelfde set integratie-uitdagingen. Ze zien er gemakkelijk uit in een presentatie en zijn verantwoordelijk voor de meeste programmavervagingen.

Coördinatenzoölogie. WGS84-breedtegraad/lengtegraad, MGRS, UTM, nationale gridverwijzingen, ITRF-realisaties, lokaal gedefinieerde operationele rasters. Elke bron gebruikt iets iets anders. Het platform moet consistent converteren en afronden. Een afrondingsfout van 1 meter op één plek wordt een fout van 1 kilometer na drie transformaties.

Tijdsemantiek. Sensortijdstempels kunnen UTC zijn, lokaal zijn, de tijd van berichtgeneratie in plaats van de tijd van observatie zijn. Netwerkvertraging tussen observatie en ingestie kan seconden, minuten of uren zijn. De fusie-engine moet "per" en "bekende" tijden afzonderlijk redeneren — operationele beslissingen hangen van beide af.

Classificatiepropagatie. Een track afgeleid van één GEHEIME en één ONGERUBRICEERDE bron is GEHEIM. Een track afgeleid van FVEY-alleen- en NATO-alleen-bronnen kan niet volledig worden vrijgegeven aan een van beide allianties. De classificatie-engine moet de gesloten enveloppe correct berekenen, bij elke query, zonder de COP-latentie te breken. Zie Uitdagingen voor coalitie-gegevensdeling voor de beleidskant.

Identiteitsreconciliatie. Een vaartuig bekend als "MV Foxtrot" in één feed kan "Foxtrot-25" zijn in een andere en "FOXTROT 25" in een derde. Hetzelfde roepnummer, verschillende sensorcatalogi. Identiteitsnormalisatie is een niet-triviaal deel van de adapterlaag en een frequente bron van dubbele tracks.

Versioning en schema-evolutie. Een meerjarig platform zal het canonieke trackschema meerdere keren herzien. Dit doen zonder adapters, downstreamconsumenten of herhaling van historische gegevens te breken vereist discipline. Alleen-additieve evolutie is de enige stabiele strategie. De bredere set uitdagingen staat in Defensie-gegevensintegratie-uitdagingen.

Classificatie, vrijgavebeheer en de toegangscontrollaag

Een defensiefusieplatform is structureel een geclassificeerd systeem. De meeste gegevens zijn geclassificeerd bij ingestie; fusie kan de classificatie van afgeleid tracks verhogen; vrijgavetags bepalen welke partners welke producten mogen zien. De toegangscontrollaag is geen bolt-on — het is een van de fundamenten.

Het patroon dat schaalt: beleid-gebaseerde toegangscontrole, waarbij classificatieniveau, compartimenten, vrijgavebeheer en gebruikersattributen (machtiging, staatsburgerschap, rol) bij elke query worden geëvalueerd. Afdwingen op de API-grens en op de databasequerylaag, nooit alleen op de UI. Elke track draagt zijn bronset; de beleidsengine berekent de effectieve classificatie bij querytijd in plaats van het in de rij te bakken.

De diepere architectonische behandeling van RBAC, classificatie en compartimenten voor C2 staat in Rolgebaseerde toegangscontrole in defensie-C2-systemen. Dezelfde principes gelden voor een fusieplatform, met de toevoeging dat fusie afgeleid gegevens maakt — de engine moet redeneren over afleiding, niet alleen over bron.

Aangrenzende disciplines die de platformarchitect niet kan uitbesteden: ISO 27001-basislijn voor het ontwikkelproces (ISO 27001 in defensiesoftware), DevSecOps aangepast aan accreditatiecycli (DevSecOps voor defensiepijplijnen), SBOM-tracking voor supply-chain-integriteit (SBOM in defensie-aanbesteding) en de gescreend-personeel-realiteit (Veiligheidsmachtiging voor softwareteams).

Cyber-inlichtingenfusie: een parallelle discipline

Steeds meer bevatten defensie-inlichtingenplatformen cybergegevens — dreigingsindicatoren, waargenomen exploitatie, netwerkanomalieën. De fusietechnische principes zijn overdraagbaar, maar de gegevenssemantiek verschilt. Cyberobservaties zijn kortlevend, vaak gecorreleerd over veel entiteiten en profiteren van dreigingsinformatie-feedintegratie op een manier die fysiek-domein-gegevens niet doen.

Het patroon voor Cyber Threat Intelligence (CTI)-platforms staat in CTI-platforms voor defensie. SIEM/SOAR-integratie voor het cyberoperationele beeld staat in SIEM en SOAR voor militaire integratie. Het bredere cybersituatiebeeldpatroon staat in Cybersituatiebeeldplatforms. ICS/OT — industriële controlsystemen en operationele technologie — is een gespecialiseerd fusieproblement met zijn eigen inbraakdetectiepatronen; zie ICS/OT-inbraakdetectie in militaire netwerken.

De architectuurbeslissing: bouwt u één platform dat fysieke en cyberdomeinen fuseert, of twee platforms met een deelbrug? De trend, versneld door JADC2-stijl-mandaten, is naar uniforme platforms. De technische realiteit is dat de gegevenssemantiek, latentie en operatorworkflows voldoende verschillen zodat zelfs uniforme platforms intern vaak afzonderlijke fysieke- en cyberpijplijnen hebben.

Van fusie naar het gemeenschappelijk operationeel beeld

Fusie is bovenstrooms van de COP. De COP is het gebruikersgericht artefact; fusie is de betrouwbaarheidsmachinery erachter. De interface tussen hen is het canonieke trackschema en de publiceer-abonneer-stroom van trackstatuswijzigingen.

Voor de COP-kant van de architectuur, zie Gemeenschappelijk operationeel beeld: hoe het wordt gebouwd in moderne defensiesoftware en Realtime kaartrendering voor militaire C2. Het bredere C2-kader — fusie als onderdeel van een vierlaagsarchitectuur — staat in De volledige gids voor command-and-control-systemen (C2) en Wat is een C2-systeem?. Voor NATO-interoperabiliteit van de gegevensproducten die fusie genereert, zie NATO-interoperabiliteitsnormen voor software en ADatP-34-gegevensstructuren.

Bouwen, kopen, configureren: fusiespecifieke overwegingen

Bouwen-versus-kopen in fusie heeft scherpere randen dan in algemene C2-software. De kern-fusie-engine is wiskundig dicht, moeilijk te testen en gevaarlijk om fout te doen — en de commerciële markt heeft een klein aantal volwassen aanbiedingen met operationeel bewezen algoritmen. De COP-shell, de gegevensingestie en de analistentooling rondom de engine zijn veel meer geschikt voor intern bouwen.

Het gewone patroon: licentie een fusie-engine, bouw al het overige eromheen. Dit vermijdt het duurste technische risico (de correlatiealgoritmen) terwijl soevereine controle over gegevensmodel, UX en integratie behouden blijft. Vendorselectiecriteria worden behandeld in Hoe een defensiesoftwareleverancier te kiezen; de bredere aanbestedingsrealiteit in Defensie-aanbesteding: van RFP tot contract.

Het puur-bouwen-geval is van toepassing wanneer het operationele concept een fusiesemantiek vereist die geen commercieel product ondersteunt — bijvoorbeeld een onregelmatige-oorlogsvoering-beeld waarbij de entiteiten niet de vaartuigen-vliegtuigen-voertuigen zijn die commerciële fusie-engines modelleren. De Oekraïense lessen in Defensiedigitale transformatie: Oekraïense lessen zijn bijzonder instructief over het van scratch bouwen van soevereine fusie wanneer commerciële opties niet passen bij de operationele werkelijkheid.

Toekomstige richtingen: ML-native fusie, federated learning en randgevolgtrekking

Het vakgebied is in transitie. Traditionele probabilistische fusie blijft de operationele basislijn, maar ML-native benaderingen vorderen: end-to-end neurale trackers die het associatieprobleem leren van gegevens, transformer-gebaseerde identiteitsresolutie over modaliteiten, grootmodel-samenvatting van gefuseerde beelden voor analistenbriefings.

De eerlijke beoordeling: ML-native fusie wordt op operationeel niveau nog niet vertrouwd op de niveaus die probabilistische methoden zijn. De faalmodi zijn anders — stil onjuist in plaats van luid ontbrekend — en moeilijker voor een operator te herkennen. Hybride systemen, waarbij ML kandidaatassociaties levert aan een probabilistische checker, zijn de realistische nabij-termijn weg.

Federated learning is rijper. Het trainen van fusierelevante modellen over gedistribueerde, gedeeltelijk geclassificeerde gegevens zonder de gegevens te centraliseren is een echte mogelijkheid. Het patroon staat in Federated Learning voor militaire sensoren. Synthetische gegevens, nuttig voor training waar echte gegevens schaars of gevoelig zijn, worden behandeld in Synthetische gegevens voor defensie-AI. Edge AI — gevolgtrekking uitvoeren aan de sensor of het platform in plaats van centraal — herschikt de fusietopologie, met name voor tactische platforms; zie Edge AI-militaire gebruiksscenario's en Edge AI-hardwarevergelijking.

LLM-integratie in inlichtingenworkflows staat aan de experimentele grens. Veelbelovend voor analistische samenvattingen en natuurlijke taal query's op inlichtingenopslag; minder veelbelovend voor autonome fusiebeslissingen waarbij gehallusineerde tracks catastrofaal zouden zijn. Zie LLM's in inlichtingentriage voor de realistische toepassing en de vangrails.

Aanbevolen literatuur: de volledige fusiekaart

Deze handleiding blijft op architectuurniveau. De gerichte artikelen hieronder behandelen individuele secties diepgaand.

Fusiefundamenten: Militaire gegevensfusie uitgelegd, JDL-gegevensfusiemodel, Defensie-gegevensintegratie-uitdagingen.

Gegevenstechniek: Berichtenwachtrijen, Event Sourcing, PostGIS voor defensie.

Trackbronnen en analyse: AIS- en ADS-B-integratie, Patroon-van-leven-analyse.

Bredere context inlichtingensoftware: Defensie-inlichtingensoftware uitgelegd, Missionkritische architectuur, Technische schuld.

Cyber- en OSINT-fusie: CTI-platforms, OSINT-dreigingsbewaking, SIEM/SOAR, Cybersituatiebewustzijn, ICS/OT-inbraakdetectie, Digitale forensica.

AI/ML voor fusie: ISR-gegevenstriage, Computer Vision, Federated Learning, LLM-inlichtingentriage, Synthetische gegevens.

Fusie verbinden met C2 en interoperabiliteit: Volledige gids voor C2-systemen, COP, C4ISR-platform, Coalitie-gegevensdeling.