De meeste Nederlandse mkb-bedrijven hebben geen datawarehouse nodig voordat ze met AI beginnen. Een directe koppeling tussen uw AI-systeem en Exact Online, AFAS of e-Boekhouden — live uitlezen via de API, zonder ETL-traject, zonder tussenopslag — dekt verreweg de meeste eerste automatiserings- en rapportagevragen. Een datawarehouse verdient zichzelf pas terug zodra een van drie concrete triggers zich voordoet, en die worden hieronder benoemd.
Het leveranciersbelang dat niemand hardop noemt
Zoek op de vraag en het advies is opvallend eensluidend: eerst de datahuishouding op orde, dan pas AI. Lees goed en bijna al dat advies komt van bedrijven die datawarehouse-trajecten verkopen, voor wie een bouw in de orde van €8.000–€12.000, plus 15 tot 20 procent daarvan per jaar aan onderhoud, een gezonde omzetpost is. Oneerlijk is dat niet — een datawarehouse maakt latere projecten écht makkelijker. Maar “makkelijker later” en “nodig nu” zijn twee verschillende claims, en de mkb'er die de factuur tekent moet weten welke van de twee hem wordt verkocht.
Wat een directe koppeling in 2026 werkelijk betekent
Het standaardpatroon in 2026 is geen nachtelijke export naar een tussentabel. Het is een live uitlezing via het Model Context Protocol (MCP), de open standaard die Anthropic in november 2024 introduceerde om AI-systemen op een gestructureerde manier toegang te geven tot externe tools en databronnen. In de praktijk: een AI-agent vraagt Exact Online om facturen die langer dan 60 dagen openstaan, of vraagt AFAS om deze week afgeronde werkbonnen, en krijgt binnen dezelfde aanvraag een gestructureerd antwoord — geen tweede kopie van uw boekhouding in een database die iemand moet synchroniseren. MCP-servers voor Exact Online en voor AFAS bestaan al en worden actief voor precies dit patroon gebruikt.
Eén detail verdient precisie, want het verandert de framing, niet de conclusie. Peliqan, waarvan de connectoren hierboven staan, doet geen zuivere pass-through-uitlezing — het synchroniseert uw data op de achtergrond naar een eigen, beheerd Postgres-warehouse, periodiek ververst, en de AI bevraagt die kopie in plaats van Exact Online of AFAS rechtstreeks. Volgens elke redelijke definitie is dat een datawarehouse, geen cache. Wat wél verandert is wie het bouwt en bezit: in plaats van uw eigen traject van €8.000–€12.000 op te starten, huurt u een kant-en-klaar warehouse via een connector-abonnement. Dat is een legitieme derde optie om te kennen — het is alleen geen “geen infrastructuur,” en het loont om precies na te gaan wat een connector met uw data doet vóór u iets anders aanneemt.
Dit is niet alleen onze eigen lezing. Onafhankelijk commentaar uit de mkb-analytics-hoek komt vanuit de andere richting op dezelfde conclusie uit: moderne AI hoeft niet gecentraliseerd te zijn om waarde te leveren, en een bedrijf zonder fulltime data engineer is meestal beter af met een directe koppeling van zijn bestaande tools dan met een eigen warehouse dat het niet kan onderhouden. Een Nederlandse AI-implementator en een mkb-analyticsplatform zonder warehouse te verkopen komen tot dezelfde conclusie omdat de onderliggende beperking identiek is: iemand moet een warehouse correct houden, en de meeste bedrijven van 20–50 fte hebben die persoon nog niet in dienst.
Drie triggers die wél om een datawarehouse vragen
In jaren van AI koppelen aan Nederlandse backofficesystemen waren bedrijven die vooraf écht een datawarehouse nodig hadden de uitzondering, niet de regel. Drie situaties scheiden hen betrouwbaar van de rest.
- Meerjarige koppelingen die het bronsysteem nooit hoefde te doen. Vijf jaar Exact Online-facturen matchen tegen AFAS-projecturen om te zien welk type klant stilletjes onrendabel is, is een join die geen enkele live API in één aanroep uitvoert, en die telkens tegen productie draaien zodra iemand het vraagt is precies wat een koppeling-zonder-warehouse laat vastlopen.
- Zoekvolume dat het live systeem niet aankan. Zowel Exact Online als AFAS limiteert API-aanroepen. Een dashboard dat veertig medewerkers elke paar minuten verversen, raakt dat plafond ruim voordat de meeste mkb-transactievolumes dat doen. Geplande rapportages vangt een bescheiden cache prima op; alleen echte, gelijktijdige, bijna-realtime belasting van veel gebruikers rechtvaardigt een volwaardig datawarehouse.
- Een cijfer dat een systeemwissel moet overleven. Wordt Exact Online, AFAS of e-Boekhouden ooit vervangen, dan valt een AI die er live uit leest stil op de eerste dag van de migratie. Een datawarehouse ontkoppelt rapportage en AI van elk afzonderlijk bronsysteem — belangrijk voor een vijfjaarstrend, of voor een audit trail die geen gat mag hebben in de week dat het nieuwe ERP live gaat.
De terugverdienberekening, uitgewerkt
Neem een bedrijf van 30 medewerkers dat Exact Online gebruikt voor finance en een aparte CRM voor sales. Een afgebakende directe koppeling — AI die live uit beide systemen leest om bijvoorbeeld het opvolgen van openstaande facturen of de overdracht van geaccepteerde offerte naar order te automatiseren — kost vanaf ongeveer €2.500 voor één goed afgebakende workflow, oplopend naar €20.000 voor een agent die meerdere stappen over beide systemen heen zet, tegen onze eigen gepubliceerde tarieven. Een volledig datawarehouse voor een organisatie van deze omvang kost €8.000–€12.000. Bovenop die bouwkosten komt, als vuistregel in de Nederlandse IT-projectprijzen, doorgaans 15 tot 20 procent daarvan per jaar aan onderhoud en zo'n €50–500 per maand aan hosting — nog vóórdat er één AI-toepassing bovenop draait.
Aan de onderkant kost het datawarehouse alleen al meer dan de complete directe koppeling, en die koppeling moet daarna alsnog gebouwd worden, bovenop het warehouse. De rekensom kantelt pas zodra de data van het warehouse écht hergebruikt wordt: door een finance-dashboard, een AI-agent én de jaarrekening, niet door één toepassing. Als vuistregel verdient een datawarehouse zichzelf terug zodra minstens drie werkelijk losstaande toepassingen er binnen ongeveer achttien maanden gebruik van maken. Minder dan dat, en de €8.000–€12.000 — plus doorlopend onderhoud — is infrastructuur met één huurder.
Een gefaseerd pad dat voorkomt dat u dubbel betaalt
Begin met de ene directe koppeling met de hoogste waarde — meestal de workflow met de duidelijkste businesscase, niet de technisch interessantste. Voeg alleen een kleine, doelgerichte cache toe als die specifieke workflow dat nodig heeft, bijvoorbeeld een groot batchrapport of een zoekpatroon dat de live API oprecht niet aankan. Geef pas opdracht voor een volledig datawarehouse zodra minstens twee van de drie triggers hierboven vandaag al waar zijn — niet verwacht voor volgend jaar. Die volgorde is belangrijk: eerst een warehouse bouwen en er daarna een toepassing bij zoeken is de klassieke overinvestering waar wij mkb-eigenaren in zien lopen. Eerst de directe koppeling bouwen betekent dat als er ooit alsnog een warehouse komt, dat gebouwd wordt rond echte, waargenomen zoekpatronen in plaats van de beste gok van een leverancier.
Waar het misgaat
- Het datawarehouse bouwen “voor de zekerheid.” Er is nog geen AI-toepassing afgebakend, en niemand heeft de doorlopende 15–20 procent onderhoud begroot, wat precies is waar dit soort projecten stilletjes de duurste post in het IT-budget van volgend jaar worden.
- De interne cache van een connector behandelen als “geen infrastructuur.” Een leverancier heeft hem gebouwd, maar uw bedrijf draagt nog altijd het operationele risico als die connector uitvalt of zijn voorwaarden wijzigt.
- De audit-trail-vraag negeren totdat een AI Act-toetsing erom vraagt. Een hoogrisico AI-toepassing heeft traceerbare, reproduceerbare invoer nodig; een live API-aanroep waarvan de vorm verandert zodra het ERP zijn schema aanpast, is precies het compliance-gat dat een datawarehouse, of op zijn minst een versiegestuurd logboek, daadwerkelijk dicht.
Hoe dit eruitziet op een typische mkb-stack
Voor de gangbare Nederlandse combinatie van Exact Online of AFAS voor finance, een aparte CRM en e-Boekhouden bij de kleinste bedrijven, dekt een directe MCP-achtige koppeling vrijwel elke eerste automatiseringsvraag die een bedrijf van 20–50 fte ons stelt: openstaande facturen opvolgen, een getekende offerte doorzetten naar een order, een WhatsApp-update sturen bij een orderstatuswijziging. Het datawarehouse-gesprek wordt reëel dichter bij de 250–500 fte-band, waar finance, sales en operations al op werkelijk gescheiden systemen draaien en er meestal al een BI-functie bestaat die een warehouse zou bedienen, met of zonder het AI-project eraan vast.
Dit is geen pleidooi tegen ooit een warehouse bouwen. Genoeg organisaties van 250–500 fte waar wij mee werken hebben er een, en die verdient zich elke maand terug. Het pleidooi gaat over de volgorde: bouw eerst de koppeling die het probleem van vandaag oplost, laat het zoekpatroon vertellen of een warehouse werkelijk dragend is, en zet pas dán echt budget in op het bezit ervan.
Waar begint u?
Breng in kaart uit welke systemen de AI daadwerkelijk moet lezen, en check eerlijk of het zoekpatroon incidenteel en afgebakend is, of continu en systeemoverstijgend, vóór u voor een van beide paden kiest. De mechaniek van de directe-koppelingroute — API-limieten, terugschrijfrechten, wat er breekt — behandelen we in ons artikel over AI koppelen aan Exact Online, AFAS en e-Boekhouden, en hoe wij beide richtingen van deze afweging aanpakken staat op onze pagina data engineering.
