Home ›Sensoren, autonomie en AI
UitlegSensoren, autonomie en AI
Veel droneclaims gaan over AI, autonomie of slimme sensoren. De kernvraag is welke taak software uitvoert en waar menselijke controle blijft.
Autonomie is geen magisch label
We splitsen autonomie helder op. Autonome navigatie betekent zelfstandig vliegen tussen waypoints. Autonome target-herkenning betekent een doel detecteren en classificeren zonder dat een operator dat invoert. Autonome targeting betekent zelfstandig beslissen wie wordt geraakt. Deze drie zijn juridisch én technisch totaal verschillend.
De meeste militaire drones zijn deels autonoom in navigatie, beperkt in herkenning en niet in targeting. Een MQ-9 vliegt routes autonoom, maar elke wapen-inzet vereist menselijke goedkeuring. Een Shahed-136 navigeert autonoom naar coördinaten, maar het doelwit wordt vooraf ingevoerd.
Waar AI nu echt in zit
Detectie van voertuigen, mensen of patronen in sensorbeelden. Werkt goed onder ideale omstandigheden, slechter bij camouflage of slecht weer.
Coördinatie van meerdere drones, routes vermijden waar tegenstand staat. Steeds vaker operationeel.
Software die afwijkende bewegingen in een gebied markeert voor een analist.
Transcriptie of patroonherkenning op opgevangen signalen.
Voorstellen aan een operator, niet zelfstandige actie. Hier hoort de mens nog in het loop.
Vriend-vijand of vogel-versus-drone bepaling op basis van radar- of RF-patronen.
De grens: human in, on, or out of the loop
NAVO-doctrine en het Nederlandse beleid hanteren een vaste taxonomie. Human in the loop betekent dat een mens elke kritische beslissing goedkeurt. Human on the loop betekent dat een mens kan ingrijpen maar de software autonoom werkt. Human out of the loop betekent volledig autonoom — politiek en juridisch een rode lijn voor wapen-inzet in Nederland.
Veel marketingmateriaal claimt autonomie zonder te specificeren waar precies. Lees rapporten daarom altijd op deze taxonomie.
Wat het voor counter-drone betekent
Counter-drone systemen leunen sterker op AI dan het wapenplatform zelf. Een radar of RF-detector moet binnen seconden onderscheid maken tussen een vogel, een hobbydrone en een militaire FPV. Foutieve classificatie kost tijd of veroorzaakt schade. Daarom investeren NL Defensie en NAVO-partners juist hier in machine learning, niet zozeer in het bewapenen van eigen drones.
Voor zoekers betekent dit: de meeste AI-doorbraken zitten in de detectie- en analyse-keten, niet in zelfstandig vurende drones. Wie alleen op aanvalsdrones let, mist waar de werkelijke versnelling plaatsvindt.
Volgende stap
Voor het juridische kader: ethiek, recht en burgerrisico. Voor verkenningssensoren: ISR en targeting. Voor de Oekraïne-cyclus: Oekraïne en versnelling.
Gebruik de militaire drone wijzer of download de Militaire drone atlas 2026.