Rubbish in, rubbish out. Diamonds in, diamonds out.

Visie · Data-economie · Obligaties

Iedereen wil iets met AI. Bijna niemand heeft zijn data op orde.

Ga vandaag langs bij tien Nederlandse directieteams en negen ervan hebben een AI-agenda. Copilots, agents, generatieve modellen in het klantcontact. De ambitie is er, het budget vaak ook.

Wat er meestal niet is: een fundament dat die ambitie kan dragen.

De data staat verspreid over systemen die nooit voor elkaar zijn ontworpen. Definities verschillen per afdeling; ‘klant’ betekent iets anders in sales dan in finance. Historie is incompleet of niet reproduceerbaar. Eigenaarschap is niet belegd. Datakwaliteit wordt gemeten als er een probleem is, niet als routine. En governance bestaat als document, niet als praktijk.

Dan komt het AI-model. En het model doet precies wat het altijd doet: het versterkt wat je erin stopt.

De oudste wet uit de modellenbouw

Ik bouw al ruim twintig jaar met data. In elk model dat ik heb gezien — statistisch, machine learning, generatief — geldt dezelfde wet: rubbish in, rubbish out. Diamonds in, diamonds out.

Een middelmatig model op uitstekende data verslaat een uitstekend model op middelmatige data. Vrijwel altijd. Dat is geen mening, dat is de ervaring van iedereen die ooit een productiemodel heeft moeten uitleggen aan een klant die het antwoord niet vertrouwde.

De consequentie daarvan wordt zwaar onderschat. Modellen zijn inmiddels een commodity: beschikbaar voor iedereen, tegen dalende kosten, met dalende onderlinge verschillen. Wat niet inwisselbaar is, is de datalaag eronder — de infrastructuur, de kwaliteit, de definities, de historie, het eigenaarschap. Daar zit het schaarse goed. Daar zit de verdedigbare positie.

Waarom datamanagement een strategische asset is, geen kostenpost

In veel organisaties valt datamanagement onder IT-beheer. Het is een kostenregel, geen waardecreatie. Dat is een historische vergissing die nu pijnlijk zichtbaar wordt.

Drie redenen waarom wij het als asset behandelen:

• Het is niet te kopiëren. Een concurrent kan morgen hetzelfde model inkopen. Hij kan niet morgen vijftien jaar schone, gekoppelde, gedocumenteerde historie inkopen.
• Het bepaalt het plafond van elke AI-investering. Wie de datalaag overslaat, betaalt de rekening twee keer: eerst voor het project dat niet werkt, daarna voor het fundament dat er alsnog moet komen.
• Het is bestuurlijk noodzakelijk geworden. Herleidbaarheid, uitlegbaarheid en aantoonbare kwaliteit waren vroeger netjes; in de huidige toezichtsrealiteit zijn ze een voorwaarde om te mogen opereren.

Datamanagement is geen randvoorwaarde voor de AI-strategie. Het is de AI-strategie, in het enige deel dat je zelf in handen hebt.

Wat dit betekent voor waar wij ons geld in stoppen

Liplyn Group belegt niet in AI-beloftes en niet in start-ups die nog moeten bewijzen dat er een markt is. Wij investeren in bestaande Nederlandse databedrijven: ondernemingen die vandaag omzet draaien, met klanten die al jaren blijven, en met diensten of producten in datamanagement, data-infrastructuur, datakwaliteit en beslisinformatie.

Het profiel dat wij zoeken is consistent:

• Bewezen historie. Meerdere van onze werkmaatschappijen bestaan vijftien jaar of langer. Dat is geen nostalgie — dat is opgebouwde data, opgebouwde klantrelaties en opgebouwd vakmanschap dat je niet in twee jaar namaakt.
• Enterprise-klanten met lange contracten. Sales cycli van negen maanden of meer zijn een drempel voor nieuwkomers. Voor de gevestigde partij zijn ze een gracht.
• Onderbenutte vraag. In vrijwel elk bedrijf dat wij overnemen vragen bestaande klanten om meer dan er geleverd wordt. Dat is de goedkoopste groei die er bestaat.
• Opvolgingsvraagstuk. Veel van deze ondernemingen zijn gebouwd door oprichters die toe zijn aan een volgende fase. Wij bieden continuïteit voor het bedrijf en het team, en een gestructureerde overdracht.

Binnen de groep bouwen we daarmee aan een portfolio dat elkaar versterkt: een informatieplatform met een groot bereik en jarenlange Nederlandse open- en bedrijfsdata, en een datamanagementbedrijf dat voor enterprises de infrastructuur en data governance inricht.

De strategie kent twee fasen. Fase één is de gekoppelde datalaag: losse databronnen omvormen tot één samenhangend geheel aan data en beslisinformatie. Fase twee is de vertaling daarvan naar industriespecifieke, data- en AI-gedreven werkoplossingen voor klanten. Fase één zonder fase twee is infrastructuur zonder marge. Fase twee zonder fase één is precies de fout die de rest van de markt nu maakt.

De obligatie: meebeleggen in het fundament

Wij financieren deze buy-and-build met een combinatie van eigen vermogen en obligatiekapitaal. Voor beleggers die exposure willen naar de data-economie zonder het rendementsprofiel van durfkapitaal, biedt Liplyn Group de obligatielening serie 2026-III aan.

Kenmerken

• Rente: 9,0% per jaar vanaf € 1.000 · 9,5% vanaf € 50.000 · 10,0% vanaf € 100.000
• Uitkering: per kwartaal
• Looptijd: 5 jaar
• Aflossing: inleg ineens aan het einde van de looptijd
• Zekerheid: eerste pandrecht op de activa
• Flexibiliteit: converteerbaar naar aandelen en verhandelbaar
• Bewaring: via een onafhankelijke stichting die de belangen van obligatiehouders behartigt

De rente wordt niet betaald uit een verwachting, maar uit de kasstroom van bedrijven die vandaag al klanten factureren. Dat is het wezenlijke verschil met beleggen in de AI-hype: onze onderliggende ondernemingen verdienen geld aan het werk dat gedáán moet worden voordat AI ergens waarde oplevert. Inmiddels beleggen ruim veertig investeerders met ons mee.

De markt betaalt op dit moment veel voor het AI-model en weinig voor unieke data. Dat is precies het soort asymmetrie waar rendement vandaan komt. Wij kopen het ondergewaardeerde deel: het vakmanschap, de infrastructuur en de datasets waar iedere AI-toepassing uiteindelijk op moet landen.

Dit artikel is een bijdrage van Luke Liplijn, directeur Liplyn Group.