3 repo's die je moet kennen: AI op kantoor, ook zonder cloud

Eind september 2026 luidt de vraag onder developers en IT-managers niet meer «AI is indrukwekkend», maar «welke AI kun je je eigenlijk veroorloven en echt onder controle houden». Drie opensourceprojecten staan nog steeds bovenaan de GitHub-lijstjes voor sterren en activiteit, omdat ze precies dat beantwoorden voor een klein bedrijf: modellen op je eigen hardware, zoeken in bedrijfsdocumenten, processen automatiseren met agents. Dit zijn de drie die je moet kennen, voor- en nadelen inbegrepen.

Ollama: draai modellen op je eigen hardware, niet op die van een ander

Ollama is een opensource-runtime (MIT-licentie) die taalmodellen — van Llama en Qwen tot Gemma en DeepSeek — downloadt en uitvoert, rechtstreeks op een pc, een miniserver of een Mac, met één enkele opdrachtregel of een OpenAI-compatibele API. Op 24 september 2026 telde de repository meer dan 181.000 sterren op GitHub en kwamen er bijna dagelijks commits bij.

Voor een Italiaans mkb-bedrijf of MSP betekent dat interne AI-assistenten kunnen aanbieden — een chatbot voor het magazijn, een samenvatter voor e-mail — zonder dat data het bedrijf verlaten en zonder een maandelijks bedrag per token. Het is ook de basis voor veel andere opensourcetools, inclusief de volgende op deze lijst.

Om het te proberen installeer je Ollama en start je een licht model, dat ook draait op een laptop zonder eigen videokaart: ollama run llama3.2

De beperking is de hardware: kleine modellen (3-8 miljard parameters) draaien prima op een gewone machine, maar voor resultaten die in de buurt komen van cloudmodellen heb je een GPU met 16 GB VRAM of meer nodig, zoals die op de foto. En in mei 2026 ontdekten onderzoekers van Cyera in Ollama een lek met de bijnaam «Bleeding Llama» (CVE-2026-7482, CVSS-score 9,1) dat het geheugen van het proces blootlegde op meer dan 300.000 servers die zonder authenticatie vanaf internet bereikbaar waren: verholpen vanaf versie 0.17.1, maar het blijft een herinnering om de API van Ollama nooit online bloot te stellen zonder een proxy met authenticatie.

RAGFlow: laat AI antwoorden geven door je eigen documenten te lezen

RAGFlow is een opensource-engine (Apache 2.0-licentie) voor retrieval-augmented generation: het indexeert contracten, facturen, presentaties en gescande pdf's, interpreteert ze ook als het om tabellen of complexe layouts gaat, en beantwoordt vragen met een verwijzing naar de exacte plek in het document waar het antwoord vandaan komt. Op 24 september 2026 had het meer dan 91.000 sterren op GitHub.

Het is de use case die klanten het vaakst aan een MSP vragen: «ik wil door documenten zoeken zoals op Google, maar dan met echte antwoorden op mijn vragen». RAGFlow doet dat lokaal, dus contracten en data blijven op je eigen servers, en de bronvermeldingen verkleinen het risico dat de AI een antwoord verzint.

Je installeert het met Docker in een paar minuten: git clone https://github.com/infiniflow/ragflow.git && cd ragflow/docker && docker compose -f docker-compose.yml up -d

Licht is het niet: je hebt minstens 16 GB RAM, 50 GB schijfruimte en een actuele Docker-versie nodig, en de kant-en-klare images draaien alleen op x86 (niet op Apple Silicon-Macs of een Raspberry Pi). Laat het beheren door iemand die overweg kan met Docker en Elasticsearch: dit is geen product dat je installeert en dan vergeet.

n8n: automatiseer processen met AI-agents, zonder (al te veel) code

n8n is een visueel automatiseringsplatform met meer dan 400 integraties dat inmiddels ook native AI-agents heeft: je koppelt een trigger (een nieuwe e-mail, een nieuwe bestelling) aan een model naar keuze — OpenAI, Anthropic of een lokaal model via Ollama — en een actie, door blokken te slepen. Op 24 september 2026 had het meer dan 205.000 sterren op GitHub, het hoogste aantal van de drie repositories in dit artikel.

Voor een MSP is het het instrument om automatiseringen voor klanten in uren te bouwen, niet in weken: automatische triage van tickets, een agent die op basis van CRM-data een offerte opstelt, een melding wanneer een vervallen factuur nog niet betaald is.

Je probeert het uit met één container: docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

Twee dingen om te weten voordat je het doorverkoopt aan een klant. Eerst: de licentie is geen klassieke open source maar een «Sustainable Use License», die gebruik en aanpassing voor je eigen bedrijf toestaat, maar geen doorverkoop als dienst die concurreert met n8n Cloud zonder enterprise-licentie — handig om te weten als een MSP overweegt het voor meerdere klanten te hosten. Tweede: in januari 2026 werd een kritiek lek openbaar gemaakt (CVE-2026-21858, CVSS-score 10), ontdekt door Cyera en al verholpen vanaf versie 1.121.0; volgens Shadowserver stonden weken later nog tienduizenden niet-bijgewerkte instanties open. Altijd updaten: dat is niet optioneel.

Waarom het ertoe doet

Ben je IT-manager of MSP in Italië, dan dekken deze drie repositories de drie manieren waarop een klein bedrijf écht met AI begint: het intern draaien zodat je geen tokens betaalt en geen data laat weglekken, het laten lezen in je eigen documenten in plaats van een Excel-bestand, het laten automatiseren van een proces dat nu nog handmatig door een medewerker gebeurt. Geen van de drie vraagt een budget van een groot bedrijf: je hebt alleen iemand nodig die ze kan installeren, bijwerken en weet waar de data terechtkomt. Altovar helpt bedrijven bij het integreren van AI en bij lokale of soevereine deployments; om te bepalen welk van deze tools bij jouw organisatie past, is de pagina AI-diensten van Altovar een goed startpunt.

Bronnen: GitHub-repository van Ollama, GitHub-repository van RAGFlow, GitHub-repository van n8n (sterren, licentie en datum van de laatste push geverifieerd via de GitHub API op 24 september 2026); The Hacker News over het CVE-2026-7482-lek in Ollama; Cybersecurity Dive over het CVE-2026-21858-lek in n8n.