ETRI publiceert TANGO2-LLMOps voor industriële AI

ETRI zet de LLMOps-kern van TANGO2 als open source op GitHub, zodat industriële teams taalmodellen met eigen data kunnen trainen, beheren en uitrollen.

Een Nederlandse fabrikant kan daarmee een model testen op bedrijfsdata en de uitkomst naar een eigen server of edge-apparaat brengen. De inzet is de hele route van data naar draaiend model; installatie, beheer en licentie blijven onderdeel van de rekensom.

De software bundelt de modelketen

ETRI werkt sinds 2021 aan TANGO. De eerste versie richtte zich op computervisie, zoals beeldherkenning. TANGO2 voegt generatieve AI en grote taalmodellen toe. De aankondiging noemt specifiek de LLMOps-oplossing als kerntechnologie die op GitHub verschijnt. Ze zegt niet dat alle onderdelen van de bredere TANGO-familie tegelijk worden vrijgegeven.

De repository beschrijft een webinterface voor het hele traject: trainingsdata samenstellen, een model verder trainen (finetunen), kleiner maken (kwantiseren), uitrollen en evalueren. Versie 2.0.1 noemt vier uitvoerroutes: een Kubernetes-cluster (een beheerde groep servers), een edge-apparaat bij de machine, een zelfstandig offlinepakket of een externe model-API. De TANGO2-omgeving bundelt die modelstappen in een webinterface. De installatietabel noemt Kubernetes 1.34.x, gedeelde opslag via NFS en een metrics-server om servercapaciteit te meten. Voor finetuning en het draaien van modellen op GPU’s is een NVIDIA-GPU-node nodig. De installatie kan op één server of meerdere servers draaien, ook in een afgesloten netwerk.

Voor een organisatie kan de webinterface het modelwerk bundelen, terwijl de onderliggende omgeving eigen beheer vraagt. Een beheerder moet de servergroep, opslag, modellen en eventuele edge-apparaten klaarzetten. De README toont functies om servers en opslag te beheren. Daaruit volgt dat “no-code” vooral de gebruikerslaag beschrijft; de technische inrichting blijft werk voor het IT-team.

De voorbeelden zijn nog geen resultaatmeting

ETRI noemt toepassingen in scheepvaart, landbouw en zorg. Avenotics test een oplossing die sensordata gebruikt voor veiligere autonome vaart. Sure Data Lab werkt aan een generatieve AI-toepassing voor boeren op basis van kennis van landbouwexperts. Seoul National University Hospital ontwikkelde automatische radiologieverslagen uit CT-beelden en verslagen; de ziekenhuizen moeten een voorspeldienst voor hart- en vaatziekten nog beproeven. Avenotics test autonome vaart met AI op sensordata, Sure Data Lab werkt aan een landbouwtoepassing en het ziekenhuis plant verdere proeven.

Ook de commerciële route is in ontwikkeling. Acryl verbindt TANGO LLMOps met de ontwikkeling van zijn product Jonathan. Persona AI kreeg de technologie in april overgedragen en bouwt ermee aan zijn Gen Station-platform. Dat zijn aanwijzingen dat externe partijen de software in producten en projecten verwerken, maar de aankondiging geeft geen cijfers over foutreductie, tijdwinst of kosten per toepassing. Acryl koppelt TANGO LLMOps aan Jonathan en Persona AI kreeg de technologie in april overgedragen.

De stap past bij een bredere Koreaanse inzet op fabrieksdata en software voor productie. De eerdere roadmap koppelt 1,4131 biljoen won aan fysieke AI, digitale tweelingen en automatisering in fabrieken. TANGO2 richt zich op de ontwikkel- en beheerlaag rond modellen; die roadmap schetst de grotere omgeving waarin productiedata, simulatie en machines samenkomen.

Open LLMOps heeft meer dan één vorm

Een parallelle open bron voor AI-beheer is MLflow. De documentatie groepeert de LLM- en agentfuncties rond traceerbaarheid, promptbeheer, modeluitrol en evaluatie. Dat raakt dezelfde werkstroom, terwijl TANGO2 in de repository sterker is gericht op modeltraining, kwantisering en uitrol naar industriële omgevingen.

Een andere route is een open model binnen bestaande bedrijfssoftware draaien. Nextcloud voegde OLMo 3 7B toe aan de lokale llm2-backend voor Assistant en Mail, zodat teksttaken op eigen hardware kunnen blijven. Dat voorbeeld laat zien hoe modelkeuze en lokale uitvoering in een bestaande samenwerkingsomgeving samenkomen. TANGO2 pakt een andere laag: het biedt gereedschap om modellen met domeindata te vormen, te beoordelen en naar een gekozen omgeving te brengen.

De licentie bepaalt wat “open” praktisch betekent

De repository bevat geen eenvoudige MIT- of Apache-vermelding, maar een licentie- en serviceovereenkomst van ETRI. Die noemt GNU GPL versie 3 of later als open-sourcebasis. Dezelfde overeenkomst zegt dat wie code of een afgeleid werk met TANGO2 ontwikkelt en het resultaat commercieel wil exploiteren, onder een aparte commerciële licentie valt die is gekoppeld aan ETRI’s technologieovereenkomst. De overeenkomst noemt GPL versie 3 of later als open-sourcebasis en een aparte commerciële ETRI-licentie voor exploitatie van code of afgeleiden.

De tekst maakt daarmee verschil tussen toegang tot de broncode en de voorwaarden voor commercieel gebruik van een afgeleid resultaat. Een bedrijf dat TANGO2 in een betaald product of dienst wil verwerken, moet de commerciële reikwijdte dus vooraf met ETRI vaststellen. De aankondiging licht niet toe hoe de overeenkomst uitpakt voor elke vorm van intern gebruik, maatwerk of dienstverlening.

De aankondiging geeft geen prijs, onafhankelijke prestatiecijfers of gemeten tijdwinst per toepassing. ETRI mikt op definitieve goedkeuring van een internationale LLMOps-standaard in mei 2027, maar dat doel is nog geen goedgekeurde standaard. De release maakt de modelketen inspecteerbaar en geeft bedrijven een nieuwe route naar uitvoering op eigen infrastructuur. Of die route in productie past, hangt vervolgens af van de licentie, de beschikbare beheerkennis en resultaten die nog moeten worden gemeten.