Waar een los notebook prima is voor een snelle test, heb je voor serieus datawerk een complete, blijvende werkomgeving nodig. Vertex AI Workbench levert dat. Het is een beheerde Jupyter-omgeving die in je eigen Google Cloud-project draait, met al je gebruikelijke datawetenschapstools binnen handbereik.
Het verschil met een vluchtig notebook is dat Workbench een echte werkplek is. Je instance blijft bestaan, met je bestanden, je geinstalleerde pakketten en je instellingen. Je sluit hem af en opent hem later weer precies zoals je hem achterliet. Daarmee is het de thuisbasis voor langdurig datawerk.
Een product, een instance-type
Vroeger kende Workbench losse varianten ("managed notebooks" en "user-managed notebooks"). Die zijn sinds begin 2025 uitgefaseerd. Er is nu nog een enkel, uniform type: de Vertex AI Workbench-instance. In de Google Cloud-console kom je deze sinds 2026 ook tegen onder de naam Gemini Enterprise Agent Platform Workbench. Het gaat om hetzelfde product.
Wat Workbench biedt
Workbench geeft je een JupyterLab-omgeving met de bekende tools voor datawetenschap, vooraf ingericht en gekoppeld aan Google Cloud. Populaire deep-learning-pakketten zoals TensorFlow en PyTorch staan er al op. Je hebt directe toegang tot je data in Cloud Storage en BigQuery en je werkt naadloos samen met de rest van Vertex AI.
Het beheer ligt grotendeels bij Google. Beveiligingsupdates, de onderliggende omgeving en de integraties worden voor je geregeld. Daardoor kun je je richten op je werk in plaats van op het onderhouden van een server.
Een Workbench-instance is in de kern een virtuele machine met JupyterLab erop, draaiend in jouw project. Je kiest de hardware bij het aanmaken en kunt die later aanpassen als je werk zwaarder of lichter wordt. Verder kun je rekenen op handige extra's:
- Idle-shutdown die de instance automatisch stopt na een periode van inactiviteit.
- Geplande uitvoering van notebooks, ook op momenten dat de instance zelf uit staat.
- GitHub-synchronisatie zodat je code netjes in versiebeheer staat.
- CMEK (customer-managed encryption keys) en VPC-netwerkopties voor strenge beveiligingseisen.
- Aangepaste conda-omgevingen en zelfs eigen container-images.
Een instance aanmaken
Je begint met het aanmaken van een instance. Daarbij kies je de hardware: hoeveel rekenkracht en geheugen, en of je een GPU nodig hebt. Voor verkennend werk volstaat een bescheiden machine, voor zwaar trainen kies je meer kracht.
Na het aanmaken open je de JupyterLab-omgeving en ga je aan de slag. Je installeert de pakketten die je nodig hebt, schrijft je notebooks en leest je data in. Alles wat je bewaart, blijft in je instance staan voor de volgende keer.
Zo maak je een Workbench-instance aan
- Open Vertex AI Workbench in de Google Cloud-console en kies Instances.
- Klik op Nieuwe maken en geef de instance een duidelijke naam en regio.
- Kies de hardware: machine-type, geheugen en eventueel een GPU.
- Stel onder de beveiligingsopties idle-shutdown in (bijvoorbeeld na 60 minuten inactiviteit).
- Regel toegang via IAM zodat alleen de juiste mensen erbij kunnen.
- Open JupyterLab en installeer de benodigde pakketten.
- Verbind met je data in Cloud Storage of BigQuery via het ingebouwde paneel.
- Stop de instance als je klaar bent om kosten te besparen.
Workbench versus Colab Enterprise
Workbench en Colab Enterprise lijken op elkaar maar passen bij verschillende behoeften. Colab Enterprise is luchtiger en gericht op snel samenwerken in notebooks: je deelt een notebook met collega's, een Google-groep of een heel Workspace-domein, en de runtimes worden automatisch voor je opgezet en weer afgebroken. Workbench is een volwaardige, blijvende werkplek met meer controle over de omgeving.
Welke je kiest hangt af van je werk. Voor losse analyses en snelle samenwerking is Colab Enterprise prettig. Voor langdurige projecten waar je een vaste, ingerichte omgeving wilt met volledige controle, eigen conda-omgevingen of containers en idle-shutdown, is Workbench de betere keuze. Heb je helemaal geen interactieve omgeving nodig maar wil je puur een model trainen op zware hardware, kijk dan naar custom training jobs.
| Situatie | Beste keuze |
|---|---|
| Snel samenwerken in gedeelde notebooks, weinig inrichting | Colab Enterprise |
| Langdurige projecten, vaste omgeving, volledige controle | Vertex AI Workbench |
| Eigen conda-omgevingen, containers of GitHub-sync | Vertex AI Workbench |
| Geen interactieve omgeving, alleen een model trainen | Custom training jobs |
Kosten beheersen
Een Workbench-instance is een virtuele machine en kost geld zolang hij draait. Anders dan bij een training stopt dat niet vanzelf. Daarom is het belangrijk om je instance te stoppen als je er niet mee werkt, zeker als hij een dure GPU heeft.
Stel idle-shutdown in. Dan zet de instance zichzelf uit als je een tijd niets doet, zodat een vergeten venster geen kosten blijft maken. Je bestanden en instellingen blijven gewoon bewaard voor de volgende keer.
GPU-instances lopen snel op
Een actieve Workbench-instance met GPU kost flink per uur, ook als je niet werkt. Stop hem na gebruik en stel idle-shutdown in, anders loopt de rekening op voor een machine die alleen maar aanstaat. Voor de opslag van je instance kan een kleine kost doorlopen, maar de grote kosten zitten altijd in de draaiende rekenkracht.
Veilig en beheerd werken
Omdat Workbench in je eigen project draait met toegang tot je data, hoort beveiliging erbij. Beperk de toegang via IAM tot de mensen die de omgeving echt nodig hebben en werk volgens het principe van minimale rechten. Voor gevoelige data kun je daarbovenop CMEK gebruiken en de instance binnen een afgeschermd VPC-netwerk plaatsen.
Houd ook je omgeving netjes. Verwijder instances die niemand meer gebruikt en ruim oude data op. Een opgeruimde omgeving is veiliger en goedkoper dan een waarin vergeten instances en data blijven rondslingeren.
Code in versiebeheer
Koppel je instance aan een GitHub-repository en commit je notebooks regelmatig. Zo raak je geen werk kwijt als een instance wordt verwijderd, en kunnen collega's je code makkelijk overnemen.
Wat is het verschil tussen Workbench en Colab Enterprise?
Workbench is een volwaardige, blijvende werkomgeving met meer controle, eigen conda-omgevingen, containers en idle-shutdown. Colab Enterprise is luchtiger en gericht op snelle, gedeelde notebooks zonder dat je infrastructuur beheert.
Heet Workbench nog steeds Vertex AI Workbench?
In de praktijk wel. Sinds 2026 zie je in de console ook de naam Gemini Enterprise Agent Platform Workbench, maar het gaat om hetzelfde product en dezelfde instances.
Blijven mijn bestanden bewaard als ik de instance stop?
Ja. Een Workbench-instance behoudt je bestanden, pakketten en instellingen, ook nadat je hem stopt en later weer start.
Betaal ik als de instance uit staat?
Voor de rekenkracht niet. Voor de opslag van je instance kan een kleine kost doorlopen. De grote kosten zitten in een draaiende instance, vooral met een GPU.
Hoe voorkom ik onnodige kosten?
Stop je instance na gebruik en stel idle-shutdown bij inactiviteit in, zeker bij instances met een GPU. Plan zware notebooks eventueel als geplande uitvoering in plaats van een instance de hele dag te laten draaien.
Bestaan managed en user-managed notebooks nog?
Nee. Die oudere varianten zijn sinds begin 2025 uitgefaseerd. Nieuwe omgevingen maak je aan als Vertex AI Workbench-instances; bestaande oude instances konden naar dat type worden gemigreerd.
Vertex AI Workbench is je vaste thuisbasis voor datawetenschap binnen Google Cloud. Richt je omgeving een keer goed in, beheer je kosten met idle-shutdown en werk veilig met IAM-rechten, CMEK en versiebeheer.