Het artikel “Europa moet zijn eigen positie claimen in de AI-race” van NEMO Kennislink raakt een belangrijk punt. Europa staat voor een strategische keuze. De analyse focust terecht op investeringen, regelgeving en concurrentiekracht, maar laat een cruciale vraag grotendeels liggen: hoe organiseren we AI-infrastructuur zó dat kennis, eigenaarschap en benutting daadwerkelijk in Europa blijven? Dit opiniestuk is een reactie daarop, vanuit Nederlands perspectief.
Het debat over AI in Nederland en Europa blijft hangen op meer datacenters en meer rekenkracht. Dat is begrijpelijk, maar het raakt de kern niet. Het echte probleem is niet capaciteit, maar hoe we AI organiseren, benutten en beheersen.
Neem de AI Factory in Groningen. Een nationaal initiatief. De start staat op zijn vroegst gepland voor 2028, acht jaar (!) nadat Zweden al een vergelijkbare stap zette. De schaal is bovendien beperkt. Ter vergelijking, in Uganda werken wij momenteel aan de voorbereiding van een AI-fabriek met viermaal zoveel rekenkracht. Dat plaatst het Nederlandse tempo en ambitie in perspectief.
Het fundamentele verschil zit niet in intentie, maar in het organisatiemodel. Nationale AI-initiatieven zijn per definitie centraal aangestuurd en kennen zware governance. Ze moeten publieke en private belangen balanceren, wat leidt tot complexe besluitvorming, lange doorlooptijden en hoge overhead. Een aanzienlijk deel van de middelen gaat op aan afstemming en organisatie, niet aan daadwerkelijke benutting van rekenkracht. Dat maakt de exploitatie kwetsbaar en vaak inefficiënt.
Voor brede inzet van AI bij publieke én private instellingen is dat een probleem. Niet omdat het doel verkeerd is, maar omdat de eisen anders zijn. Organisaties hebben behoefte aan eigenaarschap, inzicht in kosten en performance, duidelijke data-afbakening en daarmee de mogelijkheid om accelerated computing te optimaliseren. In een centraal nationaal model is dat moeilijk uitvoerbaar omdat de tuning tussen worklaods en infrastrcutuur lastig is. One size fits all zeg maar.
Naast een beperket optimalisatie is er een ander probleem. In de praktijk zien wij dat de GPU-utilisatie bij veel organisaties ligt tussen de 25 en 40 procent. Meer dan de helft van de capaciteit staat structureel stil. Extra rekenkracht toevoegen zonder grip op gebruik vergroot vooral de verspilling.
Optimalisatie van accelerated computing is geen hardwarevraag. Het vraagt kennis van workloads, software, infrastructuur en organisatie. Precies daar gaapt een groot kennisgat bij veel enterprises. Cloudproviders hebben weinig prikkel om dit gat te dichten. Hun verdienmodel is gebaseerd op consumptie, niet op efficiëntie.
Tegen die achtergrond is een andere benadering nodig. Project Lorentz (link https://mdcs.ai/solutions/regional-ai-factories/) kiest bewust voor een regionaal model in plaats van een nationale monoliet. Geen centrale voorziening op afstand, maar regionale AI-fabrieken dicht bij gebruikers. Organisaties draaien hun workloads op gedeelde infrastructuur, maar behouden eigenaarschap over data, kosten, prioriteiten en optimalisatie. Transparantie in benutting, performance en energieverbruik is geen bijzaak, maar uitgangspunt.
Dat regionale model adresseert een dieperliggend probleem. Bedrijven en overheden besteden AI te vaak volledig uit, niet vanuit strategie, maar vanuit gebrek aan kennis. Wie alles naar de cloud schuift, schuift ook competentie weg. Kostenstructuren, performance-inzichten en energieverbruik blijven extern. Dat maakt organisaties afhankelijk, duur en traag.
Daarom blijft de kern overeind. Bedrijven en overheden moet investeren in eigen AI-stacks. Niet ideologisch, maar pragmatisch. Eigen betekent eigenaarschap over workloads, data en kosten, ook als infrastructuur gedeeld wordt. Alleen zo ontstaat kennis, leervermogen en grip.
Een eigen AI-stack levert voorspelbare performance, lagere kosten dan cloudrekenkracht en betere controle over data en compliance. Bovendien maakt het duurzame keuzes mogelijk, bijvoorbeeld door workloads te draaien in Nordics datacenters met groene energie en een CO2 neutrale voetprint. Minstens zo belangrijk is het effect op mensen. Eigenaarschap trekt talent aan en houdt het vast.
Angst is inderdaad een slechte raadgever. Maar Europa praat veel en rekent eindeloos de ROI door van AI, maar handelt voorzichtig. In 2023 bedroegen private AI-investeringen in de VS circa 67 miljard dollar. Europese landen blijven steken rond 1 tot 2 miljard, met enkele uitschieters richting 3 à 4 miljard. Met risicomijdend gedrag bouw je geen strategische positie.
Wie wacht tot alle risico’s zijn afgedekt, is te laat. AI-capaciteit, kennis en talent ontstaan niet via spreadsheets, maar door te doen. Investeren in eigen AI-stacks, regionaal georganiseerd, met helder eigenaarschap en transparantie. Alleen zo kan Europa structureel meedoen in de AI-race.
| Niels van Rees Co Founder | MDCS.AI |
