Europa dreigt de AI-race te verliezen aan de Verenigde Staten en China. Techbedrijven en overheden waarschuwen dat kapitaal, rekenkracht en talent hier achterblijven. De strijd speelt zich af in Brussel, nationale hoofdsteden en datacenters door heel Europa. Het gaat nu om snelheid, schaal en regels, omdat AI-systemen steeds meer invloed hebben op economie en samenleving.
Investeringen blijven achter
Grote Amerikaanse spelers als Microsoft, Google en Amazon investeren miljarden in AI-platformen. In Europa is het durfkapitaal kleiner en gefragmenteerder, waardoor scale-ups lastiger doorgroeien. Dat vertraagt de stap van onderzoek naar toepassingen in bedrijven en publieke diensten.
De Europese Investeringsbank en de European Innovation Council bieden steun, maar besluitvorming kost tijd. Ondernemers melden dat complexe staatssteunregels en verschillende nationale kaders groei bemoeilijken. Daardoor kiezen veel AI-startups alsnog voor financiering of partnerschap buiten de EU.
Beurzen in Europa geven minder hoge waarderingen aan snelgroeiende AI-bedrijven dan in de VS. Dat maakt een beursgang minder aantrekkelijk als groeipad. Het gevolg is minder eigen kapitaal voor risicovolle, grote AI-projecten.
Tekort aan rekenkracht en data
Training van grote AI-modellen vraagt veel GPU’s en betaalbare energie. Europese toegang tot deze rekenkracht is beperkt en duur, mede door schaarste bij chipleveranciers. Dit belemmert experimenten en vertraagt productontwikkeling.
De EuroHPC Joint Undertaking breidt supercomputers uit met systemen als LUMI, Leonardo en MareNostrum 5. Er komen programma’s om startups en MKB gebruik te laten maken van deze capaciteit. De stap van onderzoeksclusters naar commerciële beschikbaarheid blijft echter lastig en bureaucratisch.
De cloudmarkt wordt gedomineerd door Amazon Web Services, Microsoft Azure en Google Cloud. Europese alternatieven en soevereine cloudopties van partijen als OVHcloud en Deutsche Telekom groeien, maar zijn kleiner in schaal. Bedrijven vrezen lock-in en vragen duidelijkheid over datalokalisatie en export van data onder de AVG.
AI Act geeft rem én richting
De AI-verordening (AI Act) wordt gefaseerd van kracht en werkt met risiconiveaus. Op het moment van schrijven worden nationale toezichthouders en een AI Office ingericht om regels uit te leggen en te handhaven. Dat geeft helderheid, maar ook extra nalevingskosten voor vooral kleinere bedrijven.
Algoritmen voor hoog-risicotoepassingen, zoals zorg, mobiliteit en overheid, krijgen strenge eisen. Denk aan kwaliteitsdata, auditlogboeken, menselijke controle en duidelijke instructies. Sandboxes moeten veilige experimenten mogelijk maken samen met toezichthouders.
De AVG blijft leidend voor persoonsgegevens, met dataminimalisatie, beveiliging en DPIA’s als basis. Voor general-purpose AI, zoals grote taalmodellen, komen specifieke plichten rond documentatie en risicobeperking. Dat kan vertrouwen vergroten en misbruik voorkomen, maar vraagt tijd en kennis om goed in te richten.
De AI-verordening deelt systemen in vier risiconiveaus: onaanvaardbaar, hoog, beperkt en minimaal.
Europese alternatieven groeien traag
Startups als Mistral AI (Frankrijk) en Aleph Alpha (Duitsland) bouwen eigen modellen en leveren open-gewichten of veilige on-premise opties. Hun aanpak speelt in op Europese wensen voor transparantie en datacontrole. Toch is doorbraak op wereldschaal lastig zonder enorme rekenkracht en datasets.
Open-source AI verlaagt instapdrempels en helpt sectoren sneller te testen. Maar het trainen van fundamentele modellen blijft kostbaar en energie-intensief. De EU Chips Act moet het halfgeleider-ecosysteem versterken, maar heeft pas op langere termijn effect voor AI-hardware.
Projecten als Gaia-X en Europese dataspaces proberen veilige data-uitwisseling over sectoren te standaardiseren. Dit kan innovatie versnellen in industrie, energie en zorg. Tegelijk woedt debat over wat “soevereine cloud” juridisch betekent en welke certificering (zoals EUCS) daarvoor nodig is.
Gevolgen voor Nederlands bedrijfsleven
Voor Nederlandse organisaties draait Europese digitalisering gevolgen bedrijfsleven om drie keuzes: zelf bouwen, slim inkopen of gericht combineren. Zelf bouwen geeft controle, maar vraagt talent en rekenkracht. Inkopen is snel, maar verhoogt afhankelijkheid en compliancerisico’s.
Het AiNed-programma en de Nederlandse AI Coalitie zetten in op vaardigheden, fieldlabs en verantwoord gebruik. TNO en SURF ondersteunen met kennis en rekenfaciliteiten voor onderzoek en onderwijs. In sectoren als zorg en energie ontstaan zo lokale toepassingen met betere uitleg en dataprotectie.
Praktisch betekent dit investeren in datakwaliteit, modelbeheer en juridische borging. Contracten met cloud- en modelleveranciers moeten duidelijk zijn over AVG, beveiliging en export van data. Wie nu werkt aan governance en risico-inzicht, kan sneller voldoen aan de AI Act en toch innoveren.