Nvidias administrerende direktør kritiserer Tyskland: Hvor alvorlig er advarslen om teknologisk forsinkelse?

AI og industri: Hvorfor Tyskland skal bevæge sig hurtigere fra viden til værdiskabelse

Jensen Huang, administrerende direktør for AI-chipproducenten Nvidia, kommer med en skarp vurdering af Tyskland: landet er sakket langt bagud teknologisk. Denne udtalelse er skarp og kommer fra en iværksætter, der selv profiterer af det globale AI-boom. Den rammer dog en nerve. Tyskland har stadig en stærk industriel base, højtydende forskning og omfattende teknisk ekspertise. Samtidig er det ofte for langsomt at omsætte dette til succesfulde digitale produkter, skalerbare virksomheder og målbare produktivitetsgevinster. Kløften til internationale konkurrenter vokser, især inden for AI, software, vækstkapital og digital infrastruktur.

Det betyder ikke, at Tyskland er teknologisk færdigt. Landet står snarere over for spørgsmålet om, hvordan det kan kombinere sine industrielle styrker med nye digitale teknologier – for eksempel inden for robotteknologi, automatiseret produktion og såkaldt fysisk AI. Samarbejde med Nvidia og tyske industripartnere kan hjælpe, men det indebærer også risici, såsom nye afhængigheder af individuelle leverandører. Derfor er den afgørende faktor ikke at investere så meget som muligt så hurtigt som muligt, men at omdanne forskning og pilotprojekter pålideligt til produktive anvendelser. Huangs advarsel er ikke en endelig dom over Tysklands fremtid, men det er en grund til seriøst at undersøge landets eget implementeringstempo.

Det er ikke tænkning, der lammer Tyskland, men manglende evne til hurtigt at omsætte viden til merværdi

Nvidias administrerende direktør, Jensen Huang, har en usædvanlig skarp kritik, der berører en nerve i den tyske økonomi, men dens omfattende generaliseringer er også overdrevne. Tyskland er hverken teknologisk ubetydeligt eller generelt bagud. Landet har fortsat en usædvanlig bred industriel base, globalt konkurrencedygtige virksomheder, højtydende forskningsinstitutioner, et væld af ingeniørekspertise og en høj tæthed af automatiserede produktionsfaciliteter. I 2025 stammer 24.476 europæiske patentansøgninger fra Tyskland, hvilket fastholder sin førende position i Europa. Med 449 industrirobotter pr. 10.000 ansatte i fremstillingssektoren kan Tyskland også prale af den højeste robottæthed i Europa og en af ​​de højeste på verdensplan.

Ikke desto mindre skal Huangs advarsel tages alvorligt fra et økonomisk perspektiv. Tysklands problem ligger mindre i en absolut mangel på teknologi end i den voksende kløft mellem videnskabelig og teknologisk kapacitet og dens markedseffektive implementering. Mange virksomheder besidder avanceret ekspertise inden for maskinteknik, automatisering, materialer, sensorteknologi, produktionsplanlægning og industriel kvalitetskontrol. Men når det kommer til cloudplatforme, skalerbar software, halvlederøkosystemer, digitale forretningsmodeller, store AI-modeller og højrisikovækstfinansiering, flyttes fokus for værdiskabelse i stigende grad uden for Europa. Det afgørende spørgsmål er derfor ikke, om Tyskland stadig er innovativt. Det er, om landet hurtigt nok kan omsætte sin eksisterende innovationskapacitet til produktive applikationer, nye virksomheder, eksporterbare platforme og højere samlet økonomisk produktivitet.

Huangs diagnose er overdrevet, men ikke ubegrundet

Udsagnet om, at et af de mest teknologisk avancerede lande er sakket langt bagud, fungerer i første omgang som en provokerende overdrivelse. Det beskriver ikke en fuldstændig industriel tilbagegang, men snarere et relativt tab af position inden for centrale digitale teknologier. Relativt betyder, at Tyskland kan forbedre sine kapaciteter og stadig sakke bagud, hvis andre økonomier skalerer deres kapacitet, investeringer og virksomheder betydeligt hurtigere. Netop denne mekanisme former det globale AI-kapløb. Teknologiske fremskridt måles ikke udelukkende ved, om et land udfører god forskning eller kan præsentere individuelle pilotprojekter. Det afgørende er, hvor hurtigt kapital, computerkraft, data, faglærte arbejdere og iværksætteri kombineres for at skabe salgbare produkter.

Finansieringstallene illustrerer problemets omfang. Globalt set strømmede omkring 258,7 milliarder amerikanske dollars i venturekapital til AI-virksomheder i 2025. Heraf gik cirka 194 milliarder amerikanske dollars, eller cirka 75 procent, til virksomheder i USA. Hele Den Europæiske Union bidrog med omkring 15,8 milliarder amerikanske dollars, eller seks procent. Denne forskel er ikke blot en finansiel detalje. Den påvirker, hvor talent rekrutteres, hvor datacentre bygges, hvor nye modeller trænes, hvor patenter kommercialiseres, og hvor unge virksomheder udvikler sig til globale platformudbydere.

Huangs kritik er dog også drevet af egeninteresse. Nvidia drager fordel af, at regeringer, cloud-udbydere og industrivirksomheder køber store mængder AI-chips, netværksteknologi og software så hurtigt som muligt. En administrerende direktør, hvis virksomhed sælger kerneinfrastrukturen i AI-boomet, er ikke en neutral iagttager af teknologipolitik. Hans opfordring til hurtigere handling er derfor både en økonomisk-politisk diagnose og et salgstale. Dette afkræfter ikke kritikken, men det kræver en mere nøgtern vurdering. Større hastighed er ikke automatisk ensbetydende med større økonomisk fordel, hvis investeringer foretages uden klare use cases, konkurrence, åbne grænseflader og pålidelige cost-benefit-analyser.

Tyskland er stærk inden for teknologi, men svag inden for hastighed

Det tyske innovationsapparat er gearet til grundighed, sikkerhed, teknisk pålidelighed og langvarige industrielle relationer. Denne model har været yderst succesfuld i årtier. Den er særligt velegnet til brancher, hvor funktionsfejl er dyre eller farlige, produktcyklusserne er lange, og kunderne værdsætter pålidelig kvalitet. Inden for kemikalier, maskinteknik, bilteknik, elektroteknik og industriel automatisering opstår konkurrencefordele ofte fra tusindvis af trinvise forbedringer. Det tyske system kan udvikle, certificere, fremstille og understøtte komplekse fysiske produkter gennem internationale servicenetværk.

Digitale markeder følger dog nogle gange en anden logik. Software kan distribueres globalt til lave marginalomkostninger. Platforme bliver mere værdifulde, efterhånden som flere kunder, udviklere og datakilder tilføjes. Hurtig markedsindlæring kan være vigtigere end et teknisk perfekt initialt design. Inden for AI udvikles modeller, værktøjer og forretningsprocesser løbende i korte cyklusser. De, der skalerer tidligt, får data, brugeroplevelse, udviklerfastholdelse og kapital. Et system, der afdækker beslutninger i årevis, fortolker finansieringsprogrammer i mindste detalje og sigter mod at minimere enhver risiko på forhånd, er strukturelt dårligere stillet på sådanne markeder.

Dette gør Huangs beskyldning om at overtænke forståelig. Den forbliver dog ufuldstændig. Problemet er ikke selve analysen, men snarere en kombination af langsomme godkendelsesprocesser, fragmenterede ansvarsområder, komplicerede finansieringsforhold, uklare regler, svag administrativ digitalisering, begrænset vækstkapital og en virksomhedskultur, der ofte straffer fejl hårdere end den belønner læring. OECD identificerer høje administrative byrder, mangel på kvalificeret arbejdskraft og regulatoriske barrierer for konkurrence som skadelige for forretningsdynamik, innovation og produktivitetsvækst. Problemet er derfor ikke for meget tænkning, men snarere mangel på beslutsom organisatorisk kapacitet.

Den industrielle kerne er ikke en levning, men Tysklands mest værdifulde AI-fordel

Tyskland bør ikke forfølge det globale AI-kapløb ved at kopiere den amerikanske platformmodel. Et direkte kapløb om den største universelle sprogmodel ville være dyrt, risikabelt og, givet amerikanske virksomheders økonomiske magt, kun tilbyde begrænsede succesmuligheder. Den strategiske gearing ligger i stedet der, hvor digitale og fysiske systemer mødes. Det er netop her, Tyskland besidder aktiver, der ikke kan replikeres på kort sigt: reelle produktionsfaciliteter, procesviden, industrielle data, maskiner, certificeringsekspertise, specialiserede leverandører og tætte relationer mellem producenter og erhvervskunder.

Fysisk AI omfatter systemer, der opfatter deres omgivelser, træffer beslutninger og styrer maskiner eller køretøjer. Dette inkluderer selvlærende robotter, autonome transportsystemer, intelligente produktionsceller, digitale tvillinger, AI-understøttet kvalitetskontrol og simuleringsbaserede træningsmiljøer. I disse applikationer er en kraftfuld sprogmodel alene ikke tilstrækkelig. Præcise sensordata, fysisk forståelse, realtidskapacitet, sikker kontrol, domæneviden og robust integration i eksisterende processer er afgørende. Tysklands industrielle struktur er fundamentalt velegnet til dette.

Udgangspunktet er stærkere, end fortællingen om tilbagegang antyder. Tyskland er Europas største robotmarked og havde cirka 278.881 operationelle industrirobotter i 2024. Næsten halvdelen af ​​Vesteuropas robotkapacitet blev installeret i Tyskland. Patentproduktionen er også fortsat høj, selvom tyske patentansøgninger hos Det Europæiske Patentkontor faldt med 2,2 procent i 2025 sammenlignet med året før. Disse tal viser samtidig styrke og fungerer som et advarselssignal: Tyskland besidder betydelige teknologiske ressourcer, men dets fortsatte dynamik er ikke en given ting.

Den virkelige svaghed ligger mellem pilotprojekt og udbredt anvendelse

Talrige AI-initiativer er nu i gang i tyske virksomheder. Flaskehalsen opstår ofte efter det første forsøg. Et pilotprojekt kan lanceres med et lille team, begrænsede data og et overkommeligt budget. For produktiv brug kræves der dog standardiseret dataadgang, IT-sikkerhed, operationelt ansvar, træning, procesændringer, grænseflader til ældre systemer og målbare økonomiske mål. Mange projekter går i stå i denne overgangsfase, fordi det tekniske, organisatoriske og juridiske ansvar ikke er afstemt.

Indførelsen af ​​AI tegner derfor et blandet billede. I 2025 brugte 26 procent af tyske virksomheder med mindst ti ansatte mindst én AI-teknologi. For store virksomheder med 250 eller flere ansatte var dette tal 57 procent, for virksomheder med 50 til 249 ansatte var det 36 procent, og for små virksomheder med 10 til 49 ansatte var det 23 procent. Tyskland lå således over EU-gennemsnittet på omkring 20 procent, men betydeligt under de europæiske ledere. Danmark nåede 42 procent, Finland 38 procent, og Sverige og Belgien hver 35 procent.

Billedet er mindre rosenrødt for mellemstore virksomheder, da det også omfatter meget små virksomheder. Ifølge data fra KfW bruger 20 procent af mellemstore virksomheder kunstig intelligens. De fleste af disse er lettilgængelige applikationer såsom behandling af naturligt sprog eller tekstgenkendelse. Kun tre procent bruger mere sofistikeret dataanalyse, og blot én procent anvender kunstig intelligens til autonome maskinbevægelser. Applikationer, der er særligt relevante for industriel produktivitet, er derfor stadig sjældne.

Derudover aftager digitaliseringens tempo. Kun 30 procent af mellemstore virksomheder havde gennemført digitaliseringsprojekter i den betragtede periode. Tilsvarende udgifter faldt til 23,8 milliarder euro i 2024, et fald på 8,1 milliarder euro i forhold til året før. Dette er økonomisk signifikant, fordi AI ikke kan skaleres på et svagt digitalt fundament. Virksomheder har brug for rene stamdata, netværksforbundne maskiner, moderne cloud- eller edge-infrastrukturer og digitaliserede arbejdsgange. De, der forsømmer disse forudsætninger, kan muligvis demonstrere AI, men kan næppe betjene den produktivt.

Små og mellemstore virksomheder har brug for afkast, ikke teknologisk skue

Den politiske debat fokuserer ofte på storskalamodeller, supercomputere og milliardinvesteringer. For den typiske mellemstore industrivirksomhed er der imidlertid andre spørgsmål, der betyder noget: Reducerer en applikation skrot og nedetid? Forkorter den udviklingscyklusser? Lindrer den byrden for knappe faglærte medarbejdere? Forbedrer den leveringssikkerheden, energieffektiviteten eller vedligeholdelsen? Kan den integreres sikkert i eksisterende maskiner og ERP-systemer? Vil data og procesviden forblive kontrollerbar? Uden klare svar opfattes AI som noget, der tilføjer kompleksitet, ikke som et produktivitetsværktøj.

Derfor bør Tysklands AI-strategi fokusere mindre på spektakulære enkeltprojekter og mere på gentagelige, branchespecifikke løsninger. En mellemstor maskinproducent behøver ikke en generel model for alle tænkelige opgaver. Den har brug for pålidelige systemer til teknisk dokumentation, tilbudsudarbejdelse, fejldiagnose, design, produktionsplanlægning og fjernvedligeholdelse. En logistikvirksomhed drager fordel af forbedret ruteplanlægning, lagerprognoser, visuel skadesdetektion og dynamisk arbejdsstyrkestyring. En billeverandør kan bruge AI til kvalitetskontrol, materialeflow, simulering og prædiktiv vedligeholdelse.

Den økonomiske effekt stammer fra tusindvis af sådanne applikationer. De øger ikke kun effektiviteten i individuelle virksomheder, men kan også afbøde den demografisk drevne mangel på arbejdskraft. Afgørende er det, at AI supplerer eksisterende medarbejdere, gør procesviden tilgængelig og reducerer rutineopgaver. En strategi, der udelukkende fokuserer på at erstatte arbejde, ville skabe modstand og resultere i tab af værdifuld erfaringsmæssig viden. En vellykket implementering kræver derfor planlægning af teknologi, træning og organisationsudvikling i fællesskab.

Nvidia-partnerskabet er både en mulighed og en afhængighed

Det planlagte samarbejde mellem den tyske regering, Nvidia og tyske industripartnere fokuserer på to nøgleområder: udvikling af højtydende AI-modeller til industrielle applikationer og etablering af fundamenter for fysisk AI, især til robottræning og autonome køretøjer. Der er planlagt investeringer på hundredvis af millioner af euro, primært til computerkapacitet og modeltræning. Ud over chips vil Nvidia også bidrage med specialiseret ingeniørpersonale. Blandt de deltagende virksomheder er Siemens, Audi og Black Forest Labs.

Denne tilgang er i princippet plausibel. Tyskland kan kun udnytte sin industrielle database, hvis der er tilstrækkelig computerkraft, softwareværktøjer og ekspertise til rådighed. Samarbejde kan forkorte udviklingstider, lette adgangen til moderne infrastruktur og bringe virksomheder sammen, der ville være for små eller for langsomme i sig selv. Det kan også sende et signal om, at industriel AI ikke behandles som et nicheforskningsområde, men som en økonomisk politisk prioritet.

Samtidig opstår en strategisk modsætning. Tyskland ønsker at styrke sin digitale suverænitet, men for at gøre det er landet afhængigt af teknologien fra en amerikansk virksomhed, der dominerer markedet for AI-acceleratorer. I dette miljø kan suverænitet ikke betyde fuldstændig autarki. I den nærmeste fremtid vil Tyskland hverken selv producere alle relevante chips eller kontrollere hele cloud- og softwarestakken. En mere realistisk tilgang er lagdelt suverænitet: virksomheder skal kunne skifte udbyder, bruge åbne grænseflader, kontrollere følsomme data, udvikle modeller uafhængigt og drive kritiske systemer selv under skiftende geopolitiske eller kommercielle forhold.

Et partnerskab med Nvidia er derfor gavnligt, hvis det opbygger kapaciteter og fremmer konkurrence. Det ville være problematisk, hvis offentlige midler primært subsidierede salget fra en enkelt leverandør og skabte varige afhængigheder af proprietær hardware og software. Finansieringsbetingelserne bør derfor garantere interoperabilitet, åbne standarder, transparente præstationsindikatorer og adgang for små og mellemstore virksomheder (SMV'er). Lige så vigtigt er en arkitektur, der ikke udelukker europæiske chipproducenter, cloudvirksomheder, forskningsinstitutioner og open source-projekter.

Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business - Billede: Xpert.Digital

Xpert.Digital er et datadrevet B2B-industricenter ledet af Konrad Wolfenstein . Virksomheden fungerer som en ekstern, nærmest intern løsning for industrielle partnere og lukker operationelle huller i marketing, indhold og salg – uden at kræve yderligere ressourcer fra klientsiden.

Mere information her:

• Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business

Åbne industrielle modeller kan gøre suverænitet praktisk

Projektet Sovereign Open Source Foundation Models, eller Soofi forkortet, sigter mod at udvikle højtydende åbne AI-modeller, der kan trænes, betjenes og styres i Tyskland. Projektet forbinder forskningsinstitutioner, universiteter og AI-virksomheder og udnytter Deutsche Telekoms industrielle AI-cloud. Den første finansieringsfase blev støttet med 20 millioner euro.

Den åbne tilgang er strategisk relevant, fordi industrielle brugere har andre krav end private brugere af frit tilgængelige chatbots. De har brug for transparente modeller, kontrollerbare datastrømme, langsigtet vedligeholdelse og tilpasningsevne til specialiseret terminologi, standarder og processer. Åbne modelvægte alene løser dog ikke disse problemer. Træningsdata af høj kvalitet, transparente licenser, effektive værktøjer, sikkerhedsrevisioner, bæredygtig finansiering og et aktivt udviklerfællesskab er afgørende.

Økonomisk succes afhænger også af, om et forskningsprojekt fører til et robust økosystem. En model har kun økonomisk værdi, når virksomheder bruger den produktivt, serviceudbydere udvikler applikationer, og faglærte arbejdere kan arbejde med den. Tidligere har Tyskland ofte finansieret demonstrationsprojekter og forskningskonsortier uden at producere bæredygtigt skalerbare produkter. Derfor bør Soofi ikke primært måles på antallet af offentliggjorte modeller. Vigtigere er industriel anvendelse, målbare produktivitetsgevinster, antallet af aktive udviklere, integration i virksomhedssoftware, eksportbarhed og reduktion af ensidige afhængigheder.

Kapital bestemmer, hvilke innovationer der skal realiseres

Tysklands finansieringsproblem begynder ikke med grundlæggelsen af ​​virksomheder, men ofte med deres vækst. Videnskabelig ekspertise, statslige programmer og finansiering i den tidlige fase er tilgængelig. Men når en virksomhed har brug for flere hundrede millioner euro til at opbygge computerkapacitet, ekspandere internationalt eller masseproducere industriel hardware, bliver det indenlandske kapitalmarked hurtigt utilstrækkeligt. På det tidspunkt overtager udenlandske investorer en stor del af finansieringen, eller succesfulde virksomheder flytter deres aktiviteter til USA.

Det tyske venturekapitalmarked viser fremgang. I 2025 blev der investeret omkring 7,2 milliarder euro i tyske startups. Heraf gik cirka 2,9 milliarder euro til AI-virksomheder, hvilket svarer til cirka to femtedele af det samlede volumen og et rekordhøjt niveau for Tyskland. Ikke desto mindre var det samlede tyske venturekapitalvolumen, målt som en procentdel af den økonomiske produktion, lidt under EU-gennemsnittet på 0,18 procent, nemlig på 0,16 procent. Især i sammenligning med USA er omfanget fortsat lille.

Problemet er ikke kun mængden af ​​kapital, men også dens struktur. AI, robotteknologi, halvledere og industrielle deeptech-virksomheder kræver lange udviklingscyklusser, høje initialinvesteringer og investorer med teknisk ekspertise. Det bankcentrerede europæiske finansielle system er mindre egnet til immaterielle, usikre og langsigtede investeringer. Den Europæiske Centralbank påpeger, at de europæiske venturekapital- og private kreditmarkeder er for overfladiske til tilstrækkeligt at finansiere omfanget af AI-muligheden.

Effektive politikker skal derfor mobilisere privat vækstkapital, ikke erstatte den med offentlig kapital. Pensionskasser, forsikringsselskaber, familiekontorer og industrielle investorer kan deltage mere i europæiske vækstfonde, forudsat at reguleringer, risikodeling og incitamenter er passende udformet. Offentlige midler bør ikke bruges til at socialisere tab på tværs af linjen. De kan dog strukturere risici gennem ankerinvesteringer, garantier og fælles fonde på en sådan måde, at private aktører investerer. Afgørende er det, at kapital skal allokeres baseret på teknisk kvalitet og markedsmuligheder, ikke politisk synlighed.

Regulering er ikke fjenden, men implementeringen af ​​den kan kvæle innovation

Kontrasten mellem amerikansk innovation og europæisk regulering er ofte overforenklet. Pålidelige regler kan opbygge tillid, beskytte investeringer og begrænse risici. Især inden for industri, medicin, mobilitet og kritisk infrastruktur er sikkerhed, ansvar og databeskyttelse ikke sekundære bekymringer. Et defekt anbefalingssystem er irriterende; et defekt styresystem til maskiner eller køretøjer kan bringe mennesker i fare og forårsage betydelig skade.

Problemet opstår, når reglerne er uklare, modstridende eller administrativt vanskelige at håndtere. Store virksomheder kan opbygge specialiserede juridiske afdelinger, databeskyttelsesafdelinger og compliance-afdelinger. Små virksomheder og startups står over for de samme usikkerheder med betydeligt færre medarbejdere. Som følge heraf kan regulering utilsigtet styrke etablerede udbyderes markedsposition. Det er ikke eksistensen af ​​regler, men snarere de høje faste omkostninger ved overholdelse af regler, der derefter bliver barrieren for adgang.

Tyskland har derfor brug for hurtigere og mere kompetente godkendelses- og rådgivningsstrukturer. Virksomheder bør tidligt kunne få bindende information om de krav, der gælder for en specifik use case. Standardiserede testprocedurer, lovgivningsmæssige testmiljøer og gensidigt anerkendte certificeringer kan reducere tid og omkostninger. Lige så vigtig er digitaliseringen af ​​den offentlige forvaltning. Det virker modstridende at opfordre virksomheder til at investere i AI, mens offentlige processer fortsat er præget af papirarbejde, medieafbrydelser og flere dataindtastninger.

Energi og computerkraft er en del af industripolitikken

AI-modeller og -simuleringer kræver betydelig computerkraft. For Tyskland vil derfor ikke kun antallet af datacentre være afgørende, men også deres omkostninger, nettilslutninger, energiforsyning og gennemførlighed. Høje elpriser, langvarige nettilslutningsprocesser og lokale tilladelsesproblemer kan hæmme digitale investeringer, ligesom mangel på kapital. Computerinfrastruktur er ikke en abstrakt sky; den består af bygninger, chips, kølesystemer, elledninger, transformere og kvalificeret personale.

En industripolitisk strategi skal integrere datacentre med energi-, net- og varmepolitikker. Der bør etableres steder, hvor vedvarende energiproduktion, højtydende net, brugbar spildvarme og dataforbindelser effektivt kan kombineres. Fleksibel belastningsstyring kan bidrage til at tilpasse elefterspørgslen til tilgængeligheden af ​​vedvarende energi. Udnyttelse af spildvarme er særligt attraktivt fra et teknisk og økonomisk perspektiv, når der er egnede varmenetværk og kontinuerlige forbrugere til stede. Generelle løfter er dog ikke tilstrækkelige; ethvert projekt kræver realistisk infrastruktur og økonomiske gennemførlighedsundersøgelser.

Samtidig må computerkraft ikke blive et mål i sig selv. Køb af tusindvis af acceleratorer genererer ikke automatisk produktivitet. Uden datakvalitet, kvalificeret personale, software og konkrete applikationer forbliver dyre faciliteter underudnyttede. Offentlig finansiering bør derfor være knyttet til brug, adgang og målbare resultater. Universiteter, startups og SMV'er har brug for transparente adgangsmodeller, mens industrielle brugere kræver pålidelig kapacitet og databeskyttelsesgarantier.

Talentet er der, men systemet udnytter det ikke konsekvent

Tyskland kan prale af stærke tekniske universiteter, forskningsinstitutioner og dobbelte erhvervsuddannelsessystemer. Det høje niveau af patentaktivitet og industriel automatisering ville ikke være muligt uden dette fundament. Ikke desto mindre oplever mange sektorer mangel på softwareudviklere, dataingeniører, elektrospecialister og eksperter inden for robotteknologi, halvledere og AI-operationer. Demografiske forandringer intensiverer konkurrencen om kvalificerede arbejdstagere.

Løsningen er ikke blot at uddanne flere dataloger. Industriel AI kræver tværfaglige teams. Maskiningeniører skal forstå data- og modelbegrænsninger; softwareudviklere har brug for proceskendskab; faglærte medarbejdere skal være i stand til at betjene, overvåge og forbedre systemer. Efteruddannelse er derfor en strategisk produktionsfaktor. Den bør være tættere afstemt med virkelige arbejdsgange og ikke kun fokusere på generelle AI-grundprincipper.

Internationalt talent er også afgørende. Hurtigere visa, engelsksprogede administrative tjenester, pålidelig anerkendelse af grader og attraktive karriereveje kan forbedre Tysklands position. Samtidig skal forskere og iværksættere have bedre muligheder for at opbygge virksomheder indefra universiteterne. Teknologioverførsel må ikke mislykkes på grund af langvarige forhandlinger om patenter, aktieposter og brugsrettigheder.

Tyskland behøver ikke en kopi af Silicon Valley

Kravet om hurtigere fremskridt er ofte knyttet til et ønske om at anvende amerikanske praksisser. Dette ville være strategisk kortsynet. Tysklands styrke ligger ikke i en kulturel kopi af Silicon Valley, men i kombinationen af ​​industriel dybde, teknisk pålidelighed og digital skalerbarhed. En tysk eller europæisk model kan kombinere strengere sikkerhedsstandarder, medbestemmelse og databeskyttelse med hurtig innovation, hvis processerne er klart strukturerede og muliggør afgørende handling.

Tyskland bør i denne henseende skelne mellem tre niveauer. Fuldstændig uafhængighed er urealistisk for basale AI-modeller og chips; partnerskaber og diversificerede forsyningskæder er nødvendige her. For industrimodeller, simuleringssystemer og branchespecifikke platforme er der realistiske muligheder for internationalt førende tilbud. Når det anvendes i fabrikker, logistik, energi, mobilitet og administration, kan Tyskland opnå produktivitetsgevinster særligt hurtigt.

Dette fokus forhindrer, at knappe ressourcer fordeles symbolsk. Ikke alle lande har brug for deres egen universelle topmodel. Tyskland har dog brug for tilstrækkelig indenlandsk ekspertise, computerkraft og åben teknologi til at kunne teste, tilpasse og om nødvendigt erstatte udenlandske systemer. Teknologisk suverænitet er derfor ikke autarki, men snarere strategisk kapacitet.

Det økonomiske mål kaldes produktivitet

Den afgørende test er ikke antallet af AI-strategier, datacentre eller konferencer, men snarere produktivitetsudviklingen. Tysklands reelle økonomiske produktion voksede kun med 0,2 procent i 2025. I fremstillingssektoren faldt den prisjusterede bruttoværditilvækst for tredje år i træk med 1,3 procent i 2025. Især bil- og maskintekniksektoren stod over for øget globalt konkurrencepres. På denne baggrund er industriel AI ikke et prestigeprojekt, men et potentielt instrument til at stabilisere værdiskabelse og indkomst.

Effekten vil dog ikke ske automatisk. Virksomheder er nødt til at redesigne processer, omfordele opgaver og uddanne deres medarbejdere. Blot det at anvende kunstig intelligens på eksisterende ineffektive arbejdsgange kan kun resultere i digitalisering af spild. Produktivitetsgevinster opstår, når teknologi kombineres med organisatoriske forandringer. Dette omfatter klarere ansvarsområder, bedre data, hurtigere beslutningstagning og en vilje til at eliminere processer, der ikke længere tjener et formål.

KfW (Den tyske udviklingsbank) har derfor ret i, at Tyskland ikke behøver at blive verdensmester i at udvikle de største modeller på kort sigt, men snarere det førende anvendelsesland for AI i industrien og SMV'er. Dette perspektiv er mere økonomisk overbevisende end et rent symbolsk kapløb om modelstørrelse. Det må dog ikke tjene som en undskyldning for at give afkald på indenlandsk forskning, åbne modeller og infrastruktur. Et rent anvendelsesorienteret land ville være afhængigt af priser, reguleringer og produktbeslutninger fra udenlandske platformudbydere.

Det, der er vigtigt nu i den økonomiske politik

Tyskland har brug for en implementeringsdagsorden med et par verificerbare prioriteter. For det første skal den digitale infrastruktur i små og mellemstore virksomheder (SMV'er) forbedres. Finansieringsprogrammer bør i fællesskab støtte investeringer i datakvalitet, grænseflader, cloud- og edge-systemer, cybersikkerhed og videreuddannelse. For det andet er der behov for branchespecifikke AI-platforme, der gør det muligt for virksomheder at bruge modeller, datarum og testmiljøer uden selv at skulle bygge alle de tekniske komponenter.

For det tredje bør regeringen agere som en krævende førstekunde. Offentlige indkøb kan give unge virksomheder referencer og muligheder for skalering, hvis processerne bliver hurtigere og mere innovationsvenlige. For det fjerde skal vækstfinansiering og exitmarkeder udvides, så succesrige teknologivirksomheder kan forblive og ekspandere i Europa. For det femte har kritisk AI-infrastruktur brug for åbne grænseflader, muligheden for at skifte udbyder og klar datakontrol.

For det sjette bør laboratorier i den virkelige verden for robotteknologi, autonome systemer og industriel AI udvides betydeligt. Virksomheder skal kunne teste teknologier under kontrollerede forhold, før alle regulatoriske problemer er endeligt løst. For det syvende bør enhver større offentlig investering i AI evalueres baseret på konkrete resultater: produktive brugere, kapacitetsudnyttelse, private opfølgende investeringer, omkostningsreduktioner, nye produkter, eksport og time-to-market.

Det vigtigste er dog institutionelle forandringer. Ansvar skal konsolideres, deadlines skal gøres bindende, og beslutninger skal være gennemsigtige. Tyskland mangler ikke strategipapirer. Hvad landet mangler, er organisationer, der tager ansvar, kan afslutte projekter, hvis de ikke fungerer, og hurtigt kan replikere succesfulde tilgange.

Modargumentet: Tyskland er ikke for langsomt, fordi det tænker for meget

Huangs kritik indeholder en gyldig observation, men en overforenklet forklaring. Tyskland er ikke sakket bagud teknologisk, fordi ingeniører, virksomheder eller offentlige institutioner i sagens natur er alt for grundige. Grundighed er fortsat en konkurrencefordel i mange industrielle anvendelser. Landet sakker bagud, hvor grundighed bliver en undskyldning for uklare ansvarsområder, manglende prioritering og endeløs koordinering.

Det ville være lige så forkert at behandle enhver regulering som en hindring for innovation og enhver hurtig investering som fremskridt. Det globale AI-boom indeholder overdrivelser, fejlinvesteringer og høje koncentrationsrisici. Hardware ældes hurtigt, forretningsmodeller er til tider uklare, og fordelene ved generativ AI overvurderes på nogle områder. Tyskland bør derfor ikke blindt bruge milliarder blot for at demonstrere beslutsomhed.

Det bedre svar på Huangs spørgsmål er: Tyskland skal handle hurtigere, men ikke hensynsløst. Det skal udnytte sin industrielle styrke i stedet for at efterligne amerikanske platformstrategier. Det skal udnytte udenlandsk teknologi uden at blive fuldstændig afhængig af individuelle udbydere. Det skal fremme åbne modeller uden at forveksle forskningsprojekter med fungerende markeder. Og det skal udforme reguleringer på en sådan måde, at sikkerhed ikke opnås på bekostning af stagnation.

Advarslen skal blive et produktivt chok

Den skarpe kritik fra Nvidias administrerende direktør kan være nyttig, hvis den ikke ender i sårede følelser eller hektisk aktivisme. Tysklands teknologiske situation er mere alvorlig, end forsikringerne antyder, men bedre end dommedagsfortællingen. Landet besidder stadig industrielle, videnskabelige og ingeniørmæssige aktiver af exceptionel værdi. Samtidig risikerer disse styrker at mindskes i betydning, hvis software, data, chips, platforme og vækstkapital permanent koncentreres andetsteds.

Det planlagte samarbejde inden for industriel og fysisk AI kan være et vigtigt skridt. Dets succes afhænger dog ikke af de deltagende virksomheders fremtrædende plads eller størrelsen af ​​de annoncerede investeringer. Det afgørende er, om mellemstore og store virksomheder kan udvikle produktive applikationer hurtigere, om der genereres viden og merværdi i Tyskland, og om afhængigheden af ​​individuelle udbydere forbliver håndterbar.

Tyskland står derfor ikke over for et valg mellem at tænke og at handle. Landet skal tænke bedre, beslutte klarere og implementere hurtigere. Dets industrielle førerposition eksisterer stadig, men den er ikke en permanent besiddelse. I en fase med accelereret teknologisk forandring mister et land ikke kun sin position, når dets fabrikker lukker. Det mister den, så snart andre bruger de samme teknologier til at skabe nye produkter, virksomheder og produktivitetsgevinster hurtigere.

Huangs appel bør derfor hverken behandles som en objektiv dom eller blot som en provokation. Det er en skarp beskrivelse af et reelt økonomisk problem: Tyskland besidder viden, kapital, virksomheder og talent, men kombinerer disse ressourcer for langsomt. Hvis Forbundsrepublikken forbinder sin industrielle base med skalerbar AI, moderne infrastruktur, vækstkapital og afgørende institutioner, kan den spille en ledende rolle i den næste teknologiske bølge. Hvis den endnu engang primært annoncerer programmer, fordeler ansvar og styrer risici, vil en relativ forsinkelse blive til en strukturel tilbagegang.

Fra synlighed til tillid: Din skalerbare vej med Xpert.Digital - Billede: Xpert.Digital

Inden for industriel B2B opstår bæredygtige forretningsrelationer sjældent natten over. De udvikles trin for trin – gennem synlighed, professionel relevans, tilbagevendende kontaktpunkter og voksende tillid. Xpert.Digitals 4-trinsmodel adresserer netop dette: Den tilbyder en struktureret vej, der starter med et håndterbart indgangspunkt og kan udvikle sig til et dybere samarbejde inden for forretningsudvikling, hvis det er nødvendigt.

I stedet for at stole på højlydte marketingløfter sætter denne model relationen i forgrunden. Virksomheder starter med klart definerede, let beregnelige målinger og beslutter derefter, baseret på deres egen erfaring, hvor langt de vil udvide samarbejdet. En nøglefaktor for denne uforstyrrede tillidsopbyggende proces: Platformen undgår fuldstændigt irriterende reklamer, så det redaktionelle fokus forbliver udelukkende på virksomhedernes ekspertise.

Mere information her:

• Fra synlighed til tillid: Din skalerbare vej med Xpert.Digital

☑️ Vores forretningssprog er engelsk eller tysk

☑️ NYT: Korrespondance på dit modersmål!

Konrad Wolfenstein

Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.

Du kan kontakte mig ved at udfylde kontaktformularen her [email protected]:eller blot ringe til mig på +49 7348 4088 965. Min e-mailadresse er

Jeg glæder mig til vores fælles projekt.

☑️ SMV-support inden for strategi, rådgivning, planlægning og implementering

☑️ Oprettelse eller omlægning af den digitale strategi og digitalisering

☑️ Udvidelse og optimering af internationale salgsprocesser

☑️ Globale og digitale B2B-handelsplatforme

☑️ Pioner inden for forretningsudvikling / marketing / PR / messer