De CEO van Nvidia bekritiseert Duitsland: Hoe serieus is de waarschuwing over technologische achterstand?

AI en industrie: waarom Duitsland sneller van kennis naar waardecreatie moet overstappen

Jensen Huang, CEO van AI-chipfabrikant Nvidia, levert een vernietigend oordeel over Duitsland: het land loopt technologisch ver achter. Deze uitspraak is scherp en komt van een ondernemer die zelf profiteert van de wereldwijde AI-boom. Toch raakt het een gevoelige snaar. Duitsland beschikt nog steeds over een sterke industriële basis, hoogwaardig onderzoek en uitgebreide technische expertise. Tegelijkertijd duurt het vaak te lang voordat dit wordt omgezet in succesvolle digitale producten, schaalbare bedrijven en meetbare productiviteitswinsten. De kloof met internationale concurrenten wordt steeds groter, met name op het gebied van AI, software, groeikapitaal en digitale infrastructuur.

Dit betekent niet dat Duitsland technologisch gezien af ​​is. Het land staat eerder voor de vraag hoe het zijn industriële sterke punten kan combineren met nieuwe digitale technologieën – bijvoorbeeld op het gebied van robotica, geautomatiseerde productie en zogenaamde fysieke AI. Samenwerking met Nvidia en Duitse industriële partners zou kunnen helpen, maar brengt ook risico's met zich mee, zoals nieuwe afhankelijkheden van individuele leveranciers. De cruciale factor is daarom niet om zo snel mogelijk zoveel mogelijk te investeren, maar om onderzoek en pilotprojecten op betrouwbare wijze om te zetten in productieve toepassingen. De waarschuwing van Huang is geen definitief oordeel over de toekomst van Duitsland, maar wel een reden om het eigen implementatietempo van het land serieus te evalueren.

Het is niet het denken dat Duitsland verlamt, maar het onvermogen om kennis snel om te zetten in toegevoegde waarde

De ongewoon scherpe kritiek van Nvidia-CEO Jensen Huang raakt een gevoelige snaar in de Duitse economie, maar zijn generalisaties zijn ook overdreven. Duitsland is noch technologisch onbeduidend, noch loopt het in het algemeen achter. Het land beschikt nog steeds over een uitzonderlijk brede industriële basis, wereldwijd concurrerende bedrijven, hoogwaardige onderzoeksinstellingen, een schat aan technische expertise en een hoge dichtheid aan geautomatiseerde productiefaciliteiten. In 2025 werden 24.476 Europese octrooiaanvragen in Duitsland ingediend, waarmee het land zijn leidende positie in Europa behield. Met 449 industriële robots per 10.000 werknemers in de maakindustrie heeft Duitsland bovendien de hoogste robotdichtheid in Europa en behoort het tot de hoogste ter wereld.

Desalniettemin moet de waarschuwing van Huang vanuit economisch oogpunt serieus worden genomen. Het probleem van Duitsland ligt minder in een absoluut gebrek aan technologie dan in de groeiende kloof tussen wetenschappelijke en technologische capaciteit en de effectieve markttoepassing ervan. Veel bedrijven beschikken over geavanceerde expertise op het gebied van werktuigbouwkunde, automatisering, materialen, sensortechnologie, productieplanning en industriële kwaliteitscontrole. Echter, als het gaat om cloudplatforms, schaalbare software, halfgeleiderecosystemen, digitale bedrijfsmodellen, grootschalige AI-modellen en risicovolle groeifinanciering, verschuift de focus van waardecreatie steeds meer buiten Europa. De cruciale vraag is daarom niet of Duitsland nog steeds innovatief is, maar of het zijn bestaande innovatievermogen snel genoeg kan omzetten in productieve toepassingen, nieuwe bedrijven, exporteerbare platforms en een hogere algehele economische productiviteit.

De diagnose van Huang is overdreven, maar niet ongegrond

De bewering dat een van de meest technologisch geavanceerde landen ver achterop is geraakt, werkt aanvankelijk als een provocerende overdrijving. Het beschrijft geen volledige industriële achteruitgang, maar eerder een relatief verlies aan positie in belangrijke digitale technologieën. Relatief betekent dat Duitsland zijn capaciteiten kan verbeteren en toch achterop kan raken als andere economieën hun capaciteit, investeringen en bedrijven aanzienlijk sneller opschalen. Dit mechanisme bepaalt de wereldwijde AI-race. Technologische vooruitgang wordt niet alleen gemeten aan de hand van goed onderzoek of de presentatie van individuele pilotprojecten. Cruciaal is hoe snel kapitaal, rekenkracht, data, geschoolde arbeidskrachten en ondernemerschap worden gecombineerd om verkoopbare producten te creëren.

De cijfers over financiering illustreren de omvang van het probleem. Wereldwijd stroomde er in 2025 zo'n 258,7 miljard dollar aan durfkapitaal naar AI-bedrijven. Hiervan ging ongeveer 194 miljard dollar, ofwel circa 75 procent, naar bedrijven in de Verenigde Staten. De gehele Europese Unie droeg ongeveer 15,8 miljard dollar bij, oftewel zes procent. Dit verschil is niet slechts een financieel detail. Het beïnvloedt waar talent wordt gerekruteerd, waar datacenters worden gebouwd, waar nieuwe modellen worden getraind, waar patenten worden gecommercialiseerd en waar jonge bedrijven uitgroeien tot wereldwijde platformaanbieders.

De kritiek van Huang wordt echter ook ingegeven door eigenbelang. Nvidia profiteert ervan wanneer overheden, cloudproviders en industriële bedrijven zo snel mogelijk grote hoeveelheden AI-chips, netwerktechnologie en software aanschaffen. Een CEO wiens bedrijf de kerninfrastructuur van de AI-boom verkoopt, is geen neutrale waarnemer van het technologiebeleid. Zijn oproep tot sneller handelen is daarom tegelijkertijd een economische beleidsdiagnose en een verkooppraatje. Dit maakt de kritiek niet ongeldig, maar vereist wel een meer nuchtere beoordeling. Sneller handelen leidt niet automatisch tot grotere economische voordelen als investeringen worden gedaan zonder duidelijke toepassingsmogelijkheden, concurrentie, open interfaces en betrouwbare kosten-batenanalyses.

Duitsland is sterk in technologie, maar zwak in snelheid

Het Duitse innovatieapparaat is gericht op grondigheid, veiligheid, technische betrouwbaarheid en langdurige industriële relaties. Dit model is al decennialang uiterst succesvol. Het is bijzonder geschikt voor industrieën waar storingen kostbaar of gevaarlijk zijn, productlevenscycli lang zijn en klanten waarde hechten aan betrouwbare kwaliteit. In de chemische industrie, machinebouw, automobielindustrie, elektrotechniek en industriële automatisering ontstaan ​​concurrentievoordelen vaak door duizenden kleine verbeteringen. Het Duitse systeem kan complexe fysieke producten ontwikkelen, certificeren, produceren en ondersteunen via internationale servicenetwerken.

Digitale markten volgen echter soms een andere logica. Software kan wereldwijd worden gedistribueerd tegen lage marginale kosten. Platformen worden waardevoller naarmate er meer klanten, ontwikkelaars en databronnen bijkomen. Snel leren van de markt kan belangrijker zijn dan een technisch perfect initiële ontwerp. In AI worden modellen, tools en bedrijfsprocessen continu ontwikkeld in korte cycli. Wie vroeg opschaalt, verwerft data, verbetert de gebruikerservaring, behoudt ontwikkelaars en trekt kapitaal aan. Een systeem dat beslissingen jarenlang uitstelt, financieringsprogramma's tot in detail interpreteert en ernaar streeft elk risico vooraf te minimaliseren, is structureel in het nadeel in dergelijke markten.

Dit maakt Huangs beschuldiging van overmatig nadenken begrijpelijk. Het blijft echter een onvolledige verklaring. Het probleem ligt niet bij de analyse zelf, maar eerder bij een combinatie van trage goedkeuringsprocessen, gefragmenteerde verantwoordelijkheden, gecompliceerde financieringsvoorwaarden, onduidelijke regelgeving, zwakke administratieve digitalisering, beperkt groeikapitaal en een bedrijfscultuur die fouten vaak zwaarder bestraft dan dat ze leren beloont. De OESO wijst op hoge administratieve lasten, tekorten aan geschoolde arbeidskrachten en regelgevende belemmeringen voor concurrentie als factoren die de bedrijfsdynamiek, innovatie en productiviteitsgroei negatief beïnvloeden. Het probleem is dus niet te veel nadenken, maar eerder een gebrek aan daadkracht binnen de organisatie.

De industriële kern is geen overblijfsel uit het verleden, maar juist Duitslands meest waardevolle AI-voordeel

Duitsland moet de wereldwijde AI-race niet nastreven door het Amerikaanse platformmodel te kopiëren. Een directe race om het grootste universele taalmodel zou duur en riskant zijn, en gezien de financiële macht van Amerikaanse bedrijven slechts beperkte kansen op succes bieden. De strategische voorsprong ligt juist daar waar digitale en fysieke systemen samenkomen. Precies daar beschikt Duitsland over middelen die niet op korte termijn te repliceren zijn: echte productiefaciliteiten, proceskennis, industriële data, machines, certificeringsexpertise, gespecialiseerde leveranciers en nauwe relaties tussen fabrikanten en zakelijke klanten.

Fysieke AI omvat systemen die hun omgeving waarnemen, beslissingen nemen en machines of voertuigen besturen. Dit omvat zelflerende robots, autonome transportsystemen, intelligente productiecellen, digitale tweelingen, AI-ondersteunde kwaliteitscontrole en simulatiegebaseerde trainingsomgevingen. In deze toepassingen is een krachtig taalmodel alleen niet voldoende. Nauwkeurige sensorgegevens, fysiek begrip, realtime mogelijkheden, veilige besturing, domeinkennis en robuuste integratie in bestaande processen zijn essentieel. De Duitse industriële structuur is hier bij uitstek geschikt voor.

Het uitgangspunt is sterker dan het verhaal van achteruitgang doet vermoeden. Duitsland is de grootste robotmarkt van Europa en telde in 2024 ongeveer 278.881 operationele industriële robots. Bijna de helft van de robotcapaciteit in West-Europa was in Duitsland geïnstalleerd. Ook het aantal patenten blijft hoog, hoewel het aantal Duitse patentaanvragen bij het Europees Octrooibureau in 2025 met 2,2 procent daalde ten opzichte van het voorgaande jaar. Deze cijfers tonen tegelijkertijd kracht aan en dienen als waarschuwing: Duitsland beschikt over aanzienlijke technologische middelen, maar de aanhoudende dynamiek is geen vanzelfsprekendheid.

Het werkelijke probleem zit hem in de overgang van pilotproject naar grootschalige toepassing

Er lopen momenteel talloze AI-initiatieven binnen Duitse bedrijven. Het knelpunt ontstaat vaak na de eerste poging. Een pilotproject kan worden opgezet met een klein team, beperkte data en een beheersbaar budget. Voor productief gebruik zijn echter gestandaardiseerde data-toegang, IT-beveiliging, operationele verantwoordelijkheid, training, proceswijzigingen, koppelingen met bestaande systemen en meetbare economische doelstellingen vereist. Veel projecten lopen vast in deze transitiefase omdat de technische, organisatorische en juridische verantwoordelijkheden niet op elkaar zijn afgestemd.

De adoptie van AI laat daarom een ​​gemengd beeld zien. In 2025 gebruikte 26 procent van de Duitse bedrijven met minstens tien werknemers ten minste één AI-technologie. Voor grote bedrijven met 250 of meer werknemers was dit 57 procent, voor bedrijven met 50 tot 249 werknemers 36 procent en voor kleine bedrijven met 10 tot 49 werknemers 23 procent. Duitsland lag daarmee boven het EU-gemiddelde van ongeveer 20 procent, maar aanzienlijk onder de Europese koplopers. Denemarken bereikte 42 procent, Finland 38 procent en Zweden en België elk 35 procent.

Het beeld is minder rooskleurig voor middelgrote bedrijven, omdat daar ook zeer kleine bedrijven onder vallen. Volgens gegevens van KfW gebruikt 20 procent van de middelgrote bedrijven AI. Het merendeel hiervan betreft toegankelijke toepassingen zoals natuurlijke taalverwerking of tekstherkenning. Slechts drie procent gebruikt meer geavanceerde data-analyse en slechts één procent zet AI in voor autonome machinebewegingen. Toepassingen die met name relevant zijn voor de industriële productiviteit zijn daarom nog steeds zeldzaam.

Bovendien vertraagt ​​het tempo van de digitalisering. Slechts 30 procent van de middelgrote bedrijven had in de onderzochte periode digitaliseringsprojecten afgerond. De bijbehorende uitgaven daalden in 2024 tot € 23,8 miljard, een afname van € 8,1 miljard ten opzichte van het voorgaande jaar. Dit is economisch significant, omdat AI niet kan worden opgeschaald op een zwakke digitale basis. Bedrijven hebben schone stamgegevens, netwerkcomputers, moderne cloud- of edge-infrastructuren en gedigitaliseerde workflows nodig. Wie deze voorwaarden negeert, kan wellicht wel aantonen dat het om AI gaat, maar kan het nauwelijks productief inzetten.

Kleine en middelgrote ondernemingen hebben behoefte aan rendement, niet aan technologisch spektakel

Het politieke debat richt zich vaak op grootschalige modellen, supercomputers en investeringen van miljarden dollars. Voor de gemiddelde middelgrote industriële onderneming spelen echter andere vragen een rol: Vermindert een toepassing afval en stilstand? Verkort het de ontwikkeltijden? Ontlast het de schaarste aan geschoolde arbeidskrachten? Verbetert het de leveringsbetrouwbaarheid, energie-efficiëntie of het onderhoud? Kan het veilig worden geïntegreerd in bestaande machines en ERP-systemen? Blijven data en proceskennis beheersbaar? Zonder duidelijke antwoorden wordt AI gezien als een bron van extra complexiteit, niet als een productiviteitstool.

Daarom zou de Duitse AI-strategie zich minder moeten richten op spectaculaire individuele projecten en meer op herhaalbare, branchespecifieke oplossingen. Een middelgrote machinefabrikant heeft geen algemeen model nodig voor elke denkbare taak. Het bedrijf heeft betrouwbare systemen nodig voor technische documentatie, offertes, foutdiagnose, ontwerp, productieplanning en onderhoud op afstand. Een logistiek bedrijf profiteert van verbeterde routeplanning, voorraadprognoses, visuele schadedetectie en dynamisch personeelsbeheer. Een toeleverancier in de automobielindustrie kan AI gebruiken voor kwaliteitscontrole, materiaalstroom, simulatie en voorspellend onderhoud.

De economische impact vloeit voort uit duizenden van dergelijke toepassingen. Ze verhogen niet alleen de efficiëntie van individuele bedrijven, maar kunnen ook het door demografie veroorzaakte tekort aan arbeidskrachten verlichten. Cruciaal is dat AI een aanvulling vormt op bestaande werknemers, proceskennis beschikbaar maakt en routinetaken vermindert. Een strategie die zich uitsluitend richt op het vervangen van werk zou weerstand oproepen en leiden tot het verlies van waardevolle ervaringskennis. Succesvolle implementatie vereist daarom een ​​gezamenlijke planning van technologie, training en organisatieontwikkeling.

De samenwerking met Nvidia is zowel een kans als een afhankelijkheid

De geplande samenwerking tussen de Duitse overheid, Nvidia en Duitse industriële partners richt zich op twee belangrijke gebieden: de ontwikkeling van krachtige AI-modellen voor industriële toepassingen en het leggen van de basis voor fysieke AI, met name voor robottraining en autonome voertuigen. Er zijn investeringen van honderden miljoenen euro's gepland, voornamelijk voor rekenkracht en modeltraining. Naast chips levert Nvidia ook gespecialiseerd engineeringpersoneel. Deelnemende bedrijven zijn onder andere Siemens, Audi en Black Forest Labs.

Deze aanpak is in principe plausibel. Duitsland kan zijn industriële database alleen benutten als er voldoende rekenkracht, softwaretools en expertise beschikbaar zijn. Samenwerking kan de ontwikkeltijd verkorten, de toegang tot moderne infrastructuur vergemakkelijken en bedrijven samenbrengen die op zichzelf te klein of te traag zouden zijn. Het kan ook een signaal afgeven dat industriële AI niet als een nichegebied wordt beschouwd, maar als een prioriteit in het economisch beleid.

Tegelijkertijd ontstaat er een strategische tegenstrijdigheid. Duitsland wil zijn digitale soevereiniteit versterken, maar is daarvoor afhankelijk van de technologie van een Amerikaans bedrijf dat de markt voor AI-acceleratoren domineert. In deze context kan soevereiniteit geen volledige autarkie betekenen. Duitsland zal in de nabije toekomst noch alle relevante chips zelf produceren, noch de volledige cloud- en softwarestack beheren. Een realistischer aanpak is gelaagde soevereiniteit: bedrijven moeten van leverancier kunnen wisselen, open interfaces kunnen gebruiken, gevoelige gegevens kunnen beheren, modellen onafhankelijk kunnen ontwikkelen en kritieke systemen kunnen blijven exploiteren, zelfs onder veranderende geopolitieke of commerciële omstandigheden.

Een samenwerking met Nvidia is daarom gunstig als deze de capaciteiten vergroot en de concurrentie bevordert. Het zou problematisch zijn als publieke middelen voornamelijk de verkoop van één enkele leverancier zouden subsidiëren en blijvende afhankelijkheden van propriëtaire hardware en software zouden creëren. Financieringsvoorwaarden moeten daarom interoperabiliteit, open standaarden, transparante prestatie-indicatoren en toegang voor kleine en middelgrote ondernemingen (kmo's) garanderen. Even belangrijk is een architectuur die Europese chipfabrikanten, cloudbedrijven, onderzoeksinstellingen en open-sourceprojecten niet uitsluit.

De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering - Afbeelding: Xpert.Digital

Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.

Meer informatie vindt u hier:

• De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering

Open industriële modellen kunnen soevereiniteit praktisch uitvoerbaar maken

Het Sovereign Open Source Foundation Models-project, kortweg Soofi, heeft als doel hoogwaardige open AI-modellen te ontwikkelen die in Duitsland getraind, bediend en bestuurd kunnen worden. Het project verbindt onderzoeksinstellingen, universiteiten en AI-bedrijven en maakt gebruik van de industriële AI-cloud van Deutsche Telekom. De eerste financieringsfase werd ondersteund met € 20 miljoen.

De open aanpak is strategisch relevant omdat industriële gebruikers andere eisen stellen aan chatbots dan particuliere gebruikers van vrij toegankelijke systemen. Ze hebben behoefte aan transparante modellen, beheersbare datastromen, onderhoudbaarheid op de lange termijn en aanpasbaarheid aan specialistische terminologie, standaarden en processen. Open modelgewichten alleen lossen deze problemen echter niet op. Hoogwaardige trainingsdata, transparante licenties, krachtige tools, beveiligingsaudits, duurzame financiering en een actieve ontwikkelaarsgemeenschap zijn essentieel.

Economisch succes hangt ook af van de vraag of een onderzoeksproject een robuust ecosysteem oplevert. Een model heeft pas economische waarde als bedrijven het productief gebruiken, dienstverleners er toepassingen voor ontwikkelen en geschoolde werknemers ermee kunnen werken. In het verleden heeft Duitsland vaak demonstratieprojecten en onderzoeksconsortia gefinancierd zonder dat er duurzaam schaalbare producten werden geproduceerd. Daarom moet Soofi niet primair worden afgemeten aan het aantal gepubliceerde modellen. Belangrijker zijn industrieel gebruik, meetbare productiviteitswinsten, het aantal actieve ontwikkelaars, integratie in bedrijfssoftware, exporteerbaarheid en de vermindering van eenzijdige afhankelijkheden.

Kapitaal bepaalt welke innovaties tot bloei komen

Het financieringsprobleem van Duitsland begint niet bij de oprichting van bedrijven, maar vaak juist bij hun groei. Wetenschappelijke expertise, overheidsprogramma's en financiering in de beginfase zijn beschikbaar. Maar wanneer een bedrijf honderden miljoenen euro's nodig heeft om computercapaciteit op te bouwen, internationaal uit te breiden of industriële hardware in massaproductie te nemen, schiet de binnenlandse kapitaalmarkt al snel tekort. Op dat moment nemen buitenlandse investeerders een groot deel van de financiering voor hun rekening, of verplaatsen succesvolle bedrijven hun activiteiten naar de Verenigde Staten.

De Duitse durfkapitaalmarkt laat vooruitgang zien. In 2025 werd er circa € 7,2 miljard geïnvesteerd in Duitse startups. Hiervan ging ongeveer € 2,9 miljard naar AI-bedrijven, zo'n twee vijfde van het totale volume en een recordhoogte voor Duitsland. Desondanks lag het totale Duitse durfkapitaalvolume, gemeten als percentage van het economisch resultaat, met 0,16 procent iets onder het EU-gemiddelde van 0,18 procent. Vooral in vergelijking met de Verenigde Staten blijft de omvang klein.

Het probleem zit hem niet alleen in de hoeveelheid kapitaal, maar ook in de structuur ervan. AI, robotica, halfgeleiders en industriële deeptechbedrijven vereisen lange ontwikkelingscycli, hoge initiële investeringen en investeerders met technische expertise. Het op banken gerichte Europese financiële systeem is minder geschikt voor immateriële, onzekere en langetermijninvesteringen. De Europese Centrale Bank wijst erop dat de Europese durfkapitaal- en private kredietmarkten te klein zijn om de omvang van de AI-mogelijkheden adequaat te financieren.

Effectief beleid moet daarom particulier groeikapitaal mobiliseren, en het niet vervangen door publiek kapitaal. Pensioenfondsen, verzekeringsmaatschappijen, family offices en industriële investeerders zouden meer kunnen participeren in Europese groeifondsen, mits de regelgeving, risicodeling en stimulansen op de juiste wijze worden vormgegeven. Publieke fondsen mogen niet worden gebruikt om verliezen over de hele linie te socialiseren. Ze kunnen echter risico's structureren door middel van ankerinvesteringen, garanties en gezamenlijke fondsen, zodat private partijen investeren. Cruciaal is dat kapitaal moet worden toegewezen op basis van technische kwaliteit en marktkansen, niet op basis van politieke zichtbaarheid.

Regulering is niet de vijand, maar de implementatie ervan kan innovatie belemmeren

Het contrast tussen Amerikaanse innovatie en Europese regelgeving wordt vaak te simplistisch voorgesteld. Betrouwbare regels kunnen vertrouwen scheppen, investeringen beschermen en risico's beperken. Vooral in de industrie, de medische sector, de mobiliteit en de kritieke infrastructuur zijn veiligheid, aansprakelijkheid en gegevensbescherming geen ondergeschikte aandachtspunten. Een gebrekkig aanbevelingssysteem is irritant; een gebrekkig besturingssysteem voor machines of voertuigen kan mensen in gevaar brengen en aanzienlijke schade veroorzaken.

Het probleem ontstaat wanneer regels onduidelijk, tegenstrijdig of administratief moeilijk te beheren zijn. Grote bedrijven kunnen gespecialiseerde afdelingen voor juridische zaken, gegevensbescherming en compliance opzetten. Kleine bedrijven en startups worden geconfronteerd met dezelfde onzekerheden, maar met aanzienlijk minder personeel. Als gevolg hiervan kan regelgeving onbedoeld de marktpositie van gevestigde aanbieders versterken. Het is niet het bestaan ​​van regels, maar eerder de hoge vaste kosten van naleving van de regelgeving die dan een toetredingsdrempel vormen.

Duitsland heeft daarom snellere en competentere goedkeurings- en adviesstructuren nodig. Bedrijven moeten in een vroeg stadium bindende informatie kunnen verkrijgen over de eisen die gelden voor een specifieke toepassing. Gestandaardiseerde testprocedures, testomgevingen die voldoen aan de regelgeving en wederzijds erkende certificeringen kunnen tijd en kosten besparen. Even belangrijk is de digitalisering van de overheidsadministratie. Het lijkt tegenstrijdig om bedrijven aan te moedigen te investeren in AI, terwijl overheidsprocessen nog steeds gekenmerkt worden door papierwerk, media-interferentie en meervoudige gegevensinvoer.

Energie en rekenkracht maken deel uit van het industriebeleid

AI-modellen en -simulaties vereisen aanzienlijke rekenkracht. Voor Duitsland is daarom niet alleen het aantal datacenters cruciaal, maar ook de kosten, de netaansluiting, de energievoorziening en de haalbaarheid ervan. Hoge elektriciteitsprijzen, langdurige netaansluitingsprocedures en lokale vergunningsproblemen kunnen digitale investeringen belemmeren, net als een gebrek aan kapitaal. Computerinfrastructuur is geen abstracte cloud; het bestaat uit gebouwen, chips, koelsystemen, stroomleidingen, transformatoren en gekwalificeerd personeel.

Een strategie voor industriebeleid moet datacenters integreren met energie-, netwerk- en warmtebeleid. Er moeten locaties worden gekozen waar hernieuwbare energieopwekking, hoogwaardige netwerken, bruikbare restwarmte en dataverbindingen effectief kunnen worden gecombineerd. Flexibel vraagbeheer kan helpen de elektriciteitsvraag af te stemmen op de beschikbaarheid van hernieuwbare energie. Het benutten van restwarmte is met name aantrekkelijk vanuit technisch en economisch oogpunt wanneer er geschikte verwarmingsnetwerken en continue afnemers aanwezig zijn. Algemene beloftes zijn echter onvoldoende; elk project vereist realistische infrastructuur- en economische haalbaarheidsstudies.

Tegelijkertijd mag rekenkracht geen doel op zich worden. De aanschaf van duizenden accelerators leidt niet automatisch tot hogere productiviteit. Zonder kwalitatief goede data, gekwalificeerd personeel, software en concrete toepassingen blijven dure faciliteiten onderbenut. Publieke financiering moet daarom gekoppeld worden aan gebruik, toegang en meetbare resultaten. Universiteiten, startups en het mkb hebben behoefte aan transparante toegangsmodellen, terwijl industriële gebruikers betrouwbare capaciteit en garanties voor gegevensbescherming nodig hebben.

Het talent is er, maar het systeem benut het niet consequent

Duitsland beschikt over sterke technische universiteiten, onderzoeksinstellingen en een goed functionerend duaal beroepsopleidingssysteem. De hoge mate van patentactiviteit en industriële automatisering zou zonder deze basis niet mogelijk zijn. Desondanks kampen veel sectoren met een tekort aan softwareontwikkelaars, data-engineers, elektrotechnici en experts op het gebied van robotica, halfgeleiders en AI. Demografische veranderingen versterken de concurrentie om gekwalificeerde arbeidskrachten.

De oplossing is niet simpelweg meer computerwetenschappers opleiden. Industriële AI vereist interdisciplinaire teams. Werktuigbouwkundigen moeten data en modelbeperkingen begrijpen; softwareontwikkelaars moeten proceskennis hebben; geschoolde werknemers moeten systemen kunnen bedienen, bewaken en verbeteren. Permanente educatie is daarom een ​​strategische productiefactor. Deze moet nauwer aansluiten op de werkprocessen in de praktijk en zich niet alleen richten op algemene AI-basisprincipes.

Internationaal talent is ook cruciaal. Snellere visa, Engelstalige administratieve diensten, betrouwbare erkenning van diploma's en aantrekkelijke carrièremogelijkheden kunnen de positie van Duitsland versterken. Tegelijkertijd moeten onderzoekers en ondernemers betere kansen krijgen om bedrijven binnen universiteiten op te bouwen. Technologieoverdracht mag niet mislukken door langdurige onderhandelingen over patenten, aandelen en gebruiksrechten.

Duitsland heeft geen kopie van Silicon Valley nodig

De vraag naar snellere vooruitgang is vaak gekoppeld aan de wens om Amerikaanse werkwijzen over te nemen. Dit zou strategisch gezien kortzichtig zijn. De kracht van Duitsland ligt niet in een culturele kopie van Silicon Valley, maar in de combinatie van industriële diepgang, technische betrouwbaarheid en digitale schaalbaarheid. Een Duits of Europees model kan strengere veiligheidsnormen, medezeggenschap en gegevensbescherming combineren met snelle innovatie, mits de processen duidelijk gestructureerd zijn en daadkrachtig handelen mogelijk maken.

Duitsland zou in dit opzicht onderscheid moeten maken tussen drie niveaus. Volledige onafhankelijkheid is onrealistisch voor eenvoudige AI-modellen en -chips; partnerschappen en gediversifieerde toeleveringsketens zijn hier noodzakelijk. Voor industriële modellen, simulatiesystemen en branchespecifieke platforms bestaan ​​er wel degelijk reële mogelijkheden voor internationaal toonaangevende oplossingen. Wanneer deze worden toegepast in fabrieken, logistiek, energie, mobiliteit en administratie, kan Duitsland bijzonder snel productiviteitswinsten realiseren.

Deze focus voorkomt dat schaarse middelen symbolisch worden verdeeld. Niet elk land heeft een eigen universeel topmodel nodig. Duitsland heeft echter wel voldoende binnenlandse expertise, rekenkracht en open technologie nodig om buitenlandse systemen te kunnen testen, aanpassen en, indien nodig, vervangen. Technologische soevereiniteit is daarom geen autarkie, maar strategische capaciteit.

De economische maatstaf hiervoor heet productiviteit

De doorslaggevende test is niet het aantal AI-strategieën, datacenters of conferenties, maar de productiviteitsontwikkeling. De reële economische output van Duitsland groeide in 2025 slechts met 0,2 procent. In de maakindustrie daalde de voor prijsveranderingen gecorrigeerde bruto toegevoegde waarde voor het derde opeenvolgende jaar, met 1,3 procent in 2025. Met name de automobiel- en machinebouwsector ondervonden een toenemende wereldwijde concurrentiedruk. Tegen deze achtergrond is industriële AI geen prestigeproject, maar een potentieel instrument voor het stabiliseren van waardecreatie en inkomsten.

Het effect treedt echter niet automatisch op. Bedrijven moeten processen herontwerpen, taken herverdelen en hun medewerkers trainen. Het simpelweg toepassen van AI op bestaande inefficiënte workflows kan alleen maar leiden tot het digitaliseren van verspilling. Productiviteitswinst ontstaat wanneer technologie wordt gecombineerd met organisatorische veranderingen. Dit omvat duidelijkere verantwoordelijkheden, betere data, snellere besluitvorming en de bereidheid om processen die geen nut meer hebben, te elimineren.

De KfW (Duitse ontwikkelingsbank) heeft daarom gelijk als ze stelt dat Duitsland niet op korte termijn wereldkampioen hoeft te worden in het ontwikkelen van de grootste modellen, maar eerder het toonaangevende land voor de toepassing van AI in de industrie en het mkb. Dit perspectief is economisch gezien overtuigender dan een puur symbolische wedloop om de grootste modellen. Het mag echter geen excuus zijn om binnenlands onderzoek, open modellen en infrastructuur te verwaarlozen. Een puur op toepassingen gericht land zou afhankelijk worden van de prijzen, regelgeving en productbeslissingen van buitenlandse platformaanbieders.

Wat is nu van belang in het economisch beleid?

Duitsland heeft een implementatieplan nodig met een aantal meetbare prioriteiten. Ten eerste moet de digitale infrastructuur van kleine en middelgrote ondernemingen (kmo's) worden verbeterd. Financieringsprogramma's moeten gezamenlijk investeringen in datakwaliteit, interfaces, cloud- en edge-systemen, cybersecurity en bijscholing ondersteunen. Ten tweede zijn branchespecifieke AI-platformen nodig, waarmee bedrijven modellen, datarooms en testomgevingen kunnen gebruiken zonder zelf alle technische componenten te hoeven ontwikkelen.

Ten derde moet de overheid optreden als een veeleisende eerste klant. Overheidsaanbestedingen kunnen jonge bedrijven referenties en groeimogelijkheden bieden als processen sneller en innovatievriendelijker worden. Ten vierde moeten groeifinanciering en exitmarkten worden uitgebreid, zodat succesvolle technologiebedrijven in Europa kunnen blijven en groeien. Ten vijfde heeft kritieke AI-infrastructuur open interfaces, de mogelijkheid om van leverancier te wisselen en duidelijke gegevenscontrole nodig.

Ten zesde moeten praktijklaboratoria voor robotica, autonome systemen en industriële AI aanzienlijk worden uitgebreid. Bedrijven moeten technologieën onder gecontroleerde omstandigheden kunnen testen voordat alle regelgevingskwesties definitief zijn opgelost. Ten zevende moet elke grote publieke investering in AI worden geëvalueerd op basis van concrete resultaten: productieve gebruikers, capaciteitsbenutting, vervolginvesteringen door de private sector, kostenbesparingen, nieuwe producten, export en de tijd die nodig is om producten op de markt te brengen.

Het allerbelangrijkste is echter institutionele verandering. Verantwoordelijkheden moeten worden gebundeld, deadlines moeten bindend worden gemaakt en beslissingen moeten transparant zijn. Duitsland heeft geen gebrek aan strategiedocumenten. Wat wel ontbreekt, zijn organisaties die verantwoordelijkheid nemen, projecten kunnen beëindigen als ze niet werken en succesvolle benaderingen snel kunnen repliceren.

Het tegenargument: Duitsland is niet te traag omdat het te veel nadenkt

De kritiek van Huang bevat een terechte observatie, maar een te simplistische verklaring. Duitsland is technologisch niet achterop geraakt omdat ingenieurs, bedrijven of overheidsinstanties van nature overdreven grondig te werk gaan. Grondigheid blijft in veel industriële toepassingen een concurrentievoordeel. Het land raakt achterop waar grondigheid een excuus wordt voor onduidelijke verantwoordelijkheden, een gebrek aan prioriteitsstelling en eindeloze coördinatie.

Het zou eveneens onjuist zijn om elke regelgeving als een obstakel voor innovatie te beschouwen en elke snelle investering als vooruitgang. De wereldwijde AI-boom kent excessen, verkeerde investeringen en hoge concentratierisico's. Hardware veroudert snel, bedrijfsmodellen zijn soms onduidelijk en de voordelen van generatieve AI worden in sommige sectoren overschat. Duitsland moet daarom niet blindelings miljarden uitgeven om alleen maar vastberadenheid te tonen.

Het betere antwoord op Huangs vraag is: Duitsland moet sneller handelen, maar niet roekeloos. Het moet zijn industriële kracht benutten in plaats van Amerikaanse platformstrategieën te imiteren. Het moet buitenlandse technologie gebruiken zonder volledig afhankelijk te worden van individuele leveranciers. Het moet open modellen bevorderen zonder onderzoeksprojecten te verwarren met functionerende markten. En het moet regelgeving zo ontwerpen dat veiligheid niet ten koste gaat van stagnatie.

De waarschuwing moet een productieve schok worden

De scherpe kritiek van de CEO van Nvidia kan nuttig zijn, mits deze niet ontaardt in gekwetste gevoelens of hysterisch activisme. De technologische situatie in Duitsland is ernstiger dan de geruststellende woorden doen vermoeden, maar beter dan het doemscenario. Het land beschikt nog steeds over industriële, wetenschappelijke en technische troeven van uitzonderlijke waarde. Tegelijkertijd dreigt het belang van deze sterke punten af ​​te nemen als software, data, chips, platforms en groeikapitaal permanent elders geconcentreerd raken.

De geplande samenwerking op het gebied van industriële en fysieke AI zou een belangrijke stap kunnen zijn. Het succes ervan hangt echter niet af van de bekendheid van de deelnemende bedrijven of de hoogte van de aangekondigde investeringen. Cruciaal is of middelgrote en grote bedrijven sneller productieve toepassingen kunnen ontwikkelen, of er in Duitsland kennis en toegevoegde waarde worden gegenereerd en of de afhankelijkheid van individuele leveranciers beheersbaar blijft.

Duitsland staat daarom niet voor de keuze tussen denken en handelen. Het moet beter nadenken, duidelijker beslissen en sneller implementeren. De industriële voorsprong bestaat nog steeds, maar is geen blijvend bezit. In een fase van versnelde technologische veranderingen verliest een land zijn positie niet alleen wanneer fabrieken sluiten. Het verliest die positie zodra anderen dezelfde technologieën gebruiken om sneller nieuwe producten, bedrijven en productiviteitswinsten te creëren.

Huangs pleidooi moet daarom niet worden beschouwd als een objectief oordeel, noch als louter provocatie. Het is een treffende beschrijving van een reëel economisch probleem: Duitsland beschikt over kennis, kapitaal, bedrijven en talent, maar combineert deze middelen te traag. Als de Bondsrepubliek haar industriële basis koppelt aan schaalbare AI, moderne infrastructuur, groeikapitaal en daadkrachtige instellingen, kan zij een leidende rol spelen in de volgende technologische golf. Als zij zich daarentegen vooral richt op het aankondigen van programma's, het verdelen van verantwoordelijkheden en het beheersen van risico's, zal een relatieve achterstand uitmonden in een structurele achteruitgang.

Van inzicht naar vertrouwen: uw schaalbare traject met Xpert.Digital - Afbeelding: Xpert.Digital

In de industriële B2B-sector ontstaan ​​duurzame zakelijke relaties zelden van de ene op de andere dag. Ze ontwikkelen zich stap voor stap – door zichtbaarheid, professionele relevantie, terugkerende contactmomenten en groeiend vertrouwen. Het 4-stappenmodel van Xpert.Digital speelt hier precies op in: het biedt een gestructureerd traject dat begint met een beheersbaar instapmoment en, indien nodig, kan uitgroeien tot een diepere samenwerking in de bedrijfsontwikkeling.

In plaats van te vertrouwen op luide marketingbeloftes, plaatst dit model de relatie centraal. Bedrijven beginnen met duidelijk gedefinieerde, eenvoudig meetbare indicatoren en bepalen vervolgens, op basis van hun eigen ervaring, hoe ver ze de samenwerking willen uitbreiden. Een belangrijke factor voor dit ongestoorde proces van vertrouwensopbouw: het platform vermijdt volledig storende advertenties, waardoor de redactionele focus volledig op de expertise van de bedrijven blijft.

Meer informatie vindt u hier:

• Van inzicht naar vertrouwen: uw schaalbare traject met Xpert.Digital

☑️ Onze zakelijke voertaal is Engels of Duits

☑️ NIEUW: Correspondentie in uw moedertaal!

Konrad Wolfenstein

Mijn team en ik staan ​​graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen door hier het contactformulier in te vullen [email protected]:of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is

Ik kijk uit naar ons gezamenlijke project.

☑️ Ondersteuning van het MKB op het gebied van strategie, advies, planning en implementatie

☑️ Opstellen of herzien van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B-handelsplatformen

☑️ Pionier in bedrijfsontwikkeling / marketing / PR / beurzen