Het kernprobleem van AI-infrastructuur: het risico van waardevermindering van activa – wie vandaag de dag afhankelijk is van verouderde structuren, zal daar morgen de prijs voor betalen

Energieverslindende AI: het ingenieuze (en genegeerde) alternatief voor gigantische nucleaire datacenters

Het gebrek aan transparantie als een fundamenteel politiek probleem van AI-infrastructuur

De energiebehoefte van kunstmatige intelligentie groeit exponentieel – en daarmee ook de politieke paniek. Om te voldoen aan de gigantische elektriciteitsbehoefte van geplande AI-datacenters, is er in Europa en de VS plotseling een ogenschijnlijk nieuwe oplossing in beeld gekomen: kleine modulaire kernreactoren (SMR's). Maar terwijl politici en lobbyisten uit de industrie deze nucleaire redder als de enige optie beschouwen, dreigt er op de achtergrond een ongekende economische misrekening.

Exploderende bouwkosten, implementatietijden van tientallen jaren en het immense risico van zogenaamde "gestrande activa" maken van de droom van een door kernenergie aangedreven AI-gigafabriek een riskante gok. Wat vooral explosief is, is wat systematisch wordt weggelaten uit het debat: een gedecentraliseerde AI-infrastructuur. Dit artikel onderzoekt de verborgen kosten van het SMR-debat en laat zien waarom we het risico lopen de kostbare structurele fouten uit het verleden te herhalen met de technologie van morgen.

De werkelijke aanleiding voor dit debat is dan ook niet de technische vraag welke infrastructuur beter is. De werkelijke aanleiding is politiek van aard: waarom richt de discussie over toekomstbestendige AI-infrastructuur zich bijna uitsluitend op een technologie waarvan de realisatiehorizon verder reikt dan de planningshorizon van AI-roadmaps, waarvan de kostenhistorie gekenmerkt wordt door overschrijdingen van honderden procenten en waarvan de subsidiëring grotendeels ondoorzichtig is?

Dit is hiermee gerelateerd:

• AI-gigafabrieken: de verborgen kosten – hoe de expansie van hyperscalers in de VS en China de beschikbare middelen onder druk zet

Het gebrek aan transparantie als kernprobleem van de AI-infrastructuur: de energievraag als strategische afleidingsmanoeuvre

In de debatten rond de bouw van Europese AI-gigafabrieken domineert één vraag het publieke debat: waar komt al die elektriciteit vandaan? Het antwoord dat steeds vaker in politieke kringen en op branchefora circuleert, is: kleine modulaire kernreactoren, de zogenaamde Small Modular Reactors (SMR's). Dit antwoord klinkt technologisch geavanceerd, is politiek haalbaar en heeft als voordeel dat het bestaande belangengroepen – de nucleaire industrie, staatsenergiebedrijven en nucleaire onderzoeksinstellingen – overtuigt. Wat echter vrijwel volledig ontbreekt in deze discussie, is een eerlijke economische beoordeling: zijn gecentraliseerde AI-gigafabrieken, aangedreven door SMR-reactoren, wel echt het economisch meest verstandige antwoord op de toenemende vraag naar rekenkracht? Of leidt deze vraag af van een veel fundamenteler structureel alternatief: gedecentraliseerde AI-infrastructuur?

Het Internationaal Energieagentschap (IEA) voorspelt dat het wereldwijde elektriciteitsverbruik van datacenters tegen 2030 meer dan zal verdubbelen en bijna 1.000 terawattuur per jaar zal bereiken. Zelfs nu verbruikt een enkel groot AI-datacenter al evenveel elektriciteit als een stad met 50.000 inwoners, en de echt grote faciliteiten werken nu in de gigawatt-range. Alleen al voor de VS voorspelt het IEA een extra capaciteitsbehoefte van 60 gigawatt tegen 2029 voor datacenters en AI-toepassingen – gelijk aan de productie van ongeveer 60 kerncentrales. Deze cijfers zijn indrukwekkend, maar ze leiden tot een denkfout: ze projecteren gedachteloos de huidige architectuur van gecentraliseerde datacenters naar de toekomst, in plaats van serieus alternatieve infrastructuurmodellen te overwegen.

De verborgen kosten achter de belofte van SMR

De discussie rondom kleine modulaire reactoren (SMR's) kenmerkt zich door een opmerkelijke mate van optimisme, dat bij nader inzien weinig empirische basis heeft. Voorstanders van SMR's beloven kortere bouwtijden, lagere kosten door massaproductie en snellere schaalbaarheid in vergelijking met conventionele grootschalige reactoren. De realiteit schetst echter een veel somberder beeld.

De wereldwijde markt voor kerncentrales stagneert al jaren. In 2024 werden wereldwijd slechts zes nieuwe kerncentrales in gebruik genomen, terwijl er vier werden ontmanteld – een netto toename van twee centrales. De oorzaken zijn structureel: extreem hoge investeringskosten, bouwtijden van 10 tot 15 jaar en financieringsrisico's die praktisch alleen door staatsbedrijven kunnen worden gedragen. Het beste voorbeeld van deze kostenexplosie is Flamanville 3 in Frankrijk: de centrale, die in 2006 aanvankelijk werd geraamd op € 3,2 tot € 3,3 miljard en gepland stond voor een bouwperiode van vijf jaar, kostte uiteindelijk € 23,7 miljard na 17 jaar bouwen.

Zelfs het vlaggenschipproject van de VS, de kerncentrale Vogtle in Georgia, had aanvankelijk een budget van 14 tot 15,5 miljard dollar, maar kostte uiteindelijk 34 miljard dollar – meer dan het dubbele van de oorspronkelijke schatting. Westinghouse, een van 's werelds toonaangevende bedrijven in nucleaire technologie, ging kort daarna failliet. De kosten van de Britse Hinkley Point C-centrale liepen op tot 32,7 miljard pond (ongeveer 41,3 miljard dollar) – ondanks een aanvankelijk budget van 2 miljard pond. De vuistregel die ervaren waarnemers in de sector nu hanteren is: vermenigvuldig de oorspronkelijke kostenraming van de kernenergiesector met tien om tot een realistisch bedrag te komen.

Voor SMR-centrales, waarvan tot nu toe in de westerse wereld nog geen enkel modulair systeem commercieel is ingezet, is de kostensituatie nog onzekerder. Een analyse van de Heinrich Böll Foundation uit begin 2024 (let op: het jaartal is logischerwijs gecorrigeerd naar 2024 in plaats van het toekomstige 2026) concludeert dat de meeste SMR-concepten zich nog in een vroeg ontwikkelingsstadium bevinden, geen wettelijke goedkeuring in de EU hebben en waarschijnlijk vóór 2050 geen significante hoeveelheden elektriciteit zullen opwekken. Het Institute for Energy Economics and Financial Analysis (IEEFA) bevestigt deze kritische beoordeling: SMR's blijven te duur, te traag om te bouwen en te riskant om de komende 10 tot 15 jaar een belangrijke rol te spelen in de energietransitie. Volgens de IEEE zouden investeringen in SMR's middelen onttrekken aan koolstofvrije en kosteneffectievere hernieuwbare energiebronnen die vandaag de dag al beschikbaar zijn.

Een vaak over het hoofd gezien aspect van dit debat zijn de verborgen subsidies. Volgens berekeningen van het Forum voor Ecologische en Sociale Markteconomie, in opdracht van Greenpeace, bedroeg de historische steun voor kernenergie in Duitsland tussen 1950 en 2008 minstens € 165 miljard aan staatssubsidies – plus nog eens € 92,5 miljard aan voorzienbare toekomstige kosten. De Duitse overheid rapporteerde echter slechts minder dan € 200 miljoen in haar subsidierapporten – een verschil van meerdere ordes van grootte, toe te schrijven aan een extreem beperkte definitie van subsidies. Deze berekening houdt geen rekening met belastingvoordelen, overheidsgaranties, onderzoeksfinanciering, de kosten van opslagplaatsen voor kernafval en – het belangrijkste – de feitelijke onbeperkte aansprakelijkheid van de overheid in geval van een ramp. Als exploitanten van kerncentrales verplicht zouden worden een standaard marktaansprakelijkheidsverzekering af te sluiten, zou kernenergie volgens deze berekeningen tot € 2,70 per kilowattuur duurder worden – en dus simpelweg niet concurrerend.

Het transparantiegebrek: wanneer lobbybelangen de beslissingen over infrastructuur bepalen

De vraag waarom de discussie over de energievoorziening voor AI-gigafabrieken zich bijna uitsluitend richt op kernenergie – en niet tegelijkertijd op decentrale alternatieven – is geen technische, maar een politieke kwestie. Het wijst op een structureel gebrek aan transparantie in het debat over publieke infrastructuur.

De Europese Unie heeft de oprichting van AI-gigafabrieken tot strategische prioriteit verklaard en een InvestAI-faciliteit van € 20 miljard gelanceerd om tot vijf van dergelijke faciliteiten te bouwen. Een AI-gigafabriek, zoals gedefinieerd door de EU, omvat 100.000 of meer gespecialiseerde chips, en de EU schat de kosten van elke faciliteit, inclusief energievoorziening, op tussen de € 3 en € 5 miljard. Duitsland heeft € 805 miljoen aan startkapitaal gereserveerd voor een dergelijke faciliteit en voert actief gesprekken met bedrijven die het contract zullen krijgen – Deutsche Telekom, de Schwarz Group, Ionos of een Beiers consortium. Deze financieringsstructuur creëert inherent enorme perverse prikkels: ze bevoordeelt gecentraliseerde grootschalige projecten omdat alleen deze voldoen aan de drempelwaarden voor de EU-definitie van een "gigafabriek". Kleinere, gedecentraliseerde initiatieven vallen buiten de boot van dit financieringsschema, hoewel ze vanuit economisch oogpunt vaak aantrekkelijker zouden kunnen zijn.

Het gebrek aan transparantie blijkt ook uit de selectieve presentatie van kostengegevens. Wanneer politici en vertegenwoordigers van de industrie het over SMR's hebben, citeren ze optimistische schattingen van fabrikanten. Wanneer critici wijzen op eerdere kostenoverschrijdingen, worden deze afgedaan als geïsoleerde incidenten of problemen die inherent zijn aan de voorgaande technologie. Er is echter geen enkel betrouwbaar empirisch bewijs dat SMR's op commerciële schaal economischer zullen zijn dan de grootschalige reactorprojecten die als negatieve voorbeelden dienen – niet in de laatste plaats omdat er nog geen enkel commercieel relevant SMR-project volgens westerse normen in gebruik is genomen.

Dit is hiermee gerelateerd:

• Stanford-onderzoek: Is lokale AI plotseling economisch superieur? Het einde van het clouddogma en gigabit-datacenters?

Het over het hoofd geziene alternatief: waarom gedecentraliseerde AI-infrastructuur economisch gezien de betere oplossing kan zijn

De vraag die verrassend genoeg zelden wordt gesteld in het hele debat over AI-gigafabrieken en hun energievoorziening is: waarom hebben we überhaupt gigafabrieken nodig? En als we ze nodig hebben, waarom moeten ze dan per se gecentraliseerd zijn?

Lokale en gedecentraliseerde AI-infrastructuur ondergaat momenteel een stille maar fundamentele economische herwaardering. Onderzoek van Fraunhofer Institutes toont aan dat edge-gebaseerde systemen tot 35 procent kunnen besparen op elektriciteitskosten in vergelijking met conventionele cloudverwerking, omdat ze minder bandbreedte en koelcapaciteit vereisen. Een fabriek met 1.000 IoT-sensoren die elke seconde metingen verzenden, zou zonder edge computing dagelijks 86 miljoen datapunten naar de cloud sturen; met lokale datafiltering (edge ​​filtering) wordt dit aantal teruggebracht tot ongeveer 8 miljoen – een besparing van 90 procent op bandbreedte- en cloudopslagkosten. Deze cijfers zijn economisch significant, maar worden zelden besproken in publieke infrastructuurdiscussies.

Gedecentraliseerde edge-datacenters bieden ook lokale warmteterugwinning, die kan worden gebruikt om woonwijken, kantoorgebouwen of industriële complexen te verwarmen. Deze synergie verbetert de algehele kostenbalans aanzienlijk wanneer restwarmte als een economisch rendabel bijproduct wordt beschouwd. Gecentraliseerde gigafabrieken produceren dezelfde restwarmte, maar op een locatie waar onvoldoende vraag is naar het gebruik ervan.

Het is opmerkelijk dat het coalitieakkoord van de Duitse federale regering expliciet gericht is op de ondersteuning van gedecentraliseerde infrastructuren, zoals edge computing op gedistribueerde locaties. Tegelijkertijd wordt er echter minstens één Europese AI-gigafabriek naar Duitsland gehaald – een aanpak die structureel in tegenspraak is met het decentralisatieprincipe. Deze inconsistentie laat zien hoe sterk politiek prestige en economische rationaliteit uiteen kunnen lopen als het gaat om infrastructuurbeslissingen.

Het model van een AI-infrastructuur bestaande uit een paar enorme, gecentraliseerde faciliteiten reproduceert het achterhaalde paradigma van gecentraliseerde energievoorziening via grote energiecentrales – en dit op een moment dat de energiesector zelf de voordelen van gedecentraliseerde opwekkingsstructuren begint te beseffen. Het zou een historische vergissing zijn om de institutionele fouten van de energiesector op het gebied van digitaliseringsinfrastructuur te herhalen.

Dit is hiermee gerelateerd:

• Wat is beter: een gedecentraliseerde, gefedereerde, robuuste AI-infrastructuur of een AI-gigafabriek of een hyperscale AI-datacenter?

De paradox van Jevons en de misleidende logica van efficiëntie

Een veelgehoord tegenargument tegen de relevantie van het decentralisatiedilemma rond SMR's is dat AI-hardware steeds efficiënter wordt en dat het energieverbruik daarom zal stabiliseren. Dit argument is niet helemaal onjuist, maar ook niet helemaal juist, en het negeert de zogenaamde paradox van Jevons.

Microsoft-CEO Satya Nadella verklaarde in 2024 in Berlijn dat de prestaties van AI-systemen elke zes maanden verdubbelen. Recente gegevens suggereren dat de mogelijkheden van AI-systemen zelfs elke zeven maanden verdubbelen – aanzienlijk sneller dan de klassieke wet van Moore, die een verdubbeling elke twee jaar voorspelt. De Chinese AI-startup DeepSeek demonstreerde eind 2024 en begin 2025 op indrukwekkende wijze dat vergelijkbare resultaten behaald kunnen worden met een fractie van de middelen die voorheen nodig waren: DeepSeek V3 werd in twee maanden getraind met slechts 2048 NVIDIA H800 GPU's, een prestatie waarvoor Meta 30,8 miljoen GPU-uren nodig had voor een vergelijkbaar model.

Het argument dat technologische efficiëntiewinsten de totale energievraag kunnen verlichten, houdt echter een structurele tekortkoming. Naarmate AI-systemen goedkoper en efficiënter worden, zullen ze ook intensiever worden gebruikt – en de vraag groeit sneller dan de efficiëntiewinsten. Het IEA bevestigt dat, hoewel het energieverbruik gerelateerd aan AI langzamer toeneemt dan de capaciteitsuitbreiding, het elektriciteitsverbruik van datacenters wereldwijd meer dan zal verdubbelen tot 945 TWh in 2030. Alleen al in Duitsland steeg de energievraag van datacenters tot 21,3 miljard kilowattuur in 2025, tegenover 20 miljard kWh in 2024 en 12 miljard kWh in 2015. Efficiëntiewinsten en vraaggroei staan ​​voortdurend in concurrentie met elkaar, waarbij de vraag historisch gezien altijd de overhand heeft.

Bovendien is er een belangrijke nuance in het DeepSeek-voorbeeld: ondanks efficiënte training verbruikt het model tijdens de werking (inferentie) tot wel 87 procent meer energie dan een vergelijkbaar meta-model met 70 miljard parameters. De complexiteit van de architecturen die efficiëntere training mogelijk maken, kan het energieverbruik tijdens de werking verhogen. Efficiëntie op één gebied van het systeem vertaalt zich daarom niet noodzakelijkerwijs in efficiëntie van het gehele systeem – een inzicht dat planners van gecentraliseerde infrastructuur vaak over het hoofd zien bij het plannen van de capaciteit.

Onze wereldwijde expertise in de industrie en economie op het gebied van bedrijfsontwikkeling, verkoop en marketing - Afbeelding: Xpert.Digital

Focusgebieden binnen de industrie: B2B, digitalisering (van AI tot XR), werktuigbouwkunde, logistiek, hernieuwbare energie en industrie

Meer informatie vindt u hier:

• Expert Business Hub

Een thematisch kenniscentrum met inzichten en expertise:

• Kennisplatform over mondiale en regionale economieën, innovatie en trends in specifieke sectoren
• Een verzameling analyses, inzichten en achtergrondinformatie over onze belangrijkste aandachtsgebieden
• Een plek voor expertise en informatie over actuele ontwikkelingen in het bedrijfsleven en de technologie
• Een informatiecentrum voor bedrijven die op zoek zijn naar informatie over markten, digitalisering en innovaties in de sector

Batterijopslag als gamechanger? De natrium-ionrevolutie en de implicaties ervan

Een van de meest overtuigende argumenten voor een heroverweging van de gecentraliseerde SMR-strategie ligt in de snelle ontwikkeling van energieopslagtechnologieën – met name natrium-iontechnologie, beter bekend als zoutbatterijen. Deze ontwikkeling is niet speculatief, maar empirisch aantoonbaar en heeft directe gevolgen voor de economische haalbaarheid van gedecentraliseerde AI-infrastructuren.

Natrium-ionbatterijen benaderen qua kosten al lithium-iontechnologie. Volgens gegevens van IDTechEx bedraagt ​​de gemiddelde prijs van een natrium-ioncel momenteel ongeveer $ 87 per kWh. De productiekosten per cel zullen naar verwachting dalen tot ongeveer $ 40 per kWh – een waarschijnlijk scenario bij verdere schaalvergroting. Voor stationaire opslag zijn de prijstrends zelfs nog indrukwekkender: BloombergNEF registreerde een prijsdaling voor stationaire opslagpakketten tot $ 70 per kWh in 2025 – een daling van 45 procent op jaarbasis, de sterkste prijsdaling in welk batterijsegment dan ook.

Langetermijnprognoses zijn bijzonder interessant voor strategische infrastructuurplanning. Tegen 2050 zouden natrium-ionbatterijen energieopslagkosten van € 11 tot € 14 per megawattuur kunnen bereiken, uitgaande van snelle leercurves – waardoor ze goedkoper zijn dan lithium-iontechnologie, waarvan de kosten naar verwachting tussen de € 16 en € 22 per MWh zullen liggen. Deze cijfers veranderen de gehele economische haalbaarheidsberekening voor gedecentraliseerde, op zonne-energie werkende datacenters fundamenteel. Een gedecentraliseerd datacenter dat overdag hernieuwbare zonne-energie opslaat en deze 's nachts of tijdens perioden met weinig wind en zon gebruikt, kan met deze opslagkosten economisch worden geëxploiteerd op een manier die vijf jaar geleden zelfs niet in de verste verte realistisch was.

Natrium-ionbatterijen bieden ook structurele voordelen die cruciaal zijn voor een breed schaalbare infrastructuur: natrium is in onbeperkte hoeveelheden beschikbaar en is een binnenlandse grondstof in Europa, waardoor strategische importafhankelijkheden worden geëlimineerd. Recycling is aanzienlijk eenvoudiger dan bij lithiumbatterijen, omdat de cellen geen koper of kobalt bevatten. De ontladingsdiepte kan oplopen tot 100 procent zonder de batterij te beschadigen. Bovendien is de technologische infrastructuur voor natrium-ionbatterijen in Duitsland, met name in Thüringen en Saksen, al aanwezig.

Het is belangrijk om eerlijk te zijn over de beperkingen: natrium-ionbatterijen hebben een lagere energiedichtheid dan lithium-ionbatterijen, wat hun gewicht en volume verhoogt. Hun gemiddelde rendement, rond de 79 procent, is aanzienlijk lager dan dat van lithium-ionbatterijen (96 procent). Voor stationaire, grootschalige opslagtoepassingen, waar gewicht en volume geen primaire beperkingen zijn, is de lagere energiedichtheid echter geen doorslaggevend nadeel. Bij grootschalige opslag voor gedistribueerde datacenters is het efficiëntievoordeel van lithium-ionbatterijen minder relevant dan de algehele kosten-batenanalyse over hun levensduur.

Naast natrium-ionbatterijen groeit ook de markt voor solid-state batterijen exponentieel. De wereldwijde markt voor solid-state batterijen groeit met een gemiddelde jaarlijkse snelheid van wel 36,4 procent. Optimistische scenario's voorspellen kosten van $80 tot $120 per kWh voor solid-state cellen in 2027, en in het volgende decennium worden verdere aanzienlijke kostenverlagingen door schaalvergroting verwacht.

Dit is hiermee gerelateerd:

• Redispatch 2.0 en grootschalige batterijopslag: vloek of Segen voor het elektriciteitsnet? De ambivalente rol van gigantische batterijopslagsystemen

Het risico van gestrande activa: wanneer de toekomst eerder aanbreekt dan gepland

Het meest overtuigende economische argument tegen een ondoordachte beslissing om SMR-aangedreven AI-gigafabrieken te bouwen, is wellicht het risico van zogenaamde 'stranded assets'. Deze term verwijst naar investeringen die door externe invloeden, zoals technologische veranderingen, gewijzigde marktomstandigheden of wettelijke voorschriften, zoveel waarde verliezen dat ze geen rendement meer opleveren.

De geschiedenis van de technologie kent talloze voorbeelden van infrastructuurbeslissingen die ten tijde van de planning als verstandig werden beschouwd, maar slechts enkele jaren na de ingebruikname kostbare misinvesteringen bleken te zijn. In de energiesector hebben veel kolencentrales die in de jaren 2010 zijn gebouwd of uitgebreid, al aanzienlijk aan waarde ingeboet of zijn voortijdig gesloten – ondanks een verwachte resterende levensduur van 30 tot 40 jaar. Het Internationaal Agentschap voor Hernieuwbare Energie (IRENA) schat dat het risico op waardeverlies van activa in een scenario zonder veranderingen kan oplopen tot 20 biljoen dollar.

Dit risico is met name groot voor AI-infrastructuur, omdat de technologische ontwikkeling zich in een uitzonderlijk hoog tempo voltrekt. Een kleine magnetische resonantiereactor (SMR) die vandaag de dag in gebruik wordt genomen, heeft een realistische kans op ingebruikname van niet eerder dan 2035 tot 2040 – zelfs onder optimistische aannames met betrekking tot vergunningen, bouwtijd en toeleveringsketens. Volgens recente bevindingen verdubbelt de prestatie van AI-systemen elke zes tot zeven maanden. Binnen de 10 tot 15 jaar die nodig zijn om een ​​SMR te bouwen, zullen de mogelijkheden van AI-systemen met een factor 20.000 tot 300.000 zijn verbeterd – een omvang waarbij betrouwbare voorspellingen van specifieke infrastructuurbehoeften simpelweg niet meer mogelijk zijn.

Het probleem is niet alleen de onzekerheid over de hardware. De hele architectuur van AI-systemen ondergaat een transformatie. Zoals DeepSeek op indrukwekkende wijze heeft aangetoond, kunnen slimme algoritme-optimalisaties de hardwarevereisten vertienvoudigen – zonder kwaliteitsverlies. Nieuwe chiparchitecturen die verder gaan dan de von Neumann-architectuur en de zogenaamde "geheugenmuur" overwinnen, zijn in ontwikkeling. Fotongebaseerde computers, neuromorfische chips en kwantumcomputers – al deze technologieën hebben, zodra ze commercieel volwassen zijn, het potentieel om het energieverbruik per berekening drastisch te verlagen. De toekomst van deze technologieën zal precies worden bepaald in de 10 tot 15 jaar die het duurt voordat een SMR (Single Master Resonator) online beschikbaar komt.

Wie vandaag de dag investeert in door SMR's aangedreven AI-gigafabrieken, verbindt zich voor 40 tot 60 jaar – de typische levensduur van een kerncentrale – aan één enkele energiebron. En dat doen ze in de hoop dat de AI-industrie gedurende die periode een constante vraag zal blijven houden naar precies het soort gecentraliseerde, energie-intensieve infrastructuur dat deze reactoren moeten aandrijven. Vanuit het huidige perspectief lijkt dit een uiterst riskante gok.

Het kennisgebrek: het onderschatte structurele probleem van kernenergie

Een ander belangrijk argument tegen de SMR-strategie, dat te weinig aandacht krijgt in het publieke debat, is het acute tekort aan geschoolde arbeidskrachten in de nucleaire industrie. De afgelopen drie decennia, gekenmerkt door moratoriums, uitfaseringsbesluiten en een gebrek aan nieuwe bouwprojecten, heeft de nucleaire industrie aanzienlijk institutioneel kennisverlies geleden.

De markt voor kerncentrales is momenteel afhankelijk van een zeer klein aantal bedrijven – voornamelijk staatsbedrijven – die überhaupt in staat zijn om kerncentrales te bouwen en te exporteren. Het wereldwijde netwerk van leveranciers, ingenieurs en gecertificeerde specialisten voor de implementatie van kernenergieprojecten is minimaal. Dit betekent dat zelfs met een gunstig politiek besluit ten gunste van SMR's (Small Modular Reactors), het knelpunt niet de vergunningen of het kapitaal zijn, maar de beschikbare expertise. Als de VS, Canada, het VK, Frankrijk en diverse EU-landen allemaal tegelijkertijd SMR-programma's willen opzetten, zullen ze allemaal concurreren om dezelfde beperkte groep nucleaire ingenieurs.

Dit staat in schril contrast met de situatie in de sector van hernieuwbare energie en opslagtechnologieën. De wereldwijde zonne-energiesector heeft de afgelopen tien jaar een exponentiële groei doorgemaakt, het aantal gekwalificeerde professionals in de sector van hernieuwbare energie neemt gestaag toe en de toeleveringsketens voor zonnepanelen, omvormers en opslagtechnologieën zijn goed ontwikkeld en internationaal gediversifieerd. Gedecentraliseerde AI-infrastructuur kan deze bestaande kennisbasis, toeleveringsketens en ervaring met regelgeving benutten. De SMR-industrie daarentegen moet zo'n fundament nog opbouwen – onder enorme tijds- en kostendruk.

De nationale economische rekeningen: een directe vergelijking

Een systematische vergelijking van de verschillende factoren levert de volgende economische situatie op:

De vergelijking laat zien dat een op SMR gebaseerde AI-gigafabriek op zijn vroegst pas in 2035-2040 elektriciteit zou leveren (optimistisch gezien), terwijl een gedecentraliseerde AI-infrastructuur met zonne-energie en opslag al in 2027 beschikbaar zou zijn. Qua kapitaalintensiteit vereist de SMR-optie zeer hoge initiële investeringen van circa € 3-5 miljard per gigafabriek plus SMR, terwijl de gedecentraliseerde oplossing modulaire schaalbaarheid en aanzienlijk lagere individuele investeringsbedragen mogelijk maakt. Het kostenrisico is extreem hoog voor SMR (historische overschrijdingen van 100-600%), terwijl het voor zonne-energie + opslag laag is, omdat de technologiekosten continu dalen. Het risico op technologische achteruitgang is zeer hoog voor SMR vanwege een verbintenis van 40-60 jaar, terwijl de gedecentraliseerde infrastructuur een laag risico op achteruitgang kent omdat deze modulair uitbreidbaar en aanpasbaar is. Knowhow is een knelpunt voor SMR met slechts enkele wereldwijde aanbieders, terwijl de gedecentraliseerde oplossing beschikt over een brede en groeiende pool van gekwalificeerde professionals. Verborgen subsidies (aansprakelijkheid, afvalverwerking, onderzoek) zijn hoog voor SMR en laag voor zonne-energie + opslag. De kosten voor energieopslag zijn niet relevant voor SMR, aangezien deze bedoeld is voor basislaststroom; voor decentrale systemen zullen de kosten naar verwachting ongeveer USD 70/kWh (stabiele situatie, dalende trend) bereiken in 2025 en EUR 11-14/MWh in 2050. Het waterverbruik is hoog voor SMR vanwege de koelsystemen, terwijl het laag tot nihil is voor zonne-energie + opslag. De regelgevingsonzekerheid is zeer hoog voor SMR en matig voor de decentrale optie. Flexibiliteit om in te spelen op veranderingen in de vraag is vrijwel volledig afwezig bij SMR, terwijl de decentrale oplossing een hoge mate van flexibiliteit biedt. Ten slotte zijn de milieurisico's hoog voor SMR (nucleaire veiligheid, afvalverwerking op lange termijn) en laag voor zonne-energie + opslag. Over het algemeen presteert de SMR-optie slechter op bijna elk criterium – met als enige uitzondering een betrouwbare, weersonafhankelijke basislaststroomvoorziening. Dit argument verliest echter aan belang, omdat geavanceerde opslagtechnologieën, zoals grootschalige natriumionenopslag met langere laad-/ontlaadcycli, het mogelijk maken om grote hoeveelheden energie dagen en wekenlang op te slaan, waardoor het argument van de basislast grotendeels achterhaald raakt.

De blinde vlek in de planningslogica: waarom besluitvormers stelselmatig te laat zijn

Er is een structurele reden waarom besluitvormers in overheden en grote industriële bedrijven herhaaldelijk infrastructuurbeslissingen nemen die achteraf gezien slechte investeringen blijken te zijn: institutionele planningscycli zijn fundamenteel onverenigbaar met het tempo van technologische veranderingen.

Overheidsprogramma's, parlementaire resoluties, financieringsprogramma's en aanbestedingen verlopen in cycli van vier tot tien jaar. Een infrastructuurproject zoals een sneltreinstation (SMR) wordt echter besloten in een politieke en technologische omgeving die vóór de ingebruikname al meerdere malen fundamenteel is veranderd. De institutionele inertie die ontstaat door bureaucratische procedures, lobbywerk van invloedrijke brancheorganisaties en de psychologische fixatie op beslissingen die op een bepaald moment zijn genomen, zorgt ervoor dat de werkelijke behoeften en mogelijkheden ten tijde van de bouw niet langer overeenkomen met de aannames die tijdens de planning zijn gemaakt.

De technologische ontwikkelingen van de afgelopen eeuwen illustreren deze versnelling op treffende wijze: de Industriële Revolutie had ongeveer 100 jaar nodig om haar belangrijkste economische effecten te ontvouwen. Elektrificatie duurde circa 50 jaar. Het internet transformeerde de wereldeconomie in ongeveer 20 jaar. AI en de bijbehorende hardwareontwikkelingen veranderen fundamentele randvoorwaarden in cycli van minder dan tien jaar – en met een steeds sneller tempo. De logica die geschikt was voor infrastructuurbeslissingen in de 20e eeuw is structureel ongeschikt voor de 21e eeuw.

Dit is met name van belang voor onomkeerbare, grootschalige investeringen met lange afschrijvingsperioden. Een zonneveld kan binnen enkele maanden worden aangelegd en relatief eenvoudig worden aangepast of ontmanteld als de behoeften veranderen. Een datacenter op basis van een modulaire architectuur kan worden opgeschaald en gemoderniseerd. Een kerncentrale is, eenmaal gebouwd, een grotendeels starre structuur voor 40 tot 60 jaar, waarvan de ontmantelingskosten in de miljarden lopen. De strategische waarde van flexibiliteit en keuzevrijheid – het vermogen om te reageren op veranderende omstandigheden – wordt in traditionele investeringsberekeningen stelselmatig onderschat.

Een genuanceerde conclusie: het is geen of-of-situatie, maar eerder een kwestie van prioriteiten stellen

Het zou een te grote simplificatie zijn om te beweren dat SMR's in wezen waardeloos zijn of dat gedecentraliseerde infrastructuur aan alle behoeften kan voldoen. De realiteit is complexer.

Er zijn specifieke toepassingen waarvoor gecentraliseerde rekenkracht – in ieder geval voor het trainen van grote AI-modellen – op korte termijn nog steeds nodig zal zijn. En er zijn legitieme argumenten voor kernenergie als onderdeel van een gediversifieerde, koolstofarme energiemix, vooral in landen die niet over voldoende hernieuwbare energiebronnen beschikken. Frankrijk, dat een bestaande infrastructuur van kerncentrales onderhoudt die in de loop der decennia is afgeschreven, bevindt zich in een fundamenteel andere positie dan een land dat vandaag de dag SMR's (Small Modular Reactors) vanaf nul wil bouwen.

Het echte probleem is niet het idee van kleine reactoren op zich. Het probleem zit hem in de combinatie van drie factoren: ten eerste, de discrepantie tussen het moment waarop SMR's stroom kunnen leveren en het moment waarop de AI-infrastructuur die stroom nodig heeft; ten tweede, het gebrek aan transparantie over de werkelijke totale kosten, inclusief verborgen subsidies en risico's op waardeverlies; en ten derde, de strategische blindheid voor het feit dat technologische ontwikkelingen – zowel in AI-hardware als in energieopslag – de onderliggende aannames van deze investeringsbeslissingen fundamenteel kunnen veranderen in een tijdsbestek dat korter is dan een typische bouwperiode.

Het economisch verantwoorde antwoord op de energievraag van het AI-tijdperk is niet een keuze tussen kleine modulaire reactoren (SMR) en hernieuwbare energie, tussen gecentraliseerd en gedecentraliseerd. Het ligt in het ontwerpen van infrastructuurbeslissingen die de flexibiliteit maximaliseren en het risico op stilstand minimaliseren. Dit betekent modulair, omkeerbaar, technologie-neutraal en transparant. En het betekent dat de kosten niet worden afgewenteld op de belastingbetalers van toekomstige generaties, terwijl de winsten van vandaag worden geprivatiseerd – een patroon dat helaas maar al te vaak de geschiedenis van kernenergie in Europa heeft gekenmerkt.

De werkelijke aanleiding voor dit debat is dan ook niet de technische vraag welke infrastructuur beter is. De werkelijke aanleiding is politiek van aard: waarom richt de discussie over toekomstbestendige AI-infrastructuur zich bijna uitsluitend op een technologie waarvan de realisatiehorizon verder reikt dan de planningshorizon van AI-roadmaps, waarvan de kostenhistorie gekenmerkt wordt door overschrijdingen van honderden procenten en waarvan de subsidiëring grotendeels ondoorzichtig is? Het antwoord op deze vraag is niet technologisch, maar politiek-economisch van aard – en dat is precies de reden waarom deze vraag zo hardnekkig onbeantwoord blijft in het publieke debat.

☑️ 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 of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is : [email protected]

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

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