Industriële AI en beheerde AI: Duitslands sprong naar soevereine computerkracht

Het Duitse antwoord op de Amerikaanse techreuzen: wat de nieuwe AI-infrastructuur in het Tucherpark in München nu echt oplevert

Deutsche Telekom heeft in München een technologische mijlpaal bereikt: in slechts zes maanden tijd werd in Tucherpark een van Europa's krachtigste AI-fabrieken gebouwd – een particulier gefinancierd project van meerdere miljarden euro's dat de rekenkracht van Duitsland in één klap met 50 procent verhoogde. Maar hoewel de nieuwe "Industrial AI Cloud" op indrukwekkende wijze aantoont dat gigantische infrastructuurprojecten snel en efficiënt in Duitsland kunnen worden gerealiseerd, onthult het ook een ongemakkelijke waarheid: Duitse mkb-bedrijven zijn vaak nog niet klaar voor deze enorme rekenkracht. Data opgesloten in silo's, onduidelijke strategieën, een nijpend tekort aan geschoolde arbeidskrachten en de dreigende kostenval van interne AI-ontwikkeling belemmeren innovatie. Daar komen nog strenge regelgevingen bij, zoals de EU AI-wet, en het groeiende veiligheidsrisico van ongecontroleerde "schaduw-AI" binnen het personeelsbestand. Hoe kunnen mkb-bedrijven deze complexe hindernissen overwinnen en concurrerend blijven op de wereldmarkt? Het antwoord ligt niet in dure interne technische ontwikkeling, maar in "Managed AI" – de cruciale hefboom om de nieuwe, onafhankelijke rekenkracht economisch, veilig en efficiënt in de dagelijkse bedrijfsvoering te integreren.

Dit is hiermee gerelateerd:

• Deutsche Telekom opent een enorm AI-datacenter in München – wat betekent dit voor digitale soevereiniteit?

Waarom Europa's grootste AI-fabriek het mkb (nog steeds) koud laat, maar precies het juiste is op het juiste moment

Begin februari 2026 lanceerde Deutsche Telekom officieel zijn Industrial AI Cloud in München, een van Europa's krachtigste AI-infrastructuren, gebouwd in een recordtijd van zes maanden. Uitgerust met circa 10.000 Nvidia Blackwell GPU's en een rekenkracht tot 0,5 exaFLOPS, vertegenwoordigt deze faciliteit een investering van meer dan een miljard euro en verhoogt de beschikbare AI-rekenkracht in Duitsland direct met 50 procent. De boodschap is duidelijk: Duitsland kan infrastructuur bouwen, Duitsland kan snelheid creëren en Duitsland kan een eigen, onafhankelijk AI-ecosysteem opzetten. Er bestaat echter een kloof tussen dit vlaggenschipproject en wat Duitse mkb's vandaag de dag daadwerkelijk nodig hebben, een kloof die een eerlijke analyse verdient. Het antwoord op deze kloof is Managed AI, en dit zou wel eens de doorslaggevende factor kunnen zijn voor het industriële concurrentievermogen van Europa.

Zes maanden, één miljard euro: De AI-fabriek in het Tucherpark in München

In de kelder van een voormalig bankgebouw in het Tucherpark in München heeft Deutsche Telekom, samen met Nvidia en datacenterpartner Polarise, iets unieks gecreëerd in het Duitse technologielandschap. Meer dan duizend Nvidia DGX B200-systemen en RTX Pro-servers vormen de ruggengraat van een infrastructuur die, volgens Telekom, voldoende zou zijn om alle 450 miljoen EU-burgers tegelijkertijd van een AI-assistent te voorzien. Het DGX B200-platform zelf is een krachtpatser: elke node bestaat uit twee Xeon Platinum 8570-processors en acht Nvidia B200 GPU's, goed voor maximaal 72 petaflops voor training en 144 petaflops voor inferentie, met een stroomverbruik van maximaal 14,3 kilowatt.

De snelheid waarmee het is ontwikkeld verdient bijzondere aandacht. Terwijl infrastructuurprojecten in Duitsland vaak jarenlang vertraging oplopen door bureaucratie, vergunningsprocedures en coördinatieprocessen, was deze AI-fabriek al na zes maanden operationeel. CEO Timotheus Höttges van Telekom vatte de urgentie treffend samen toen hij tijdens de presentatie in Berlijn stelde dat de Duitse industrie zonder AI ten onder zou gaan. Nvidia-CEO Jensen Huang, die speciaal voor de gelegenheid naar Duitsland was gereisd, benadrukte eveneens de legendarische kracht van Duitsland op het gebied van engineering en industrie, die nu verder wordt versterkt door AI. De Duitse minister van Financiën, Lars Klingbeil, verklaarde dat technologisch leiderschap centraal moet staan ​​in het toekomstige bedrijfsmodel van Duitsland.

Het cruciale aspect van dit project is het private karakter ervan. De Industrial AI Cloud is geen initiatief dat afhankelijk is van subsidies, noch een project dat gefinancierd wordt met langdurige aanvraagprocedures; het is een puur bedrijfsmatige investering. Dit feit alleen al weerlegt de gangbare opvatting dat grote technologieprojecten in Duitsland alleen haalbaar zijn met overheidssteun. Deutsche Telekom heeft bewezen dat snelheid wel degelijk mogelijk is in Duitsland, mits er sprake is van ondernemerszin en gedegen economische berekeningen.

De Duitse Stack: Soevereiniteit als bedrijfsmodel

De Industrial AI Cloud is meer dan alleen een datacenter met indrukwekkende GPU-specificaties. Samen met SAP en Siemens heeft Deutsche Telekom op deze infrastructuur een zogenaamde "Germany Stack" gecreëerd, die alles omvat van connectiviteit en operations tot AI-infrastructuur en platform-as-a-service (SaaS). SAP levert het Business Technology Platform, waarop applicaties exclusief kunnen worden ontwikkeld en beheerd, terwijl Siemens onderdelen van zijn SIMCenter-simulatieportfolio integreert. Sinds maart 2026 maakt ServiceNow ook deel uit van dit ecosysteem als soevereine partnercloudprovider.

Deze technologiestapel streeft een duidelijk doel na: digitale soevereiniteit. Alle data blijven in Duitsland en worden verwerkt volgens Duitse en Europese veiligheidsnormen. In een tijd waarin veel Europese bedrijven vrezen dat hun data buiten de Europese Economische Ruimte terechtkomen en daarom aarzelen om AI te gebruiken, biedt deze architectuur een fundamenteel anker van vertrouwen. Het initiatief draagt ​​de programmanaam "Made for Germany" en positioneert zich bewust als alternatief voor de hyperscale-modellen van Microsoft, Google en Amazon uit de VS.

Het feit dat 45 procent van de Duitse bedrijven expliciet de voorkeur geeft aan datacenters in Duitsland onderstreept de relevantie van deze aanpak voor de markt. Het Europese initiatief Gaia-X, dat sinds 2019 streeft naar de bouw van een soevereine, veilige en interoperabele data-infrastructuur voor Europa, biedt het bredere regelgevingskader voor deze inspanningen. Terwijl Gaia-X nog steeds worstelt met de uitdaging om vlaggenschipprojecten om te zetten in levensvatbare bedrijfsmodellen, heeft Deutsche Telekom al concrete resultaten geboekt met zijn Industrial AI Cloud. Het datacenter wordt al voor meer dan een derde benut door bestaande klanten, waaronder bedrijven als Agile Robotics, dat zijn AI-basis voor robottoepassingen naar de cloud migreert, en PhysicsX, dat gespecialiseerd is in technische simulaties om de productontwikkelingstijd te verkorten.

De ongemakkelijke waarheid: waarom middelgrote bedrijven deze rekenkracht (nog) niet nodig hebben

Ondanks de terechte euforie rondom de industriële AI-cloud, moet een eerlijke analyse rekening houden met de realiteit van Duitse mkb-bedrijven. En die realiteit is aanzienlijk minder rooskleurig dan de gelikte beelden uit het Tucherpark in München. Een Nvidia B200 GPU kost tussen de $4,50 en $18,50 per uur in de cloud, afhankelijk van de provider en de configuratie. Een enkel DGX B200-systeem met acht GPU's kost ongeveer $515.000. Deze enorme rekenkracht is ontworpen voor het trainen van grote taalmodellen, complexe 3D-simulaties, robotica-toepassingen en het verwerken van enorme hoeveelheden data. Het is het soort rekenkracht dat bedrijven als SAP, Siemens, ThyssenKrupp en de grote autofabrikanten nodig hebben.

Voor de overgrote meerderheid van de Duitse mkb-bedrijven is de situatie fundamenteel anders. Slechts 47 procent van de Duitse bedrijven heeft hun bedrijfsdata geoptimaliseerd voor AI-gebruik, vergeleken met 74 procent in Groot-Brittannië en 64 procent in de VS. 43 procent van de mkb-bedrijven beschikt nog steeds niet over een concrete AI-strategie. Ongeveer een derde van de mkb-bedrijven gebruikt al AI, maar de manier waarop ze het gebruiken is veelzeggend: 73 procent vertrouwt op generatieve AI, in feite chatbots en tekstgeneratie, terwijl slechts 12 procent voorspellende AI gebruikt en slechts 10 procent AI-agenten.

De meeste van deze bedrijven worstelen nog steeds met fundamentele uitdagingen. Data bevindt zich in silo's, is ongestructureerd of mist simpelweg de kwaliteit die nodig is voor geavanceerde AI-toepassingen. Veel bedrijven werken nog steeds volledig on-premises of in hybride omgevingen, wat een naadloze cloudintegratie belemmert. De belangrijkste obstakels spreken boekdelen: een gebrek aan kennis over specifieke toepassingsgebieden (27 procent), een tekort aan geschoolde werknemers (14 procent), onvoldoende training (12 procent) en juridische onzekerheden (21 procent). In deze situatie hebben de meeste bedrijven veel meer baat bij eenvoudige statistische methoden, lichtgewicht machine learning-modellen en gestructureerde datapijplijnen dan bij gigantische Transformer-modellen die getraind zijn op duizenden GPU's.

De groeiende investeringskloof: Duitsland in de wereldwijde AI-competitie

De volledige omvang van de uitdaging wordt pas duidelijk bij een internationale vergelijking. In 2024 stroomde er in de VS zo'n 109 miljard dollar aan particuliere investeringen naar de AI-sector. Duitsland investeerde in dezelfde periode slechts 1,97 miljard dollar, terwijl de gehele Europese Unie 19,4 miljard dollar investeerde. De VS investeerden dus bijna zes keer zoveel als heel Europa samen. OpenAI alleen al is van plan om eind 2025 ruim een ​​miljoen GPU's online te hebben, terwijl de 10.000 GPU's van de Industrial AI Cloud, hoewel een sterk signaal, in absolute termen een relatief bescheiden omvang vertegenwoordigen.

Het beeld is nog dramatischer als het gaat om AI-patenten: meer dan 60 procent van alle AI-patenten tussen 2010 en 2022 was afkomstig uit China, bijna 21 procent uit de VS en de gehele EU was slechts goed voor 2 procent. De investeringen in AI binnen de EU zijn sinds 2022 zelfs met 44,2 procent gedaald. De wereldwijde AI-markt werd in 2025 geschat op meer dan € 130 miljard en zal naar verwachting groeien tot ongeveer € 1,9 biljoen in 2030.

Er zijn echter ook bemoedigende signalen. Volgens de BCG AI Radar 2026 loopt Duitsland voorop in de Europese Unie wat betreft investeringsbereidheid voor AI met 52 procent, aanzienlijk boven het EU-gemiddelde van 38 procent. Wereldwijd zullen de geplande AI-investeringen naar verwachting verdubbelen in 2026 en is AI-transformatie een topprioriteit geworden voor meer dan 70 procent van de bedrijven. Tegelijkertijd onthult een onderzoek van managementadviesbureau Horváth een zorgwekkende tegengestelde trend: in 2025 besteedden middelgrote bedrijven slechts 0,35 procent van hun omzet aan AI-technologieën, vergeleken met 0,41 procent het jaar ervoor, terwijl de totale markt steeg naar 0,5 procent. Dit betekent dat middelgrote bedrijven ongeveer 30 procent minder investeren dan het marktgemiddelde. De waarschuwing is ondubbelzinnig: als de AI-transformatie niet massaal wordt versneld, zal de technologische kloof uitgroeien tot een existentieel strategisch risico.

Het tekort aan geschoolde arbeidskrachten als structureel obstakel

Zelfs waar de wil om AI te omarmen aanwezig is, vormt het tekort aan geschoolde arbeidskrachten een bijna onoverkomelijk obstakel. In oktober 2025 bedroeg het tekort aan STEM-beroepen landelijk 148.500 mensen, met de grootste tekorten in de energie- en elektrotechniek (53.100 vacatures), de werktuigbouwkunde en automobieltechniek (30.000) en de metaalbewerking (28.900). Alleen al in de IT-sector zijn er meer dan 100.000 geschoolde werknemers te weinig, en prognoses van het Duitse Economisch Instituut geven aan dat het totale tekort tegen 2027 zou kunnen oplopen tot meer dan 700.000 mensen.

Voor bedrijven die hun eigen AI-systemen willen bouwen, vertaalt dit tekort zich in een dramatische kostenstijging. Datawetenschappers met zeven tot tien jaar ervaring kosten tussen de € 300.000 en € 500.000 per jaar, terwijl senior onderzoekers en medewerkers een jaarsalaris van € 500.000 tot € 1 miljoen kunnen verdienen. Zelfs startersfuncties variëren van € 53.000 tot € 70.000. Deze personeelskosten alleen al vertegenwoordigen tien tot vijftien procent van een typisch AI-budget, nog voordat er ook maar één model operationeel is. Demografische veranderingen en het geleidelijke pensioen van de babyboomgeneratie verergeren de situatie verder. Hoewel immigratie via universiteiten een belangrijke factor blijkt te zijn, is dit lang niet voldoende om de structurele kloof te dichten.

Opvallend is dat slechts één op de twaalf bedrijven momenteel AI gebruikt om het tekort aan IT-personeel aan te pakken. Tegelijkertijd verwacht 42 procent van de bedrijven dat AI juist een extra vraag naar IT-professionals zal creëren. Dit leidt tot een paradoxale cyclus: geschoolde werknemers zijn nodig om AI te implementeren, maar de implementatie van AI zelf genereert nieuwe vraag naar geschoolde werknemers. Deze cyclus kan alleen worden doorbroken als bedrijven de technische complexiteit uitbesteden.

Beheerd AI-platform - Afbeelding: Xpert.Digital

Hier leert u hoe uw bedrijf snel, veilig en zonder hoge drempels AI-oplossingen op maat kan implementeren.

Een beheerd AI-platform is uw allesomvattende, zorgeloze oplossing voor kunstmatige intelligentie. In plaats van te worstelen met complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u een kant-en-klare oplossing op maat van een gespecialiseerde partner – vaak al binnen enkele dagen.

De belangrijkste voordelen in één oogopslag:

⚡ Snelle implementatie: Van idee tot gebruiksklare applicatie in dagen, niet maanden. Wij leveren praktische oplossingen die direct toegevoegde waarde creëren.

🔒 Maximale gegevensbeveiliging: Uw gevoelige gegevens blijven bij u. Wij garanderen een veilige en conforme verwerking zonder gegevens met derden te delen.

💸 Geen financieel risico: u betaalt alleen voor de resultaten. Hoge investeringen vooraf in hardware, software of personeel zijn volledig uitgesloten.

🎯 Focus op uw kernactiviteiten: concentreer u op waar u het beste in bent. Wij zorgen voor de volledige technische implementatie, werking en het onderhoud van uw AI-oplossing.

📈 Toekomstbestendig en schaalbaar: Uw AI groeit met u mee. Wij garanderen continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.

Meer informatie vindt u hier:

• Beheerd AI-platform

De kostenvalkuil van het zelf bouwen van AI: waarom zelf bouwen vaak een totale mislukking wordt

De economische analyse van interne AI-ontwikkeling levert ontnuchterende resultaten op. Uit actuele gegevens blijkt dat 95 procent van alle AI-projecten binnen bedrijven geen meetbare zakelijke waarde oplevert. 42 procent van de bedrijven heeft het merendeel van hun AI-initiatieven in 2025 stopgezet, een dramatische stijging ten opzichte van 17 procent het jaar ervoor. Gemiddeld bereikt 46 procent van alle proof-of-conceptprojecten nooit de productiefase. De redenen hiervoor liggen niet primair in technologische beperkingen: 70 procent van de implementatieproblemen komt voort uit menselijke en procesmatige kwesties, terwijl slechts 10 procent van algoritmische aard is.

De totale eigendomskosten (Total Cost of Ownership) onthullen de volledige omvang van het probleem. Studies tonen aan dat 80 procent van de bedrijven hun budget voor AI-infrastructuur met meer dan 25 procent overschrijdt. Verborgen kosten bedragen gemiddeld $ 2,3 miljoen meer dan oorspronkelijk berekend, en budgetoverschrijdingen van 300 procent of meer zijn geen uitzondering, maar eerder regel. Licentiekosten, die in de meeste planning centraal staan, vertegenwoordigen in werkelijkheid slechts ongeveer 20 procent van de totale kosten. De resterende 80 procent is verdeeld over implementatie, training, infrastructuur, onderhoud, compliance en verborgen kosten die in geen enkel voorstel voorkomen.

Een middelgroot bedrijf dat kiest voor interne ontwikkeling, staat voor een initiële investering van € 200.000 tot € 1 miljoen. Daar komt nog de zogenaamde modeldrift bij, de geleidelijke kwaliteitsvermindering als gevolg van veranderende datapatronen. Dit vereist continue hertraining en kost 22 procent meer resources dan de oorspronkelijke ontwikkeling. De totale onderhoudskosten bedragen 15 tot 30 procent van de totale uitgaven. Een typisch ontwikkelingsproject duurt 12 tot 24 maanden om productiegereed te worden, als dat al lukt. Tegen die tijd hebben concurrenten al lang meetbare zakelijke waarde gegenereerd met hun AI-toepassingen.

Een vergelijking over vijf jaar illustreert het verschil duidelijk: de bouw-van-specificatie-aanpak kost ongeveer € 450.000 aan hardware- en operationele kosten, plus naar schatting € 300.000 voor twee data scientists op middenniveau, € 100.000 voor MLOps-infrastructuur en € 50.000 voor compliance-audits, wat neerkomt op een totaal van ongeveer € 900.000. Een vergelijkbare beheerde service voor 100 gebruikers over dezelfde periode kost ongeveer € 200.000, inclusief implementatie en doorlopende aanpassingen. Het kostenvoordeel van meer dan € 700.000 ten gunste van de beheerde aanpak wordt nog dramatischer wanneer rekening wordt gehouden met het risico op mislukking: met een faalpercentage van 95% voor intern ontwikkelde systemen is de kans groot dat de gehele investering geen rendement oplevert.

Dit is hiermee gerelateerd:

• Weg van "doe-het-zelf": waarom beheerde AI-diensten de industrialisatie van AI inluiden

De EU-wetgeving inzake kunstmatige intelligentie: van regelgevend keurslijf tot strategisch schild

Met de EU-wetgeving inzake kunstmatige intelligentie (AI) heeft Europa 's werelds eerste alomvattende AI-wet gecreëerd, die het gebruik van kunstmatige intelligentie wettelijk reguleert. De wetgeving is sinds augustus 2024 van kracht en de belangrijkste verplichtingen worden vanaf augustus 2026 bindend. De risicogebaseerde aanpak classificeert AI-systemen in vier categorieën: onaanvaardbaar risico, hoog risico, beperkt risico en minimaal risico. Systemen met een hoog risico, die bijvoorbeeld worden gebruikt in kritieke infrastructuur, de arbeidsmarkt of de gezondheidszorg, zijn onderworpen aan uitgebreide eisen met betrekking tot governance, documentatie, risicobeheer en transparantie.

De gevolgen van overtredingen zijn ernstig: boetes tot wel € 35 miljoen of zeven procent van de wereldwijde jaaromzet vertegenwoordigen een aanzienlijk financieel risico. Bedrijven moeten risicomanagementsystemen opzetten voor continue dreigingsanalyse, gebruikmaken van hoogwaardige en niet-discriminerende data, technische documentatie verstrekken en menselijk toezicht waarborgen. In veel organisaties leidt dit tot de creatie van nieuwe functies, zoals gespecialiseerde AI-compliancefunctionarissen of speciale governance-teams.

Voor kleine en middelgrote ondernemingen (kmo's) creëert deze regelgeving een paradox. Enerzijds beschermt de EU AI-wet Europese burgers en bedrijven en schept zij een kader voor betrouwbare AI. Anderzijds verhoogt de wet de complexiteit van de implementatie van AI aanzienlijk en stelt zij met name kleinere bedrijven voor uitdagingen die zij nauwelijks zelfstandig kunnen overwinnen. De samenloop van de EU AI-wet, de AVG en NIS-2 is voor veel kmo's die de nodige juridische en technische expertise missen, een enorme uitdaging. Juist hierin schuilt echter een strategische kans: bedrijven die de AVG-gereedheid en de naleving van de EU AI-wet positioneren als een onderscheidend concurrentievoordeel, kunnen zich richten op klantsegmenten die sceptisch staan ​​tegenover Amerikaanse of Aziatische aanbieders vanwege zorgen over gegevensbescherming. Regelgeving verandert zo van een belemmering in een concurrentievoordeel, mits bedrijven de juiste manier vinden om deze te implementeren.

Schaduw-AI: het onzichtbare risico bij Duitse bedrijven

Terwijl besluitvormers debatteren over formele AI-strategieën, heeft zich al lang een parallelle realiteit gevestigd: schaduw-AI. Dit verwijst naar het ongecontroleerde gebruik van AI-tools door werknemers buiten de formele IT-governance-structuren. De cijfers zijn alarmerend: het gebruik van schaduw-AI is met ongeveer 250 procent gestegen ten opzichte van 2023. Eén op de twee werknemers gebruikt nu in het geheim ongeautoriseerde AI-tools, en de meesten blijven dit doen, zelfs wanneer hun werkgever het gebruik ervan officieel verbiedt. De Work Trends Index van Microsoft onthulde dat bijna 80 procent van degenen die generatieve AI gebruiken, hun eigen tools meenemen naar het werk.

De risico's variëren van datalekken en schendingen van de regelgeving tot directe beveiligingsdreigingen. Vertrouwelijke informatie zoals klantgegevens, financiële cijfers, broncode en strategiedocumenten vallen ongecontroleerd in handen van externe AI-aanbieders. Niet-geverifieerde browserextensies en onbeveiligde API-verbindingen vergroten het aanvalsoppervlak aanzienlijk. Kleinere bedrijven hebben zelfs naar verhouding meer verborgen AI-tools per werknemer dan grote bedrijven, maar ze hebben minder mogelijkheden om deze te monitoren.

Schaduw-AI is in wezen een symptoom van een dieperliggend probleem: werknemers willen productiever werken en erkennen de mogelijkheden van AI-tools, maar hun bedrijven bieden hen geen adequate, goedgekeurde oplossingen. De oplossing ligt niet in verboden, maar in het aanbieden van gecontroleerde, aan de governance-richtlijnen voldoende AI-tools die aansluiten op de functionele behoeften van werknemers en tegelijkertijd compliance en gegevensbescherming waarborgen.

Beheerde AI: het economisch aantrekkelijke antwoord op het AI-dilemma

Gezien de beschreven uitdagingen – het tekort aan geschoolde arbeidskrachten, de explosief stijgende kosten van interne ontwikkeling, de complexiteit van de regelgeving en het risico van schaduw-AI – komt managed AI naar voren als de rationele strategie voor de overgrote meerderheid van de Europese bedrijven. De markt voor kunstmatige intelligentie als een service groeit dan ook snel: de wereldwijde AI-as-a-Service-markt steeg van 12,7 miljard dollar in 2024 naar een jaarlijkse groei van 30,6 procent tot 2034. De Europese markt voor managed services bereikte een volume van 52,09 miljard dollar in 2024 en zal naar verwachting groeien tot meer dan 100 miljard dollar in 2029.

De Lünendonk-studie 2025 bevestigt de trend: 77 procent van de bedrijven verwacht duurzame procesverbeteringen door middel van managed services, 69 procent streeft naar merkbare efficiëntiewinsten en bijna de helft van alle bedrijven is van plan om complete bedrijfsprocessen uit te besteden aan managed services. Managed AI gaat echter niet alleen over de aanschaf van rekenkracht of softwarelicenties. Het beschrijft een allesomvattend model waarin gespecialiseerde dienstverleners de gehele waardeketen bestrijken: van het identificeren van geschikte use cases en het implementeren en integreren ervan in bestaande systemen tot de doorlopende werking, monitoring, onderhoud en continue optimalisatie van de AI-oplossingen.

Managed AI biedt cruciale voordelen voor kleine en middelgrote ondernemingen (mkb's). Ten eerste elimineert het de noodzaak om data scientist, machine learning engineer en AI-specialisten te werven en permanent in dienst te nemen. Ten tweede elimineert het de hoge investeringen vooraf in hardware en infrastructuur. Ten derde nemen providers de compliance-last op zich door GDPR-compliance, EU AI Act-gereedheid en lokale hosting als integraal onderdeel van hun platformarchitectuur aan te bieden. Ten vierde krijgen bedrijven toegang tot bewezen best practices uit honderden projecten, in plaats van zelf elke fout te moeten maken. En ten vijfde pakt managed AI structureel het probleem van schaduw-AI aan door werknemers goedgekeurde, governance-conforme AI-tools te bieden.

De beheerde aanpak verschuift de waardecreatie van interne technische ontwikkeling naar zakelijke toepassingen. Bedrijven concentreren hun schaarse middelen op wat hen werkelijk onderscheidt: hun branche-expertise, hun proceskennis en hun klantrelaties. Ze besteden de technische complexiteit uit aan specialisten die deze efficiënter, veiliger en kosteneffectiever kunnen afhandelen.

De weg naar AI-volwassenheid: wat mkb-bedrijven nu moeten doen

De Industrial AI Cloud van Deutsche Telekom vormt de basis. Maar een fundament is nutteloos als er geen gebouwen op gebouwd worden. De bal ligt nu bij het mkb en de takenlijst is duidelijk. Het allerbelangrijkste is het opschonen en structureren van hun eigen data. Zolang bedrijfsdata in geïsoleerde silo's staan, in inconsistente formaten voorkomen of simpelweg onvolledig zijn, blijft zelfs de krachtigste AI-infrastructuur nutteloos. Het feit dat slechts 47 procent van de Duitse bedrijven hun bedrijfsdata heeft geoptimaliseerd voor AI-toepassingen, toont de enorme behoefte aan verbetering aan.

Ten tweede moeten bedrijven hun infrastructuur moderniseren en klaar zijn voor de cloud. De overgang van puur on-premises oplossingen naar hybride of cloud-native architecturen is een voorwaarde voor het gebruik van beheerde AI-services. Drieënzestig procent van de middelgrote bedrijven geeft aan dat cloudtechnologie hun bedrijfsstrategie beïnvloedt, en 41 procent is van plan actief de cloudtransformatie te stimuleren. Dit proces vereist geen revolutionaire veranderingen, maar kan geleidelijk worden geïmplementeerd, te beginnen met niet-kritieke workloads en een duidelijke migratiestrategie.

Ten derde heeft elk bedrijf een concrete AI-strategie nodig. Het feit dat 43 procent van de middelgrote bedrijven nog steeds geen dergelijke strategie heeft, is zorgwekkend gezien de snelheid waarmee technologie zich ontwikkelt. Een AI-strategie hoeft geen document van 100 pagina's te zijn. Het moet echter wel duidelijke antwoorden geven op drie vragen: Welke bedrijfsproblemen moet AI oplossen? Welke data en infrastructuur zijn nodig? En moet de implementatie intern, extern of hybride plaatsvinden?

Ten vierde is het cruciaal om de bestaande beroepsbevolking bij te scholen. Een gebrek aan kennis over specifieke toepassingsgebieden wordt het vaakst genoemd als obstakel voor de adoptie van AI, met 27 procent. Het bijscholen van medewerkers in AI-geletterdheid, snelle engineering en data-inzicht levert vaak meer waarde op dan de vruchteloze zoektocht naar gespecialiseerde datawetenschappers op een oververhitte arbeidsmarkt. 82 procent van de bedrijven die al gebruikmaken van generatieve AI meldt een gemiddelde productiviteitsstijging van 13 procent per jaar.

Van vuurtoren tot grootschalige infrastructuur: de komende jaren zullen cruciaal zijn

De Industrial AI Cloud is precies het vlaggenschipproject dat Duitsland dringend nodig had. Het bewijst dat Europese bedrijven snel, particulier gefinancierd en autonoom infrastructuur van wereldklasse kunnen bouwen. Deutsche Telekom spreekt vol vertrouwen zijn ambitie uit: daden, geen woorden alleen. Het feit dat bedrijven als Agile Robots, PhysicsX en anderen de capaciteit al benutten en dat het datacenter op meer dan een derde van zijn capaciteit draait, toont aan dat er daadwerkelijk vraag naar is.

Voor grote industriële bedrijven die al beschikken over de nodige datavolwassenheid en technische infrastructuur, is de Industrial AI Cloud een direct bruikbaar krachtig instrument. Voor het bredere middensegment zal het pas over een paar jaar echt relevant worden, wanneer de basis is gelegd op het gebied van datakwaliteit, cloudgereedheid en AI-expertise. Managed AI-serviceproviders vormen de broodnodige brug tussen de huidige status quo en de AI-toekomst die de Industrial AI Cloud belooft.

De vergelijking is in wezen eenvoudig: de grootschalige infrastructuur is aanwezig. Het regelgevingskader is vastgelegd in de EU-wetgeving inzake kunstmatige intelligentie. Het tekort aan geschoolde arbeidskrachten dwingt tot outsourcing. De kosten voor het ontwikkelen van eigen AI zijn voor de meeste bedrijven onbetaalbaar. En de markt voor beheerde AI groeit jaarlijks met meer dan 30 procent. Wie deze variabelen combineert, komt tot een duidelijke conclusie: beheerde AI is niet de op één na beste optie voor bedrijven die zich geen eigen AI kunnen veroorloven. Het is de economisch rationele, strategisch superieure weg voor de overgrote meerderheid van de Duitse bedrijven, die AI niet als een trucje zien, maar als een essentieel concurrentievoordeel.

De komende twee tot drie jaar zullen uitwijzen of Duitsland de sprong van infrastructuurgereedheid naar daadwerkelijk gebruik kan maken. De Industrial AI Cloud heeft de basis gelegd. Managed AI levert de tools. Het is nu aan het kleine en middelgrote bedrijf (mkb) om zich te verdiepen in de materie. Wie deze kans laat liggen, zal merken dat geen enkele hoeveelheid rekenkracht ter wereld hem kan redden.

Konrad Wolfenstein

Ik sta graag tot uw beschikking als uw persoonlijke adviseur.

contact met mij opnemen via wolfenstein ∂ xpert.digital

U kunt me bereiken op +49 89 89 674 804 (München) .

LinkedIn