Botsende strategieën | Waarom IBM CEO Arvind Krishna niet gelooft in Sam Altmans visie van een biljoen dollar – AGI van nul tot één procent?
Xpert pre-release
Spraakselectie 📢
Gepubliceerd op: 4 december 2025 / Bijgewerkt op: 4 december 2025 – Auteur: Konrad Wolfenstein
Botsende strategieën | Waarom IBM CEO Arvind Krishna niet gelooft in Sam Altmans visie van een biljoen dollar – een AGI van nul tot één procent? – Afbeelding: Xpert.Digital
Kunstmatige algemene intelligentie (AGI) en onverbiddelijke wiskunde: waarom de datacenterboom nooit zal lonen.
De 5-jarige doodscyclus: het onderschatte risico voor Nvidia, Microsoft en anderen.
Terwijl Silicon Valley verwikkeld is in een ongekende investeringsgolf, met miljarden die in de race naar kunstmatige superintelligentie worden gestoken, trekt een van 's werelds meest ervaren tech-CEO's aan de noodrem. IBM-CEO Arvind Krishna waarschuwt: de gok loont niet.
De wereldwijde technologiesector wordt geteisterd door een goudkoortsmentaliteit. Bedrijven zoals Microsoft, Google en Meta overbieden elkaar met investeringen in nieuwe datacenters, gedreven door de angst om achter te blijven bij de volgende grote technologische revolutie. De visie is helder: de ontwikkeling van kunstmatige algemene intelligentie (AGI) die gelijk is aan of zelfs superieur is aan menselijke intelligentie. Maar te midden van deze euforie verheft zich een krachtige stem, niet vanuit de gelederen van technologiecritici, maar vanuit het machtscentrum: Arvind Krishna, CEO van IBM.
In een nuchtere analyse, gebaseerd op pure rekenkunde, ontmantelt Krishna het heersende Silicon Valley-narratief. Zijn waarschuwing is even simpel als angstaanjagend: de kosten voor infrastructuur exploderen, terwijl hardware sneller veroudert dan afgeschreven kan worden. Krishna spreekt van investeringsbedragen tot wel acht biljoen dollar die nodig zouden zijn om de huidige ontwikkeling van AGI voort te zetten – een bedrag dat zelfs de rijkste bedrijven ter wereld financieel failliet zou kunnen laten gaan als de beloofde astronomische winsten uitblijven.
Maar Krishna's kritiek beperkt zich niet tot financiële cijfers. Hij trekt de technologische basis van de hype zelf in twijfel. Terwijl Sam Altman en OpenAI de komst van superintelligentie afschilderen als bijna onvermijdelijk, schat Krishna de kans om dit doel te bereiken met de huidige grootschalige taalmodelleringstechnologie op een ontnuchterende nul tot één procent.
Staan we voor de grootste misinvestering in de economische geschiedenis? Is de AI-hausse een zeepbel die op barsten staat, of zien sceptici het transformatieve potentieel over het hoofd dat buiten de balansen ligt? Het volgende artikel onderzoekt de argumenten, de onverbiddelijke wiskunde van de datacentereconomie en het fundamentele conflict tussen de visionairs van een "alles-of-niets"-aanpak en de voorstanders van pragmatisch realisme.
Geschikt hiervoor:
Waarom de CEO van IBM het einde voorspelt van het duurste experiment in de geschiedenis van de technologie
De wereldwijde technologiesector kampt mogelijk met een van de grootste misinvesteringen in de economische geschiedenis. Terwijl bedrijven zoals Microsoft, Amazon, Meta en Google honderden miljarden dollars investeren in de ontwikkeling van kunstmatige intelligentie (AI)-infrastructuur, klinkt er een waarschuwende stem vanuit het hart van de IT-sector. Arvind Krishna, CEO van IBM en sinds 1990 werkzaam bij het bedrijf, presenteerde eind november 2025 een fundamentele economische analyse in een interview met de Decoder-podcast van The Verge die de euforie rond algemene kunstmatige intelligentie (AI) zou kunnen doen verbrijzelen.
Zijn uitspraken, gepubliceerd op 30 november en 1 december 2025, raken de kern van een debat dat steeds meer aan kracht wint in bestuurskamers en analistenkringen. Krishna heeft het niet over theoretische risico's of filosofische bedenkingen, maar over concrete financiële onmogelijkheden die het huidige investeringsmodel in de AI-sector ter discussie stellen. Zijn berekeningen bezorgen zelfs optimistische waarnemers in de sector stof tot nadenken, omdat ze gebaseerd zijn op simpele rekenkunde en degelijke bedrijfsprincipes.
Geschikt hiervoor:
De meedogenloze wiskunde van de datacentereconomie
Krishna begint zijn analyse met een nuchtere beoordeling van de huidige kostensituatie. Een datacenter met een capaciteit van één gigawatt brengt naar huidige maatstaven een kapitaalinvestering van 80 miljard dollar met zich mee. Dit bedrag omvat niet alleen de fysieke infrastructuur en gebouwen, maar ook alle technische apparatuur, van servers en netwerkcomponenten tot de zeer gespecialiseerde grafische processoren die nodig zijn voor AI-berekeningen.
De techindustrie heeft zich de afgelopen maanden gecommitteerd aan een enorme expansie. Verschillende bedrijven hebben publiekelijk plannen aangekondigd om tussen de 20 en 30 gigawatt aan extra rekencapaciteit te bouwen. Tegen de huidige kosten per gigawatt zou dit resulteren in totale investeringen van minstens $ 1,5 biljoen. Dit bedrag komt ongeveer overeen met de huidige marktkapitalisatie van Tesla en illustreert de enorme omvang van de onderneming.
Maar de berekening wordt nog drastischer wanneer we de ambities in de context van de gewenste kunstmatige algemene intelligentie (AI) beschouwen. Krishna schat dat de weg naar echte AGI ongeveer 100 gigawatt aan rekenkracht vereist. Deze schatting is gebaseerd op extrapolaties van de huidige trainingsvereisten voor grote taalmodellen en houdt rekening met de exponentieel toenemende complexiteit die met elke ontwikkelingsstap gepaard gaat. Met $ 80 miljard per gigawatt zouden de investeringsuitgaven maar liefst acht biljoen dollar bedragen.
Dit investeringscijfer is echter slechts de helft van het verhaal. Krishna wijst op een factor die vaak over het hoofd wordt gezien in het publieke debat: de kapitaalkosten. Met een investering van acht biljoen dollar zouden bedrijven jaarlijks ongeveer 800 miljard dollar winst moeten genereren om alleen al de rente op het geïnvesteerde kapitaal te dekken. Dit cijfer gaat uit van een conservatieve rente van tien procent, die de kapitaalkosten, risicopremies en verwachtingen van investeerders weerspiegelt.
De vijfjarige doodscyclus van AI-hardware
Een cruciaal punt in Krishna's betoog betreft de levensduur van de geïnstalleerde hardware. De volledige rekencapaciteit moet binnen vijf jaar volledig benut zijn, aangezien de geïnstalleerde hardware dan moet worden afgevoerd en vervangen. Deze inschatting komt overeen met de bevindingen uit de industrie en is onderwerp van hevige discussie in de financiële wereld.
De bekende investeerder Michael Burry, bekend om zijn accurate voorspellingen van de financiële crisis van 2008, uitte in november 2025 soortgelijke zorgen. Burry stelt dat grote technologiebedrijven de werkelijke levensduur van hun AI-hardware overschatten en zo hun afschrijving kunstmatig laag houden. Hij verwacht dat grafische processoren en gespecialiseerde AI-chips in de praktijk slechts twee tot drie jaar economisch rendabel zullen blijven voordat ze door nieuwere, krachtigere generaties overbodig worden.
De snelle ontwikkeling in de halfgeleidersector ondersteunt deze visie. Nvidia, de dominante leverancier van AI-chips, brengt ongeveer elke 12 tot 18 maanden nieuwe processorgeneraties uit. Elke generatie biedt aanzienlijke prestatieverbeteringen, waardoor oudere modellen snel onrendabel worden. Terwijl een conventionele server in een datacenter gemakkelijk zes jaar of langer meegaat, gelden er andere regels voor AI-specifieke hardware.
In de praktijk is het beeld genuanceerder. Sommige bedrijven hebben hun afschrijvingstermijnen aangepast. Begin 2025 verkortte Amazon de geschatte levensduur van sommige servers van zes naar vijf jaar, onder verwijzing naar de versnelde ontwikkeling op het gebied van AI. Deze aanpassing zal de bedrijfswinst in 2026 met ongeveer $ 700 miljoen verlagen. Meta daarentegen verlengde de afschrijvingstermijn voor servers en netwerkapparatuur naar 5,5 jaar, waardoor de afschrijvingskosten in 2025 met $ 2,9 miljard daalden.
Deze verschillende strategieën illustreren dat zelfs bedrijven die miljarden investeren in AI-hardware onzeker zijn over hoe lang hun investeringen economisch haalbaar zullen blijven. Het vijfjaarsscenario dat Krishna beschrijft, valt binnen de optimistische bandbreedte van deze schattingen. Als de werkelijke levensduur dichter bij de door Burry voorspelde twee tot drie jaar ligt, zouden de afschrijvingskosten, en daarmee de druk op de winstgevendheid, aanzienlijk toenemen.
De onmogelijkheid van winstgevende rendementen
Het verband tussen deze twee factoren leidt Krishna tot zijn centrale argument. Hij is van mening dat de combinatie van enorme kapitaalkosten en korte levenscycli het onmogelijk maakt om een redelijk rendement op investeringen te behalen. Met investeringskosten van acht biljoen dollar en de noodzaak om jaarlijks 800 miljard dollar winst te genereren om alleen al de kapitaalkosten te dekken, zou een AI-systeem inkomsten moeten genereren op een schaal die de huidige realiteit ver te boven gaat.
Ter vergelijking: Alphabet, het moederbedrijf van Google, had in 2024 een totale omzet van ongeveer 350 miljard dollar. Zelfs uitgaande van een agressieve groei van 12 procent per jaar, zouden de inkomsten in 2029 stijgen tot ongeveer 577 miljard dollar. De totale omzet die nodig is om AI-investeringen te rechtvaardigen, zou dit bedrag ruimschoots overschrijden.
OpenAI, het bedrijf achter ChatGPT, voorspelt een jaarlijkse omzet van meer dan $ 20 miljard voor 2025 en verwacht dat deze in 2030 honderden miljarden dollars zal bedragen. Het bedrijf heeft overeenkomsten ter waarde van ongeveer $ 1,4 biljoen getekend voor de komende acht jaar. Maar zelfs deze ambitieuze bedragen roepen vragen op. Analisten van HSBC verwachten dat OpenAI tussen eind 2025 en 2030 $ 792 miljard aan kosten voor cloud- en AI-infrastructuur zal maken, met een totale rekencapaciteit die mogelijk rond de $ 1,4 biljoen zal bedragen in 2033.
Analisten van HSBC voorspellen dat de cumulatieve vrije kasstroom van OpenAI tot 2030 negatief zal blijven, wat resulteert in een financieringstekort van $ 207 miljard. Dit tekort zou moeten worden opgevuld door middel van extra schulden, eigen vermogen of agressievere inkomstengeneratie. De vraag is niet alleen of OpenAI winstgevend kan worden, maar ook of het hele bedrijfsmodel, dat afhankelijk is van enorme investeringen in datacenters, überhaupt levensvatbaar is.
De verwaarloosbaar kleine waarschijnlijkheid van AGI
Krishna voegt een technologische dimensie toe aan zijn economische kritiek die nog fundamenteler is. Hij schat de waarschijnlijkheid dat huidige technologieën zullen leiden tot kunstmatige algemene intelligentie (AI) op nul tot één procent. Deze inschatting is opmerkelijk omdat ze niet gebaseerd is op filosofische overwegingen, maar op een nuchtere evaluatie van de technische mogelijkheden en beperkingen van grote taalmodellen.
Hoewel de definitie van AGI controversieel is, verwijst het in essentie naar AI-systemen die menselijke cognitieve vermogens over het hele spectrum kunnen evenaren of overtreffen. Dit betekent dat een systeem niet alleen deskundige kennis op specifieke gebieden aantoont, maar ook in staat is om kennis van het ene gebied naar het andere over te brengen, nieuwe situaties te begrijpen, problemen creatief op te lossen en zich continu te verbeteren zonder dat het voor elke nieuwe taak opnieuw getraind hoeft te worden.
Krishna stelt dat grote taalmodellen, die de kern vormen van de huidige AI-revolutie, fundamentele beperkingen hebben. Deze modellen zijn gebaseerd op statistische patronen in enorme tekstdatasets en kunnen indrukwekkend presteren in taalgebaseerde taken. Ze kunnen coherente teksten genereren, vragen beantwoorden en zelfs programmacode schrijven. Maar ze begrijpen niet echt wat ze doen. Ze missen een wereldmodel, een concept van causaliteit en een echt abstractievermogen.
Deze beperkingen manifesteren zich op verschillende gebieden. Taalmodellen hallucineren regelmatig, wat betekent dat ze feiten verzinnen die plausibel klinken, maar onjuist zijn. Ze worstelen met logisch redeneren in meerdere fasen en falen vaak in taken die voor mensen triviaal zijn als die taken niet in hun trainingsdataset zijn opgenomen. Ze hebben geen episodisch geheugen en kunnen niet van hun eigen fouten leren zonder hertraining.
Wetenschappers en onderzoekers uit verschillende vakgebieden delen deze scepsis steeds meer. Marc Benioff, CEO van Salesforce, uitte in november 2025 een soortgelijke scepsis over AGI. In een podcast beschreef hij de term AGI als potentieel misleidend en bekritiseerde hij de technologiesector omdat deze als het ware onder hypnose verkeert over de toekomstige mogelijkheden van AI. Benioff benadrukte dat de huidige systemen weliswaar indrukwekkend zijn, maar dat ze noch over bewustzijn noch over echt begrip beschikken.
Yann LeCun, senior AI-wetenschapper bij Meta, stelt dat grote taalmodellen nooit tot AGI zullen leiden, ongeacht hoe groot ze worden geschaald. Hij pleit voor alternatieve benaderingen die verder gaan dan pure tekstvoorspelling, waaronder multimodale wereldmodellen die niet alleen tekst verwerken, maar ook visuele en andere sensorische informatie integreren om interne representaties van de wereld te bouwen.
Onze Amerikaanse expertise op het gebied van bedrijfsontwikkeling, verkoop en marketing
Onze Amerikaanse expertise in bedrijfsontwikkeling, verkoop en marketing - Afbeelding: Xpert.Digital
Branchefocus: B2B, digitalisering (van AI tot XR), machinebouw, logistiek, hernieuwbare energie en industrie
Meer hierover hier:
Een thematisch centrum met inzichten en expertise:
- Kennisplatform over de mondiale en regionale economie, innovatie en branchespecifieke trends
- Verzameling van analyses, impulsen en achtergrondinformatie uit onze focusgebieden
- Een plek voor expertise en informatie over actuele ontwikkelingen in het bedrijfsleven en de technologie
- Topic hub voor bedrijven die meer willen weten over markten, digitalisering en industriële innovaties
AI-bubbel of motor van de toekomst? De gevaarlijke kloof tussen investeringen, energieverbruik en reële winst.
De noodzakelijke technologische doorbraak
Krishna gelooft dat het bereiken van AGI meer technologieën vereist dan de huidige aanpak van grote taalmodellen kan bieden. Hij suggereert dat het integreren van harde kennis met taalmodellen een haalbare aanpak zou kunnen zijn. Met harde kennis bedoelt hij gestructureerde, expliciete kennis over causale verbanden, natuurkundige wetten, wiskundige principes en andere vormen van kennis die verder gaan dan statistische correlaties.
Dit perspectief sluit aan bij onderzoek op het gebied van neurosymbolische AI, dat de patroonherkenningskracht van neurale netwerken probeert te combineren met de logische mogelijkheden van symbolische AI-systemen. Symbolische AI, gebaseerd op regels en logische gevolgtrekking, was dominant in de eerste decennia van AI-onderzoek, maar is de laatste jaren ingehaald door neurale benaderingen. Het hybridiseren van beide benaderingen zou theoretisch systemen kunnen opleveren die zowel kunnen leren als logisch redeneren.
Andere veelbelovende onderzoeksrichtingen zijn onder meer belichaamde AI, waarbij systemen leren door interactie met een fysieke of gesimuleerde omgeving; continu leren, waarbij systemen hun mogelijkheden kunnen uitbreiden zonder eerdere kennis te verliezen; en intrinsiek gemotiveerde systemen die zelfstandig ontdekken en leren.
Zelfs met deze extra technologieën blijft Krishna voorzichtig. Als hem gevraagd wordt of deze uitgebreide aanpak tot AI kan leiden, zal hij slechts met "misschien" antwoorden. Deze voorzichtigheid onderstreept de onzekerheid die zelfs bestaat onder experts die al tientallen jaren met AI werken. De ontwikkeling van AI is niet alleen een kwestie van rekenkracht of datavolume, maar vereist mogelijk fundamentele nieuwe inzichten in de aard van intelligentie zelf.
Geschikt hiervoor:
De paradox van productieve AI vandaag de dag
Ondanks zijn scepsis over AGI en de economische aspecten van enorme investeringen in datacenters, is Krishna zeker geen AI-pessimist. Integendeel, hij spreekt enthousiast over de huidige AI-tools en hun impact op het bedrijfsleven. Hij is ervan overtuigd dat deze technologieën miljarden dollars aan productiviteitspotentieel binnen bedrijven zullen ontsluiten.
Dit onderscheid is cruciaal voor het begrijpen van zijn standpunt. Krishna twijfelt niet aan de waarde van AI op zich, maar eerder aan de economische haalbaarheid van het specifieke pad dat de sector is ingeslagen. De huidige AI-systemen, met name grote taalmodellen, kunnen in veel sectoren al aanzienlijke productiviteitswinsten opleveren zonder dat er acht biljoen dollar aan infrastructuur nodig is.
IBM zelf geeft een treffend voorbeeld van deze productiviteitswinst. Sinds januari 2023 heeft het bedrijf AI en automatisering uitgebreid geïmplementeerd binnen zijn eigen bedrijfsvoering en verwacht het tegen eind 2025 een productiviteitswinst van $ 4,5 miljard te behalen. Dit initiatief, dat IBM Client Zero noemt, omvatte de implementatie van hybride cloudinfrastructuur, AI- en automatiseringstechnologieën en consultancy-expertise binnen verschillende bedrijfseenheden.
De concrete resultaten van deze transformatie zijn indrukwekkend. IBM heeft AI-gestuurde tools geïmplementeerd in de klantenservice die 70 procent van de vragen oplossen en de oplossingstijd met 26 procent verkorten. In alle bedrijfseenheden zijn ongeveer 270.000 medewerkers uitgerust met agentische AI-systemen die complexe workflows orkestreren en menselijke medewerkers ondersteunen.
Dit type AI-toepassing vereist geen enorme nieuwe datacenters, maar kan voortbouwen op bestaande infrastructuur. Het richt zich op specifieke use cases waar AI aantoonbare verbeteringen oplevert, in plaats van op de hypothetische ontwikkeling van algemene intelligentie. Dit is de kern van Krishna's betoog: de technologie is waardevol en transformatief, maar de huidige aanpak om biljoenen te investeren in de ontwikkeling van AI is economisch niet houdbaar.
Studies van McKinsey schatten dat generatieve AI de potentie heeft om jaarlijks tussen de $ 2,6 en $ 4,4 biljoen aan economische waarde te creëren in 63 geanalyseerde use cases. Wanneer we de impact van het integreren van generatieve AI in software die momenteel voor andere taken wordt gebruikt, in ogenschouw nemen, zou deze schatting ongeveer kunnen verdubbelen. Deze productiviteitswinst zou de jaarlijkse groei van de arbeidsproductiviteit tot 2040 met 0,1 tot 0,6 procentpunt kunnen verhogen.
De uiteenlopende strategieën van de technologiegiganten
Terwijl Krishna zijn zorgen uitspreekt, verdubbelen andere techgiganten hun inzet op AI-infrastructuur. De uitgaven van de Big Four illustreren de omvang van deze investeringscyclus. Microsoft is van plan om in boekjaar 2025 ongeveer 80 miljard dollar te investeren in de bouw van AI-ondersteunde datacenters, waarvan meer dan de helft bestemd is voor de Verenigde Staten.
Amazon heeft kapitaaluitgaven van ongeveer $ 125 miljard aangekondigd voor 2025, waarvan het grootste deel bestemd is voor AI en bijbehorende infrastructuur voor Amazon Web Services. Het bedrijf heeft al aangegeven dat de uitgaven in 2026 nog hoger zullen uitvallen. Meta Platforms verwacht kapitaaluitgaven van tussen de $ 70 miljard en $ 72 miljard voor 2025, een stijging ten opzichte van de eerdere schatting van $ 66 miljard naar $ 72 miljard. Voor 2026 gaf het bedrijf aan dat de uitgaven aanzienlijk hoger zullen uitvallen.
Alphabet, het moederbedrijf van Google, verwacht voor 2025 kapitaaluitgaven van tussen de $ 91 miljard en $ 93 miljard, een stijging ten opzichte van een eerdere prognose van $ 85 miljard. Gezamenlijk verwachten deze vier bedrijven in 2025 tussen de $ 350 miljard en $ 400 miljard uit te geven, meer dan het dubbele van twee jaar geleden.
Deze enorme investeringen vinden plaats in een omgeving waar de werkelijke inkomsten uit AI-diensten nog steeds ver onder de verwachtingen liggen. OpenAI rapporteert een jaarlijkse omzet van meer dan $ 20 miljard, maar blijft verlieslatend. Microsoft genereert ongeveer $ 13 miljard aan jaarlijkse AI-inkomsten, met een jaar-op-jaar groei van 175 procent, terwijl Meta geen enkele dollar aan directe AI-inkomsten kan rapporteren.
De discrepantie tussen investering en omzet is opvallend. Morgan Stanley schat dat de AI-industrie tegen 2028 ongeveer drie biljoen dollar aan datacenters zal uitgeven. Ter vergelijking: de huidige inkomsten zijn verwaarloosbaar. Een MIT-studie uit juli 2025 wees uit dat ongeveer 95 procent van de bedrijven die in AI investeerden, geen winst maakte met de technologie. De totale uitgaven van deze bedrijven samen worden geschat op ongeveer 40 miljard dollar.
De groeiende stemmen van scepsis
Krishna's waarschuwing maakt deel uit van een groeiend koor van sceptische stemmen uit verschillende sectoren van de technologie- en financiële wereld. Deze zorgen richten zich niet alleen op de directe economische voordelen, maar ook op de systeemrisico's die voortvloeien uit de huidige beleggingsdynamiek.
Economen wijzen erop dat de AI-sector in de eerste helft van 2025 goed was voor ongeveer twee derde van de Amerikaanse bbp-groei. Een analyse van JPMorgan Asset Management toont aan dat AI-uitgaven aan datacenters meer bijdroegen aan de economische groei dan de gezamenlijke consumptie van honderden miljoenen Amerikaanse consumenten. Harvard-econoom Jason Furman berekende dat de bbp-groei in de eerste helft van 2025 zonder datacenters slechts 0,1 procent zou zijn geweest.
Deze concentratie van groei op één sector brengt risico's met zich mee. Daron Acemoglu, econoom aan het MIT en Nobelprijswinnaar voor Economie in 2024, stelt dat de daadwerkelijke impact van AI aanzienlijk kleiner zou kunnen zijn dan de prognoses van de industrie suggereren. Hij schat dat misschien slechts vijf procent van de banen in de komende tien jaar door AI zal worden vervangen, veel minder dan de enthousiaste voorspellingen van sommige technologieleiders.
De bezorgdheid over een zeepbel wordt door verschillende factoren versterkt. Technologiebedrijven maken steeds vaker gebruik van financiële instrumenten, zogenaamde special purpose vehicles (SPV's), om miljarden dollars aan uitgaven van hun balans te houden. Deze door Wall Street gefinancierde SPV's fungeren als lege vennootschappen voor de bouw van datacenters. Deze praktijk roept vragen op over de transparantie en het daadwerkelijke risico dat de bedrijven lopen.
Sundar Pichai, CEO van Alphabet, beschreef de sterke stijging van AI-investeringen in een BBC-interview in november 2025 als een buitengewoon moment, maar erkende ook een zekere irrationaliteit die gepaard gaat met de huidige AI-hausse. Hij waarschuwde dat elk bedrijf getroffen zou worden als de AI-bubbel zou barsten. Zelfs Sam Altman, CEO van OpenAI en een van de meest prominente AI-voorstanders, gaf in augustus 2025 toe dat AI mogelijk in een bubbel zat. Hij vergeleek de marktomstandigheden met die van de dotcomhausse en benadrukte dat veel intelligente mensen te enthousiast raakten over een kern van waarheid.
Geschikt hiervoor:
Het energievraagstuk als beperkende factor
Een ander fundamenteel probleem, dat Krishna niet expliciet aankaart, maar impliciet in zijn kostenberekeningen zit, betreft de energievoorziening. Een datacenter van 100 gigawatt zou ongeveer 20 procent van de totale elektriciteitsopwekking in de Verenigde Staten vereisen. Dit is geen triviale uitdaging, maar een potentieel knelpunt dat de hele visie in gevaar zou kunnen brengen.
Het Internationaal Energieagentschap voorspelt dat de wereldwijde vraag naar elektriciteit van datacenters tegen 2030 meer dan zou kunnen verdubbelen, van ongeveer 415 terawattuur in 2024 tot tussen de 900 en 1000 terawattuur. AI zou tegen 2030 goed kunnen zijn voor 35 tot 50 procent van het elektriciteitsverbruik van datacenters. In de Verenigde Staten zal de vraag naar elektriciteit van datacenters naar verwachting stijgen van 35 gigawatt tot 78 gigawatt in 2035, wat neerkomt op 8,6 procent van het totale elektriciteitsverbruik van het land.
Deze vraag komt op een moment dat veel landen proberen hun elektriciteitsnetten te decarboniseren en het aandeel hernieuwbare energie te vergroten. De uitdaging is dat datacenters een constante stroomvoorziening nodig hebben, 24 uur per dag, 365 dagen per jaar. Dit maakt de overgang naar hernieuwbare energie complexer, omdat wind- en zonne-energie intermitterend zijn en opslagoplossingen of back-upcapaciteit vereisen.
De CO2-uitstoot van datacenters zal naar verwachting stijgen van 212 miljoen ton in 2023 tot mogelijk 355 miljoen ton in 2030, hoewel dit cijfer aanzienlijk varieert afhankelijk van de snelheid van schone energieoplossingen en efficiëntieverbeteringen. Eén enkel AI-gegenereerd beeldgeneratieproces verbruikt evenveel elektriciteit als een volledig opgeladen smartphone. De verwerking van één miljoen tokens produceert evenveel CO2 als een benzineauto die 8 tot 32 kilometer rijdt.
Generatieve AI vereist ongeveer zeven tot acht keer meer energie dan traditionele computerbelasting. Het trainen van grote AI-modellen kan gedurende enkele maanden net zoveel elektriciteit verbruiken als honderden huishoudens. Deze energie-intensiteit betekent dat, zelfs als de financiële middelen voor de bouw van enorme datacenters beschikbaar zouden zijn, de fysieke infrastructuur om deze faciliteiten van stroom te voorzien mogelijk niet op tijd klaar is.
Geschikt hiervoor:
Alternatieve technologische paden en hun betekenis
Het debat over de beperkingen van grootschalige taalmodellen heeft geleid tot meer onderzoeksinspanningen in alternatieve vakgebieden. Quantumcomputing wordt door sommigen gezien als een potentiële doorbraak die de huidige beperkingen zou kunnen overwinnen. In oktober 2025 onthulde Google zijn Willow-kwantumchip, die een aantoonbaar kwantumvoordeel behaalde. Dit was een mijlpaal die de grenzen van de klassieke natuurkunde oversteeg en nieuwe mogelijkheden opende in vakgebieden zoals geneeskunde, energie en kunstmatige intelligentie (AI).
Quantumcomputers werken volgens compleet andere principes dan klassieke computers. Ze maken gebruik van quantumbits, oftewel qubits, die in meerdere toestanden tegelijk kunnen bestaan, waardoor parallelle berekeningen mogelijk zijn op een schaal die met conventionele systemen onmogelijk is. Quantumcomputers staan echter voor aanzienlijke uitdagingen, met name decoherentie, die de stabiliteit van qubits beïnvloedt.
Recente doorbraken in qubitstabilisatie suggereren dat schaalbare quantumcomputers binnen enkele jaren werkelijkheid kunnen worden. Bedrijven zoals PsiQuantum zijn van plan om vóór het einde van dit decennium quantumcomputers in gebruik te nemen die 10.000 keer groter zijn dan Willow – computers die groot genoeg zijn om belangrijke vragen over materialen, medicijnen en de kwantumaspecten van de natuur te beantwoorden.
De convergentie van quantum computing en kunstmatige intelligentie zou theoretisch nieuwe mogelijkheden kunnen openen. Quantumalgoritmen zijn meer dan 200 keer verbeterd in de simulatie van belangrijke medicijnen en materialen. Sommigen speculeren dat de combinatie van AGI en quantum computing binnen één tot twee jaar mogelijk zou kunnen zijn, gevolgd door kunstmatige superintelligentie binnen vijf jaar.
Andere veelbelovende onderzoeksrichtingen zijn optische computerarchitecturen die licht in plaats van elektriciteit gebruiken om chips van stroom te voorzien. Een architectuur genaamd Parallel Optical Matrix-Matrix Multiplication, onthuld in november 2025, zou een van de grootste knelpunten in de huidige AI-ontwikkeling kunnen wegnemen. In tegenstelling tot eerdere optische methoden voert deze architectuur meerdere tensorbewerkingen gelijktijdig uit met één enkele laserpuls, wat de verwerkingssnelheid aanzienlijk zou kunnen verhogen.
De strategische positionering van IBM
Krishna's positie is vooral interessant in de context van de strategie van IBM. IBM heeft de afgelopen jaren bewust de focus verlegd van een pure hardware- en infrastructuurbusiness naar bedrijfssoftware, clouddiensten en consultancy. Het bedrijf verkocht grote delen van zijn traditionele IT-activiteiten en concentreerde zich in plaats daarvan op hybride cloudoplossingen en AI-toepassingen voor bedrijven.
Deze strategische richting verschilt fundamenteel van de aanpak van Microsoft, Amazon, Google en Meta, die allemaal fors investeren in de ontwikkeling van hun eigen infrastructuur. IBM richt zich daarentegen op het helpen van bedrijven om AI op hun eigen voorwaarden te implementeren, met transparantie, keuzevrijheid en flexibiliteit. Deze filosofie weerspiegelt de overtuiging dat niet elk bedrijf één publieke cloud zal gebruiken en dat met name gereguleerde sectoren en bedrijven buiten de Verenigde Staten de voorkeur zullen geven aan hybride benaderingen.
Krishna's kritiek op de enorme infrastructuurinvesteringen kan daarom ook worden opgevat als een impliciete verdediging van IBM's aanpak. Als het nastreven van AGI door middel van biljoenen dollars aan datacenterinvesteringen inderdaad niet economisch haalbaar is, dan bevestigt dit IBM's strategie om zich te richten op specifieke, waardecreërende use cases die kunnen voortbouwen op bestaande of matig uitgebreide infrastructuur.
Tegelijkertijd is IBM sterk betrokken bij gebieden zoals quantum computing, wat mogelijk de volgende technologische golf zou kunnen vormen. Het bedrijf investeert fors in de ontwikkeling van quantumcomputers en werkt aan partnerschappen met andere technologiebedrijven om deze technologie verder te ontwikkelen. Dit suggereert dat Krishna niet tegen innovatie of ambitieuze technologische doelen is, maar eerder tegen een specifieke aanpak die hij economisch niet haalbaar acht.
🎯🎯🎯 Profiteer van de uitgebreide, vijfvoudige expertise van Xpert.Digital in een uitgebreid servicepakket | BD, R&D, XR, PR & Optimalisatie van digitale zichtbaarheid
Profiteer van de uitgebreide, vijfvoudige expertise van Xpert.Digital in een uitgebreid servicepakket | R&D, XR, PR & Optimalisatie van digitale zichtbaarheid - Afbeelding: Xpert.Digital
Xpert.Digital heeft diepe kennis in verschillende industrieën. Dit stelt ons in staat om op maat gemaakte strategieën te ontwikkelen die zijn afgestemd op de vereisten en uitdagingen van uw specifieke marktsegment. Door continu markttrends te analyseren en de ontwikkelingen in de industrie na te streven, kunnen we handelen met vooruitziende blik en innovatieve oplossingen bieden. Met de combinatie van ervaring en kennis genereren we extra waarde en geven onze klanten een beslissend concurrentievoordeel.
Meer hierover hier:
Productiviteit ja, AGI nee: waarom gerichte AI-projecten winstgevender kunnen zijn dan megamodellen
Het perspectief van OpenAI-leiderschap
Krishna's scepsis staat in schril contrast met de publieke uitspraken van Sam Altman, de CEO van OpenAI. Altman heeft herhaaldelijk benadrukt dat OpenAI bereid is enorme investeringen te doen om AGI te realiseren. Het bedrijf heeft overeenkomsten gesloten ter waarde van in totaal ongeveer $ 1,4 biljoen voor de komende acht jaar, waaronder belangrijke deals met Oracle, Broadcom en andere partners.
Altman voorspelt dat OpenAI tegen 2030 een jaarlijkse omzet van honderden miljarden dollars zal behalen. Deze prognose is gebaseerd op de aanname dat de vraag naar AI-diensten exponentieel zal toenemen naarmate de systemen krachtiger worden. Het bedrijfsmodel van OpenAI is afhankelijk van de bereidheid van bedrijven en particulieren om aanzienlijke bedragen te betalen voor toegang tot geavanceerde AI-mogelijkheden.
Krishna verklaarde in de podcast dat hij Altmans perspectief begrijpt, maar het niet deelt. Dit is een opmerkelijk diplomatieke manier om het te verwoorden, wat suggereert dat hij de visie van OpenAI respecteert, maar fundamenteel andere aannames doet over de technologische haalbaarheid en economische levensvatbaarheid ervan. Krishna beantwoordt de vraag of OpenAI rendement kan genereren op zijn investeringen met een duidelijk "nee".
Deze onenigheid is een fundamenteel conflict in de technologische sector. Er is een verschil tussen degenen die geloven in een op handen zijnde transformatieve AGI en bereid zijn om astronomische bedragen te investeren, en degenen die sceptischer zijn en de voorkeur geven aan een stapsgewijze, economisch duurzamere aanpak.
Geschikt hiervoor:
De rol van afschrijvingsbeleid en boekhoudkundige normen
Het debat over de werkelijke levensduur van AI-hardware roept fundamentele vragen op over boekhouding en transparantie. De manier waarop bedrijven hun activa afschrijven, heeft een directe impact op hun gerapporteerde winst en daarmee op de aandelenkoersen en waarderingen.
Michael Burry stelt dat grote technologiebedrijven de levensduur van hun AI-chips overschatten om de afschrijving laag te houden en de winst op te blazen. Stel dat Meta in 2025 $ 5 miljard uitgeeft aan een nieuw Nvidia Blackwell-serverrack en dit over 5,5 jaar afschrijft, dan zullen de jaarlijkse afschrijvingskosten over ongeveer $ 909 miljoen worden verdeeld. Als de werkelijke levensduur echter slechts drie jaar bedraagt, zou de jaarlijkse afschrijving rond de $ 1,67 miljard moeten liggen – een aanzienlijk verschil.
Burry schat dat deze langere levensduur de winst van verschillende grote bedrijven tussen 2026 en 2028 met in totaal $ 176 miljard zou kunnen verhogen. Nvidia betwistte deze beweringen in een interne memo uit november 2025 en stelde dat hyperscalers de afschrijving van GPU's over een periode van vier tot zes jaar verlagen, gebaseerd op de werkelijke levensduur en gebruikstrends. Het bedrijf wees erop dat oudere GPU's, zoals de A100 die in 2020 werd uitgebracht, nog steeds intensief worden gebruikt en een aanzienlijke economische waarde behouden.
De realiteit ligt waarschijnlijk ergens tussenin. GPU's kunnen fysiek zeker meer dan drie jaar functioneren, maar hun economische waarde kan snel dalen naarmate er nieuwere, efficiëntere modellen op de markt komen. Een belangrijke factor is de cascade van waarde: oudere GPU's, die niet langer optimaal zijn voor het trainen van de nieuwste modellen, kunnen nog steeds nuttig zijn voor inferentietaken en het uitvoeren van reeds getrainde modellen. Ze kunnen ook worden gebruikt voor minder veeleisende toepassingen of op de secundaire markt worden verkocht.
Deze nuances maken een duidelijke beoordeling lastig. CoreWeave, een op AI gerichte cloudprovider, verlengde in januari 2023 de afschrijvingsperiode voor zijn GPU's van vier naar zes jaar. Critici zien deze beslissing als een poging om de winstgevendheid kunstmatig te verbeteren. Voorstanders daarentegen stellen dat het daadwerkelijke gebruik van de hardware langere periodes rechtvaardigt.
De sociale en politieke dimensies
Het debat over AI-investeringen heeft ook een politieke en maatschappelijke dimensie. David Sacks, durfkapitalist en adviseur van het Witte Huis op het gebied van cryptovaluta en AI, waarschuwde in november 2025 dat een omkering van de AI-investeringshausse een recessie zou kunnen veroorzaken. Zijn formulering suggereert dat de economie zo afhankelijk is geworden van AI-investeringen dat een stilstand of aanzienlijke vertraging aanzienlijke macro-economische gevolgen zou hebben.
Deze afhankelijkheid roept de vraag op of de maatschappij zich in een situatie heeft gemanoeuvreerd waarin ze gedwongen wordt te blijven investeren, ongeacht haar economische levensvatbaarheid, puur om een plotselinge schok te vermijden. Dit zou een klassieke zeepbeldynamiek zijn, waarbij rationele economische overwegingen worden overschaduwd door de angst voor de gevolgen van een barstende zeepbel.
De concentratie van investeringen en middelen op AI roept ook vragen op over alternatieve kosten. De biljoenen die naar AI-datacenters stromen, zouden theoretisch kunnen worden gebruikt voor andere maatschappelijke prioriteiten, van het verbeteren van onderwijssystemen en het uitbreiden van hernieuwbare energie tot het aanpakken van infrastructuurtekorten. De rechtvaardiging voor deze enorme toewijzing van middelen hangt af van de vraag of de beloofde voordelen daadwerkelijk worden gerealiseerd.
Tegelijkertijd heeft AI al aantoonbaar positieve effecten. In Duitsland rapporteert tweederde van de bedrijven, volgens een IBM-studie uit november 2025, aanzienlijke productiviteitswinst dankzij AI. De sectoren met de grootste AI-gerelateerde productiviteitsstijgingen zijn softwareontwikkeling en IT, klantenservice en automatisering van bedrijfsprocessen. Ongeveer een vijfde van de bedrijven in Duitsland heeft zijn ROI-doelstellingen al behaald dankzij AI-gedreven productiviteitsinitiatieven en bijna de helft verwacht binnen twaalf maanden rendement op de investering.
Deze cijfers laten zien dat AI inderdaad economische waarde creëert. Ze ondersteunen ook Krishna's argument dat die waarde niet per se voortkomt uit het nastreven van AGI met biljoenen dollars aan investeringen, maar eerder uit meer gerichte, specifieke toepassingen.
Het historisch perspectief van technologische transformaties
Om de huidige situatie in perspectief te plaatsen, is het nuttig om historische parallellen te bekijken. De dotcom-hausse van eind jaren negentig wordt vaak aangehaald als een waarschuwend verhaal. In die tijd stroomden enorme geldbedragen naar internetbedrijven, gebaseerd op de terechte overtuiging dat het internet een transformatieve werking zou hebben. Veel van die investeringen bleken echter misplaatst, en toen de zeepbel in 2000 barstte, ging er voor biljoenen aan marktwaarde verloren.
Niettemin bleek de onderliggende technologie werkelijk transformerend. Bedrijven zoals Amazon en Google, die de crisis overleefden, werden de dominante krachten in de wereldeconomie. De infrastructuur die tijdens de hausse werd opgebouwd, inclusief die van failliete bedrijven, vormde de basis voor de digitale economie van de daaropvolgende decennia. In die zin zou je kunnen stellen dat zelfs buitensporige investeringen in AI-infrastructuur op de lange termijn gunstig kunnen zijn, zelfs als veel van de huidige spelers failliet gaan.
Een belangrijk verschil schuilt echter in de kapitaalintensiteit. Internetbedrijven van de eerste generatie konden met relatief lage investeringen opschalen zodra de basisinfrastructuur aanwezig was. Een website of online dienst, eenmaal ontwikkeld, kon miljoenen gebruikers bereiken met minimale extra kosten. AI, vooral zoals het momenteel wordt toegepast, volgt dit patroon niet. Elke query naar een groot taalmodel brengt aanzienlijke rekenkosten met zich mee. Het opschalen van AI-diensten vereist proportionele uitbreidingen van de infrastructuur, wat de economie fundamenteel verandert.
Een andere historische vergelijking is de ontwikkeling van elektriciteit. Toen elektrische energie voor het eerst beschikbaar kwam, duurde het decennia voordat bedrijven leerden hoe ze hun productieprocessen moesten herontwerpen om de nieuwe mogelijkheden volledig te benutten. Aanvankelijk vervingen fabrieken stoommachines door elektromotoren, maar verder behielden ze hun oude lay-outs en processen. De echte productiviteitswinst kwam pas toen ingenieurs en managers leerden fabrieken vanaf de grond af te ontwerpen, waarbij ze optimaal gebruikmaakten van de flexibiliteit van elektrische energie.
Hetzelfde zou kunnen gelden voor AI. De huidige toepassingen vormen misschien nog maar het topje van de ijsberg van wat mogelijk is, en echte transformaties komen mogelijk pas als organisaties leren zich fundamenteel te reorganiseren om de mogelijkheden van AI optimaal te benutten. Dit zou tijd kosten, mogelijk jaren of decennia, en het is onduidelijk of de huidige investeringsdynamiek dat geduld kan opbrengen.
De toekomst van AI -ontwikkeling
Ondanks alle scepsis en waarschuwingen zal de ontwikkeling van AI doorgaan. De vraag is niet of AI belangrijk is, maar welk pad het meest veelbelovend en economisch duurzaam is. Krishna's interventie kan worden opgevat als een pleidooi voor een herziening van de strategie, niet als een oproep om AI-onderzoek te stoppen.
De meest waarschijnlijke ontwikkeling is een diversificatie van benaderingen. Terwijl sommige bedrijven fors zullen blijven investeren in het opschalen van grote taalmodellen, zullen andere alternatieve paden verkennen. Neurosymbolische benaderingen, multimodale systemen, belichaamde intelligentie, continu leren en andere onderzoeksrichtingen zullen parallel worden gevolgd. Doorbraken in hardware, van quantumcomputing tot optische computerarchitecturen en neuromorfische chips, zouden de vergelijking kunnen veranderen.
Een belangrijke factor zal de daadwerkelijke marktacceptatie zijn. Als bedrijven en consumenten bereid zijn aanzienlijke bedragen te betalen voor AI-diensten, zouden zelfs de hoge infrastructuurkosten gerechtvaardigd kunnen zijn. Tot nu toe blijft dit echter grotendeels een open vraag. ChatGPT en vergelijkbare diensten hebben miljoenen gebruikers aangetrokken, maar de bereidheid om er aanzienlijke bedragen voor te betalen is beperkt. De meeste gebruikers maken gebruik van gratis of zwaar gesubsidieerde versies.
In de zakelijke sector is de situatie enigszins anders. Hier is er een aantoonbare bereidheid om te betalen voor AI-oplossingen die specifieke bedrijfsproblemen oplossen. Microsoft rapporteert een sterke groei in zijn AI-diensten voor bedrijven. De vraag is of deze inkomstenstromen snel genoeg kunnen groeien om de enorme investeringen te rechtvaardigen.
Geschikt hiervoor:
Bevindingen uit een multidimensionale analyse
De zorgen die Arvind Krishna in de Decoder-podcast uitte, raken de kern van een van de belangrijkste economische en technologische gokspellen uit de geschiedenis. Zijn betoog is gebaseerd op gedegen economische principes en technisch inzicht. De combinatie van enorme kapitaalkosten, korte hardwarelevenscycli en de geringe waarschijnlijkheid dat huidige technologieën leiden tot AGI (Automated Generating Intelligence) vormt een overtuigend argument tegen de huidige investeringsstrategie.
Tegelijkertijd is Krishna's standpunt niet zonder tegenargumenten. Voorstanders van enorme AI-investeringen stellen dat transformatieve technologieën vaak enorme initiële investeringen vergen, dat de kosten per computereenheid continu dalen, dat er nieuwe bedrijfsmodellen zullen ontstaan die nog niet te voorzien zijn, en dat het risico om achterop te raken met een potentieel wereldveranderende technologie groter is dan het financiële risico van buitensporige investeringen.
De waarheid ligt waarschijnlijk ergens tussen deze extreme standpunten in. AI is ongetwijfeld een belangrijke en transformatieve technologie die aanzienlijke economische waarde zal creëren. Huidige taalmodellen en AI-toepassingen tonen al indrukwekkende mogelijkheden en zorgen op veel gebieden voor meetbare productiviteitswinst. Tegelijkertijd wordt het idee dat het simpelweg opschalen van huidige benaderingen zal leiden tot kunstmatige algemene intelligentie steeds controversiëler, zelfs onder vooraanstaande AI-onderzoekers.
De economische analyse spreekt boekdelen. De enorme omvang van de benodigde investeringen en de noodzaak om in korte tijd enorme winsten te genereren, vormen een ongekende uitdaging. Als Krishna's berekeningen ook maar enigszins accuraat zijn, is het moeilijk voor te stellen hoe de huidige investeringsstrategie houdbaar kan zijn.
Dit betekent echter niet per se dat er een ramp dreigt. Markten hebben het vermogen zich aan te passen. Investeringsstromen kunnen veranderen, bedrijfsmodellen kunnen evolueren en technologische doorbraken kunnen de economie fundamenteel veranderen. De geschiedenis van technologie kent talloze voorbeelden waarin aanvankelijke scepsis werd weerlegd en schijnbaar onmogelijke uitdagingen werden overwonnen.
Wat waarschijnlijk lijkt, is een periode van consolidatie en heroverweging. De huidige groeicijfers in AI-investeringen kunnen niet oneindig doorgaan. Op een gegeven moment zullen investeerders en bedrijfsleiders bewijs willen zien van daadwerkelijk rendement. Bedrijven die overtuigende use cases en aantoonbare economische waarde kunnen leveren, zullen floreren. Andere zullen mogelijk hun strategieën moeten aanpassen of de markt moeten verlaten.
Krishna's interventie dient als een belangrijke waarschuwing om voorzichtig te zijn in een omgeving die gekenmerkt wordt door euforie en de drang om bij te blijven. Zijn tientallen jaren ervaring in de technologiesector en zijn positie aan het roer van een van 's werelds oudste en meest gevestigde IT-bedrijven geven zijn woorden kracht. De tijd zal leren of hij gelijk heeft. Wat echter zeker is, is dat de vragen die hij oproept serieus genomen en grondig besproken moeten worden voordat er nog eens biljoenen worden geïnvesteerd in een strategie waarvan het succes verre van gegarandeerd is.
Een nieuwe dimensie van digitale transformatie met 'Managed AI' (Artificial Intelligence) - Platform & B2B-oplossing | Xpert Consulting
Een nieuwe dimensie van digitale transformatie met 'Managed AI' (Artificial Intelligence) – Platform & B2B-oplossing | Xpert Consulting - Afbeelding: Xpert.Digital
Hier leert u hoe uw bedrijf snel, veilig en zonder hoge toetredingsdrempels maatwerk AI-oplossingen kan implementeren.
Een Managed AI Platform is uw complete, zorgeloze pakket voor kunstmatige intelligentie. In plaats van complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u van een gespecialiseerde partner een kant-en-klare oplossing op maat – vaak binnen enkele dagen.
De belangrijkste voordelen in één oogopslag:
⚡ Snelle implementatie: van idee tot operationele toepassing in dagen, niet maanden. Wij leveren praktische oplossingen die direct 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 resultaten. Hoge initiële investeringen in hardware, software of personeel vervallen volledig.
🎯 Focus op uw kernactiviteiten: concentreer u op waar u goed in bent. Wij verzorgen de volledige technische implementatie, exploitatie en het onderhoud van uw AI-oplossing.
📈 Toekomstbestendig & Schaalbaar: Uw AI groeit met u mee. Wij zorgen voor continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.
Meer hierover hier:
Uw wereldwijde partner voor marketing en bedrijfsontwikkeling
☑️ onze zakelijke taal is Engels of Duits
☑️ Nieuw: correspondentie in uw nationale taal!
Konrad Wolfenstein
Ik ben blij dat ik beschikbaar ben voor jou en mijn team als een persoonlijk consultant.
U kunt contact met mij opnemen door het contactformulier hier in te vullen of u gewoon te bellen op +49 89 674 804 (München) . Mijn e -mailadres is: Wolfenstein ∂ Xpert.Digital
Ik kijk uit naar ons gezamenlijke project.
