Nederland dreigt zijn koppositie in kunstmatige intelligentie te verliezen. Bedrijven, kennisinstellingen en overheid lopen tegen te weinig rekenkracht, versnipperde investeringen en onduidelijk toezicht aan. Dat remt nieuwe AI-toepassingen in zorg, overheid en industrie. Dit speelt nu, terwijl de Europese AI-verordening gevolgen heeft voor de overheid en het bedrijfsleven.
Nederland verliest AI-voorsprong
Nederland bouwde de afgelopen jaren een stevige AI-basis met de Nederlandse AI Coalitie (NL AIC) en het AiNed-programma. Er kwamen ELSA Labs die AI testen op ethiek, recht en maatschappelijke effecten. Toch stokt het tempo bij het opschalen naar de praktijk. Vooral mkb en publieke sector adopteren systemen langzamer dan gepland.
Intussen gaan andere landen sneller. Frankrijk zet met Mistral AI in op eigen taalmodellen en rekenkracht. Duitsland bouwt onder de EuroHPC-vlag aan JUPITER, een exascale-supercomputer in Jülich. Daardoor verschuift invloed op standaarden, datasets en talent richting de buren.
Voor Nederland betekent dit minder regie op cruciale digitale infrastructuur. Ook verzwakt het de positie bij Europese onderzoeksprogramma’s en aanbestedingen. Dat raakt onderwijs, onderzoek en de maakindustrie. Zonder bijsturing daalt de kwaliteit en snelheid van AI-innovatie in de kernsectoren.
Gerichte keuzes zijn nodig om het verschil te maken. Denk aan taaltechnologie voor het Nederlands, AI in de zorg en slimme, duurzame industrie. Deze domeinen sluiten aan bij bestaande sterktes van TNO, SURF en de ICAI-labs. Zo blijft kennis dicht bij bedrijven en burgers.
Rekenkracht en data knelpunt
Moderne algoritmen vragen veel rekenkracht, vooral GPU’s. Onderzoeksinstellingen en start-ups melden wachttijden en hoge cloudkosten. SURF biedt met Snellius wetenschappelijke capaciteit, maar commerciële vraag groeit sneller. Bedrijven wijken daarom uit naar buitenlandse clouds, wat datalokatie en kosten lastiger maakt.
Europa vergroot het aanbod via EuroHPC met systemen als LUMI, Leonardo en JUPITER. Nederlandse onderzoekers kunnen daar via programma’s gebruik van maken. Het bedrijfsleven heeft echter minder voorspelbare toegang. Daardoor stokt het trainen en testen van grotere datamodellen.
Data zijn een tweede bottleneck. Publieke data zijn vaak verspreid over overheden en niet uniform ontsloten. De AVG vraagt dataminimalisatie en zorgvuldige toegang. Zonder heldere dataruimtes kunnen organisaties minder veilig en herhaalbaar trainen.
De EU werkt aan sectorale dataruimtes, zoals de European Health Data Space. Nederland kan daarop aansluiten met afspraken over standaardformaten en governance. Versleuteling en “privacy by design” horen daar vast onderdeel van te zijn. Zo blijft data delen mogelijk binnen de wet.
AI-verordening raakt overheid direct
De Europese AI-verordening (AI Act) is op het moment van schrijven deels van kracht. Leveranciers moeten risico’s inschatten en documentatie bijhouden. Overheden en hun IT-leveranciers krijgen extra plichten bij inkoop en gebruik van systemen. Dit geldt vooral wanneer een systeem kan ingrijpen in rechten van burgers.
De AI-verordening werkt met risicoklassen: verboden toepassingen, hoog risico, beperkt risico en minimaal risico.
Voor hoog-risicosystemen zijn duidelijke eisen nodig. Denk aan datakwaliteit, uitleg over beslissingen, menselijk toezicht en logbestanden. Ook moeten organisaties incidenten melden en een conformiteitsbeoordeling doen. Dat vraagt nieuwe processen en vaardigheden bij zowel opdrachtgever als leverancier.
Nederland moet een nationaal toezichthouder aanwijzen en samenwerken met het Europese AI Office. De Autoriteit Persoonsgegevens blijft gaan over privacy onder de AVG. Daarnaast ligt coördinatie voor digitale infrastructuur bij de Rijksinspectie Digitale Infrastructuur. Heldere rolverdeling helpt bedrijven en overheden sneller aan de slag te gaan.
Talent en kapitaal weglekken
De markt voor AI-specialisten is krap. Universiteitsteams en ICAI-labs leiden veel talent op, maar houden niet iedereen vast. Grote buitenlandse bedrijven bieden hogere salarissen en meer GPU-capaciteit. Daardoor verschuiven kennis en netwerken naar het buitenland.
Start-ups hebben moeite met doorgroeifinanciering. Vroege fase kapitaal is er, maar series B en C blijven achter. Dat maakt Nederland afhankelijk van buitenlandse investeerders. Die verplaatsen vaak ook ontwikkelteams naar hun eigen hubs.
Publieke inkoop kan hier tegenwicht bieden. Door te kopen bij Europese aanbieders met open standaarden ontstaat schaal. Dat verlaagt afhankelijkheden en vergroot marktkansen. Ook stimuleert het transparantie en hergebruik van oplossingen.
Vasthouden van talent vraagt meer dan geld. Toegang tot rekenkracht en goede data zijn net zo belangrijk. Daarnaast helpen duidelijke regels over auteursrecht en databescherming. Zo weten onderzoekers en bedrijven waar ze aan toe zijn.
Kiezen en investeren werkt wel
Snelle winst ligt in gezamenlijke infrastructuur. Een publiek-privaat GPU-cluster via SURF met voorspelbare toegang helpt zowel wetenschap als mkb. Deelname aan EuroHPC kan worden gekoppeld aan vouchers voor bedrijven. Zo delen we capaciteit zonder de AVG te schenden.
Versnelling vraagt ook om sterke Nederlandse taalmodellen en evaluatiesets. Open bronnen zoals BERTje en RobBERT laten zien dat dit kan. Brede benchmarks voor het Nederlands maken kwaliteit meetbaar voor overheid en rechtbanken. Dat verkleint risico’s bij inzet in publieke diensten.
Tot slot is uitvoering van de AI-verordening cruciaal. Stel duidelijke richtlijnen op voor “Europese AI-verordening gevolgen overheid” en leveranciers. Bouw standaarddocumentatie, impactassessments en modelkaarten in. Dan worden audits haalbaar en betaalbaar.
De kern is focus en continuïteit. Kies domeinen, borg rekenkracht en maak data verantwoord beschikbaar. Koppel inkoop aan open standaarden en Europese regels. Dan kan Nederland zijn AI-rol behouden en uitbouwen.