AI-giganten bouwen onze toekomst. En Europa kijkt toe. Toch?

Uw emailadres

Over welke AI Europa nodig heeft en hoe het tegenmacht kan opbouwen

De algemene indruk

Een kleine groep mannen beslist over onze toekomst. China bouwt een eigen alternatief, de rest van de wereld loopt achter Big Tech aan. Big Tech is intussen zelfs verweven met oorlogvoering. En Europa? Europa doet niets, behalve misschien wat regels schrijven. Dat is althans de algemene indruk. Maar klopt dat? En welke AI heeft Europa eigenlijk nodig?

Big Tech beschikt niet alleen over veel geld. De bedrijven bezitten infrastructuur die ook overheden nodig hebben. Tijdens de Amerikaanse en Israëlische aanvallen op Iran bleef Claude, ingebouwd in Palantirs militaire Maven-systeem,[1] operationeel, terwijl Anthropic en het Pentagon ruzieden over de voorwaarden voor militair gebruik. Starlink bepaalt mee waar militaire communicatie beschikbaar blijft. Palantir levert systemen voor toezicht en oorlogsvoering. Jurgen Masure noemt die machtsorde een techbrocratie: economische macht vloeit door naar politieke invloed en militaire slagkracht.[2]

Dezelfde machtsverschuiving zien we ook buiten oorlogvoering. Bedrijven beslissen waarin ze investeren, welke arbeid ze automatiseren en welke infrastructuur ze bouwen. Tegen de tijd dat het publieke debat volgt, liggen veel keuzes al vast in modellen, datacenters en langlopende contracten. Daar zit de scheiding tussen kapitaal en democratie. Wie het kapitaal bezit, kan de toekomst al bouwen. De rest mag achteraf proberen er voorwaarden aan te stellen.

De zoektocht naar tegenmacht groeit, en de voorstellen vallen grofweg in vier groepen. Technologische autonomie wil capaciteit opbouwen buiten Amerikaanse en Chinese Big Tech. Publiek eigendom brengt infrastructuur, modellen of data in handen van overheden of publieke instellingen. Democratische controle laat het eigendom eventueel ongemoeid, maar geeft burgers, werknemers en andere betrokkenen afdwingbare rechten. AI als commons wil medebestuurders maken van de mensen die de technologie gebruiken en voortbrengen.

De vier antwoorden doen dus iets anders. Technologische autonomie verandert van wie we afhankelijk zijn. Publiek eigendom verandert de eigenaar. Democratische controle begrenst zijn macht. Een commons deelt het bestuur, en soms ook het eigendom. Welke combinatie van de vier antwoorden nodig is, hangt af van de plaats in de AI-keten.

Waarom tegenmacht zo moeilijk te bouwen is

Achter AI liggen minstens vijf machtslagen: trainingsdata, modellen, chips, rekeninfrastructuur en energie. Wie op één laag macht probeert te verdelen, kan op de volgende laag opnieuw afhankelijk worden. Een open model of een lokale toepassing volstaat dus niet. De geplande TeraFab van Musk[3] toont bovendien hoe macht over verschillende lagen kan samenkomen: Tesla, SpaceX en xAI willen naast modellen en toepassingen ook zelf AI-chips produceren.

Vooral rekeninfrastructuur vraagt enorme investeringen voordat vaststaat hoeveel klanten ervoor zullen betalen. Ed Zitron laat zien hoe gebruik, investeringen en infrastructuur kunnen groeien voordat er voldoende onafhankelijke, betalende vraag bestaat.[4] Dat probleem raakt niet alleen commerciële modelbouwers, maar ook het commonsverhaal. ThreeFold, dat op veel kleinere schaal werkt dan de hyperscalers, beloonde deelnemers voor de capaciteit die ze beschikbaar stelden, ook wanneer niemand die gebruikte. Slechts een fractie van hun technische capaciteit blijkt effectief in gebruik.[5] Opvolger Project Mycelium probeert inkomsten sterker aan werkelijk gebruik te koppelen, maar of het voldoende betalende vraag zal vinden, moet nog blijken.[6]

AI vergroot tegelijk de druk op de energielaag: datacenters vragen steeds meer stroom, terwijl elektriciteitsnetten in delen van Europa al overbelast zijn.[7] Eén geplande AI-gigafactory of AI-datacentercluster kan zelfs een gigawatt vragen, vergelijkbaar met de capaciteit van een kerncentrale.[8]

Zelfs als er voldoende geld en stroom zijn, blijft de vraag wie mag beslissen. AI raakt veel meer mensen dan er aan de bestuurstafel kunnen zitten. Daarom blijven vertegenwoordiging, toezicht, beroep en publiek recht nodig.

Echte tegenmacht moet technisch werken, haar rekening kunnen betalen en corrigeerbaar blijven.

Welke AI moet Europa zelf kunnen bouwen en gebruiken?

Rekeninfrastructuur blijft duur. Maar niet iedere toepassing vraagt een gigantisch, algemeen model. Volgens Kostakis en Tympas komt het enorme energieverbruik van AI deels voort uit de keuze voor modellen die alles moeten kunnen.[9] Voor afgebakende taken kunnen kleinere, gespecialiseerde modellen vergelijkbare prestaties halen. Ze vragen minder rekenkracht en kunnen lokaal draaien. Europa moet dus niet alleen vragen hoe het de hyperscalers kan evenaren, maar vooral welke AI het werkelijk nodig heeft.

Het Chinese open-weight taalmodel DeepSeek toonde nog iets anders: ook een groot, algemeen taalmodel kan efficiënter met rekenkracht omgaan. Toen dat besef in januari 2025 tot de beurs doordrong, verloor Nvidia op één dag bijna 17 procent: beleggers begonnen te twijfelen aan de verwachting dat krachtige AI altijd meer chips nodig zou hebben.[10]

Doet Europa niets?

De Europese Commissie bracht in juni 2026 open source, chips, cloud, AI en energie samen in één pakket voor technologische soevereiniteit.[11]

Europa heeft enkele sterke posities in de chipketen. Het Nederlandse ASML heeft nog een monopolie op de EUV-machines waarmee de meest geavanceerde chips worden gemaakt, al investeert Huawei mee in Chinese lithografietechnologie om die positie te doorbreken. Het Belgische imec behoort tot de belangrijkste onderzoekscentra voor chiptechnologie. Het Nederlandse Axelera AI ontwikkelt met Europese steun energiezuinige chips waarop bestaande AI-modellen kunnen draaien. Maar Axelera is nog klein. Europa heeft geen chipontwerper met de schaal en het software-ecosysteem van Nvidia, en de geavanceerde AI-processoren in zijn datacenters komen grotendeels van buiten Europa.

Op de rekenlaag bouwt Europa intussen wel meer eigen capaciteit op. De AI Factories van EuroHPC stellen publiek gefinancierde rekenkracht ter beschikking. De geplande AI-gigafactories, tot zeven in totaal, moeten nog veel groter worden en de krachtigste algemene modellen kunnen trainen. Vlaanderen beschikt met Sofia over een Tier-1-supercomputer die specifiek op AI is gericht, al draait hij wel op Nvidia-chips.

Ook op de modellaag beweegt er iets. Het Franse Mistral haalde in september 2026 drie miljard euro op om zijn modellen en onderzoek verder uit te bouwen. EuroLLM heeft al een reeks open-weight taalmodellen uitgebracht voor alle 24 officiële EU-talen. Daarnaast hebben verschillende Europese landen eigen modellen ontwikkeld.

Hoe versterkt Europa zijn positie?

De Europese initiatieven vormen nog geen samenhangend ecosysteem. Het EuroStack-rapport noemt die versnippering een centraal Europees probleem. Lidstaten bouwen afzonderlijk modellen en infrastructuur, terwijl hun overheden digitale technologie elk voor zich blijven aankopen, vaak bij de gevestigde Amerikaanse aanbieders.[12] EuroStack wil daarom Europese infrastructuur verbinden en gezamenlijke standaarden en aanbestedingsregels invoeren. Wanneer overheden de Europese alternatieven ook werkelijk gebruiken, ontstaat een markt waarin ze verder kunnen groeien. Anders blijven het losse projecten naast de ecosystemen van Big Tech.

De Italiaans-Britse filosoof en AI-ethicus Luciano Floridi vat Europa’s zwakke positie samen als rules without models: Europa reguleert AI die het zelf niet beheerst.[13] Hij pleit daarom voor een permanente publieke Europese instelling die open modellen ontwikkelt en onderhoudt. Tijdelijke onderzoeksprojecten vormen nog geen capaciteit waarop publieke diensten jarenlang kunnen rekenen.

Alicia García-Herrero en Soumitra Dutta pleiten voor een pragmatisch minimum.[14] Hun idee: Europa hoeft niet de hele AI-keten zelf te beheersen. Het moet wel voldoende gezamenlijke rekenkracht behouden om kritieke toepassingen te laten werken wanneer een buitenlandse aanbieder de toegang afsluit. Daarnaast kan het een coalitie vormen met complementaire partners buiten de Amerikaans-Chinese AI-as: Taiwan voor chipproductie, Zuid-Korea voor geheugen en rekenkracht, Japan voor instituties die data beheren en India voor digitale publieke infrastructuur.

Die coalitiegedachte heeft wel een grens. Bij strategische toepassingen zoals defensie en kritieke communicatie blijft ook een bondgenoot een afhankelijkheid. Juist daar speelt technologische autonomie het scherpst.

Europa doet niet niets. Het bouwt veel, maar versnipperd. Het luistert niet noodzakelijk te veel naar juristen. Het organiseert zijn ingenieurs slecht. Nu moet het de losse initiatieven verbinden en blijvende capaciteit verankeren. Europa begint dat gat nu te dichten. In september 2026 kondigden negentien lidstaten IPCEI AI aan, een gezamenlijk project dat de AI-stack bestrijkt, van rekentechnologie tot toepassingen.[15]

Wie bezit wat Europa bouwt?

Europese capaciteit zegt nog niets over wie haar bezit. Voor geavanceerde AI-chips investeert Europa voorlopig vooral in onderzoek en proefproductie. De Chips Act steunt onder meer NanoIC bij imec, waar nieuwe chiptechnologie kan worden ontwikkeld en getest. Dat levert strategische kennis en infrastructuur op, maar nog geen publieke fabriek die op grote schaal Europese AI-processoren produceert.

Op de rekenlaag organiseert Europa wel publieke toegang tot capaciteit. De AI Factories worden gebouwd rond publiek gefinancierde EuroHPC-supercomputers. Bij de geplande gigafactories loopt publiek geld opnieuw samen met veel privaat kapitaal. Daarom moet duidelijk zijn wie de infrastructuur bezit en wat tegenover de publieke investering staat. Krijgt het publiek blijvende toegang, eigendom of een aandeel in de opbrengsten?

Wie bezit de data waarmee we AI trainen?

Uitgevers en media blokkeren AI-crawlers zoals GPTBot of onderhandelen rechtstreeks met Amerikaanse modelbouwers om meer controle te krijgen over hun data. Axel Springer, Le Monde en de Financial Times sloten overeenkomsten over het gebruik van hun archieven voor modeltraining en AI-antwoorden. Zulke deals erkennen dat trainingsdata economische waarde hebben, maar kleinere media en individuele makers hebben veel minder onderhandelingsmacht.

Een publieke datatrust,[16] zoals voorgesteld door Alan Chan, Herbie Bradley en Nitarshan Rajkumar, kan die onderhandeling bundelen, data beheren namens het publiek en een deel van de opbrengsten opeisen. Een analyse van Open Future beschrijft hoe trainingsdatasets als commons kunnen worden bestuurd.[17] Het Vlaamse VLAM-programma onderzoekt hoe Vlaamse media hun archieven gezamenlijk kunnen inzetten voor eigen AI-toepassingen.

Hoe maken we ons minder afhankelijk?

Het eerder genoemde DeepSeek is niet alleen efficiënt, het is ook open-weight: ontwikkelaars kunnen de modelgewichten downloaden en het model op eigen infrastructuur draaien en aanpassen. Via Hugging Face, een platform waarop ontwikkelaars open modellen delen, werd het officiële DeepSeek-R1-model alleen al in augustus 2026 ruim vijf miljoen keer gedownload.

Michel Bauwens ziet in DeepSeek een katalysator voor peer-to-peer AI (P2P-AI): AI die niet voor iedere toepassing via één centrale aanbieder hoeft te lopen.[18]

Een open-weight model als DeepSeek opent slechts één van de vijf machtslagen achter AI: de modellaag. Het is niet volledig open source. De modelgewichten zijn beschikbaar, maar de trainingsdata en een deel van het bouwproces blijven gesloten.

OpenEuroLLM wil verder gaan. Het wil naast de modelgewichten ook trainingsdata, trainingsmethoden en evaluaties toegankelijk maken. Voor de training van de modellen krijgt het consortium toegang tot publieke rekenkracht van EuroHPC. Het Zwitserse Apertus toont dat zo’n verregaande openheid al mogelijk is.

Niet iedere afhankelijkheid laat zich even gemakkelijk doorbreken. Een gesloten model van OpenAI of Anthropic kun je niet naar andere infrastructuur verhuizen. Een open model kan wel op zelfgekozen infrastructuur draaien. Die infrastructuur kan in Europa staan en toch van Amazon, Microsoft of Google zijn. Of ze kan van een Europese aanbieder zijn. Maar ook die kan afhankelijk blijven van Nvidia, omdat veel AI-software specifiek voor Nvidia-chips is ontwikkeld en op het Nvidia CUDA-platform blijft steunen.

De macht van Nvidia reikt intussen verder dan chips en software. Begin september 2026 kondigde het bedrijf aan Hugging Face voor 12,93 miljard dollar over te nemen. Het platform zou open blijven en andere chipmerken blijven ondersteunen. Maar als de deal doorgaat, komt een belangrijke toegangspoort tot open modellen wel in handen van de dominante leverancier van AI-chips.

Naast de keuze voor een open model kan een bedrijf zijn afhankelijkheid ook beperken door zijn AI-toepassing slim op te bouwen. Het kan bijvoorbeeld een model van OpenAI gebruiken, maar zijn data, geheugen en bedrijfslogica zelf beheren. Bij een overstap hoeft dan niet de hele toepassing te worden herbouwd, maar vooral de aansluiting op het taalmodel. Opnieuw testen blijft wel nodig, want een ander model geeft niet noodzakelijk dezelfde antwoorden.

Ook wetgeving helpt afhankelijkheid reduceren. De Europese Data Act laat gebruikers gemakkelijker overstappen tussen clouddiensten en hun data meenemen.[19]

Hoe verdelen we de zeggenschap over AI?

Velen argumenteren dat AI een general-purpose technology is,[20] vergelijkbaar met de stoommachine, elektriciteit en het internet. AI verandert niet één sector. Ze wordt een basislaag onder steeds meer economische en publieke activiteiten. Wie die laag beheert, krijgt macht op meerdere terreinen tegelijk. Het bestuur ervan is dus ook een democratische vraag.

Ook wanneer de infrastructuur in publiek bezit is, blijft de vraag wie beslist. Burgers, werknemers en gebruikers krijgen niet automatisch medezeggenschap, bijvoorbeeld over welke toepassingen voorrang krijgen.

Gilad Abiri stelde een ambitieus politiek model voor.[21] Zijn idee: burgers brengen via hoorzittingen, burgervergaderingen en consultaties principes aan. Een kleinere groep verwerkt die tot een AI-grondwet, die daarna via een referendum of een verkozen orgaan wordt bekrachtigd. Menselijke AI Courts passen de beginselen vervolgens toe op concrete conflicten. Hun uitspraken vormen precedenten waarmee grote modellen kunnen worden getraind.

Een concreter maar vrijwillig voorstel komt van Em Lenartowicz.[22] Stel dat een ziekenhuis, gemeente of bedrijf een AI-toepassing inzet. Via de AI Commons Commitments kan het zich vrijwillig verbinden aan een of meer van zes profielen: wederkerigheid, ecologische duurzaamheid, openheid, governance, toegang en waarde. Het governanceprofiel geeft medezeggenschap aan de mensen die de gevolgen van de AI-toepassing dragen.

Zeggenschap speelt ook bij de aankoop van AI. AI Polis van Bart Becks adviseert steden en publieke instellingen over AI-strategie, leverancierskeuze en bestuur. Steden moeten begrijpen wat ze aankopen, voorwaarden kunnen stellen en van leverancier kunnen veranderen. AI Polis wil hun ervaringen bovendien vertalen naar gemeenschappelijke Europese standaarden en beleid.

De eerder besproken voorbeelden tonen waar gemeenschappelijk bestuur kan beginnen: media kunnen hun archieven gezamenlijk beheren, getroffen groepen kunnen medezeggenschap krijgen over een AI-toepassing en steden kunnen samen voorwaarden en standaarden ontwikkelen. Een AI-commons hoeft daarvoor niet de hele keten te omvatten. Ze kan ontstaan rond een afgebakende hulpbron of toepassing.

Tegenmacht op meerdere lagen

Macht verdelen betekent niet dat alle centra moeten verdwijnen. Chips en grote rekeninfrastructuur vragen schaal, en sommige veiligheidsvragen internationale coördinatie. Het probleem ontstaat wanneer één bedrijf of staat ergens in de keten zo machtig wordt dat anderen er moeilijk omheen kunnen en zijn beslissingen nauwelijks kunnen corrigeren.

Een crash van de commerciële AI-uitbouw kan ruimte creëren, maar bepaalt niet wie die inneemt. Sterke bedrijven kunnen afgewaardeerde datacenters, chips, modellen en onderzoeksteams goedkoop opkopen. Overheden kunnen strategische infrastructuur redden zonder in ruil eigendom of zeggenschap te krijgen. Maar dezelfde crash kan open, gespecialiseerde en energiezuinigere modellen ook vooruithelpen.

Europa hoeft geen kopie van Big Tech te bouwen. Het moet bepalen welke AI het werkelijk nodig heeft en daarvoor voldoende samenhangende capaciteit opbouwen en onderhouden. Rond trainingsdata en concrete AI-toepassingen kan gemeenschappelijk bestuur werkelijk macht verdelen.

Astrid Dom is burgerlijk ingenieur en werkte jarenlang in de technologiesector. Onder het pseudoniem Ansel Reed schrijft ze op Substack over geld, macht, technologie en de institutionele keuzes achter onze economie.

[1] https://www.washingtonpost.com/technology/2026/03/04/anthropic-ai-iran-campaign/

[2] https://www.sampol.be/2026/03/brute-kracht-komt-vandaag-uit-software

[3] https://www.cnbc.com/2026/05/06/elon-musks-spacex-chip-fab-in-texas-to-cost-up-to-119-billion.html

[4] https://www.youtube.com/watch?v=CAK-zRU7CGg

[5] https://forum.threefold.io/t/grid-stats-new-nodes-utilization-overview/3291/125

[6] https://projectmycelium.com/docs/intro/overview

[7] https://www.reuters.com/business/energy/dutch-power-moratoriums-highlight-challenge-facing-grid-operators–reeii-2026-06-16/

[8] https://www.lemonde.fr/economie/article/2025/06/01/data-centers-et-intelligence-artificielle-la-course-au-gigantisme_6609751_3234.html en https://www.nbclosangeles.com/news/business/money-report/europe-sets-its-sights-on-multi-billion-euro-gigawatt-factories-as-it-plays-catch-up-on-ai/3755094/

[9] https://policyreview.info/articles/news/ai-commons/2055

[10] https://www.cnbc.com/2025/01/27/nvidia-sheds-almost-600-billion-in-market-cap-biggest-drop-ever.html

[11] https://digital-strategy.ec.europa.eu/nl/library/communication-european-tech-sovereignty-accompanied-eu-open-source-strategy

[12] https://euro-stack.com/