Waarom Europa eigen AI-modellen nodig heeft op eigen AI-infrastructuur

soevereiniteit-edge
Wat de Stanford AI Index 2026 onthult over de vijf dimensies van AI-soevereiniteit — en waarom het draaien van modellen op binnenlandse, edge-geschikte infrastructuur voor Europa geen luxe is, maar een concurrentienoodzaak.
Auteur

Jan Scholtes

Publicatiedatum

3 oktober 2026

Jarenlang was “gewoon de API aanroepen” een volkomen redelijke AI-strategie. Het Stanford AI Index Report 2026 suggereert dat dat tijdperk ten einde loopt — niet omdat de API’s slechter zijn geworden, maar omdat overheden en organisaties steeds meer inzien dat afhankelijkheid van iemand anders’ model, draaiend op iemand anders’ infrastructuur, een strategisch risico is. Het rapport wijdt een volledig hoofdstuk aan wat het AI-soevereiniteit noemt, en de data daarin maakt een ongewoon concreet geval voor waarom Europa — in het bijzonder — zijn eigen modellen op eigen infrastructuur moet draaien, tot aan de edge.

Wat “AI-soevereiniteit” werkelijk betekent

De Index definieert AI-soevereiniteit als het vermogen van een staat — of, in bredere zin, een organisatie — om “bewust te handelen en onafhankelijke beslissingen te nemen over de ontwikkeling, het gebruik en het beheer van AI-systemen”, in plaats van voor kritieke capaciteit afhankelijk te zijn van externe partijen. Het rapport splitst dit op in vijf afzonderlijke lagen, en elke laag komt direct overeen met een beslissing die jouw eigen organisatie moet nemen, niet alleen een overheid:

  • Infrastructuursoevereiniteit — wie de rekenkracht beheert waarop jouw modellen draaien
  • Datasoevereiniteit — waar jouw data zich bevindt en wie er toegang toe heeft
  • Modelsoevereiniteit — of je de modellen zelf kunt bouwen, aanpassen en beheren
  • Applicatiesoevereiniteit — hoeveel controle je hebt over de systemen die bovenop zijn gebouwd
  • Talentsoevereiniteit — of je de mensen hebt om dit alles te realiseren

Laten we doornemen wat de data over elk ervan zegt — en waar edge computing een rol speelt.

Infrastructuursoevereiniteit: Europa investeert, maar de kloof is reëel

Binnenlandse rekenkracht wordt “in toenemende mate gebruikt als indicator van compute-soevereiniteit” — een manier om de afhankelijkheid van buitenlandse aanbieders te verminderen en de continuïteit van toegang te waarborgen bij exportcontroles of geopolitieke verstoringen. De cijfers laten zien dat Europa snel beweegt, maar vanuit een achterstandspositie: door de staat gesteunde AI-supercomputerclusters in Europa en Centraal-Azië groeiden van 3 naar 44 tussen 2018 en 2025 — de scherpste versnelling van alle regio’s, grotendeels aangedreven door gecoördineerde inspanningen zoals de European High Performance Computing Joint Undertaking (EuroHPC JU). Dat is echte voortgang. Maar China loopt nog steeds voorop met 85 clusters, en Noord-Amerika groeide bijna zevenvoudig tot 41 in dezelfde periode.

Hier is de directe link met edge computing: infrastructuursoevereiniteit gaat niet alleen over wie de grootste trainingssupercomputer bezit. Het gaat evenzeer over waar inferentie plaatsvindt — het dagelijkse gebruik van modellen nadat ze zijn gebouwd. Een organisatie die een model traint op soevereine Europese infrastructuur, maar vervolgens elke query door een buitenlandse cloud-API moet sturen, heeft slechts de helft van het probleem opgelost. Edge- en on-premise-implementatie — modellen lokaal draaien, dicht bij waar de data wordt gegenereerd en gebruikt — is hoe infrastructuursoevereiniteit de dagelijkse operaties daadwerkelijk bereikt in plaats van een beleidsterm te blijven.

Datasoevereiniteit: Europa stelde al de wereldstandaard

Dit is het gebied waar Europa’s positie werkelijk sterk is, en de Index bevestigt dat met harde cijfers. Datalocalisatiemaatregelen — wettelijke vereisten dat data binnen de grenzen van een land wordt opgeslagen of verwerkt — zijn wereldwijd sterk gestegen sinds 2016, “samenvallend met de implementatie van de AVG in Europa en het daaropvolgende Brussels Effect, waarbij andere landen soortgelijke kaders overnamen.” Europa en Centraal-Azië hebben nu 66 dergelijke maatregelen, onderdeel van wat het rapport een hoog-lokalisatiecluster noemt, samen met Oost-Azië (77) en sub-Sahara Afrika (71). Noord-Amerika staat daarentegen op slechts 3 maatregelen.

Dat regelgevingskader is in de praktijk alleen zinvol als de infrastructuur bestaat om het te ondersteunen. AVG-niveau databeheer en edge computing zijn natuurlijke partners: gevoelige data — medische dossiers, juridische documenten, landbouwsensordata — fysiek binnen een binnenlandse of zelfs on-premise omgeving houden is veel eenvoudiger wanneer het model dat de verwerking uitvoert lokaal draait in plaats van elke query te versturen naar infrastructuur buiten de jurisdictie.

Modelsoevereiniteit: het concentratieprobleem

Modelproductie blijft sterk geconcentreerd. De data van het rapport over openbaar gepubliceerde modellen laat zien dat de Verenigde Staten in 2025 1.618 cumulatieve modelreleases bereikten, China 849, en Europa en Centraal-Azië 666 — met het VK (229) en Frankrijk (141) als de voornaamste Europese bijdragers. Europa staat wereldwijd op een verre derde plaats, hoewel de trajectorie stabiel is in plaats van stagnerend.

Dit doet er toe omdat modelsoevereiniteit bepaalt of een organisatie een model werkelijk kan aanpassen aan het eigen domein — fijnregelen op propriëtaire juridische, medische of landbouwdata, bijvoorbeeld — in plaats van beperkt te zijn tot wat een buitenlands general-purpose model toevallig ondersteunt. Open-source raamwerken hebben de drempel verlaagd, en dat is precies waarom kleinere, gespecialiseerde modellen — het soort dat realistisch aan de edge kan draaien, op bescheiden hardware, dicht bij de data — een levensvatbare Europese strategie worden in plaats van een bijzaak.

Applicatiesoevereiniteit: hier heeft Europa echte ruimte om te concurreren

Opvallend genoeg merkt het rapport op dat de applicatielaag — hoe AI daadwerkelijk wordt ingezet binnen specifieke sectoren zoals gezondheidszorg, financiën of landbouw — “minder geconcentreerd is dan de model- of rekenlaag,” waardoor landen “meer ruimte hebben… om niche-specialisaties te ontwikkelen.” Duitslands kracht ligt in industriële en productietoepassingen; Estlands in onderwijstechnologie. Dit is precies de laag waarop een kleinere, soevereiniteitsbewuste Europese organisatie kan concurreren op domeindiepte in plaats van op ruwe modelschaal — wat opnieuw een voordeel is voor een edge-geschikte, domeinspecifieke implementatie boven een one-size-fits-all cloud-API.

Talentsoevereiniteit: een stille waarschuwing

De vijfde dimensie — het vermogen om AI-talent te ontwikkelen en te behouden — laat een minder zichtbare maar structureel belangrijke trend zien: grensoverschrijdende AI-talentcirculatie is wereldwijd vertraagd, waarbij zowel in- als uitstroom afnemen, wat betekent dat talent steeds meer binnen nationale of regionale systemen blijft. Voor Europa snijdt dit aan twee kanten — behouden talent is talent dat niet verloren gaat aan de VS, maar het betekent ook dat de regio er niet simpelweg van uit kan gaan dat ze zich een weg uit een capaciteitskloof kan importeren. Het opbouwen van de binnenlandse expertise om soevereine AI-infrastructuur te ontwerpen, te implementeren en te onderhouden maakt zelf deel uit van de soevereiniteitsversterking.

Waarom dit leidt tot “draai het zelf, dicht bij huis”

Zet deze vijf dimensies samen en er ontstaat een helder strategisch beeld voor Europese organisaties, niet alleen Europese overheden:

  1. Je opereert al onder enkele van de strengste gegevensbeschermingsvereisten ter wereld (datasoevereiniteit) — maar dat kader bijt pas als jouw infrastructuurkeuzes de verwerking daadwerkelijk lokaal houden.
  2. De rekenkracht wordt gebouwd (infrastructuursoevereiniteit) — Europese supercomputercapaciteit groeide sneller dan in enige andere regio tussen 2018 en 2025 — maar trainingscapaciteit alleen helpt niet als elke inferentie-aanroep de regio nog steeds verlaat.
  3. Open-source modellen hebben de drempel voor modelsoevereiniteit verlaagd — wat betekent dat kleinere, gespecialiseerde, fijn-afstembare modellen realistisch zijn, zelfs voor organisaties ver onder de staatsschaal.
  4. De applicatielaag is waar Europa echt kan winnen — domeinspecifieke implementatie, niet algemene schaal, is de concurrentieopening waar de data op wijst.

Edge computing is het praktische mechanisme dat alle vier samenvoegt. Het is wat een compliance-gevoelige sector — gezondheidszorg, juridische dienstverlening, landbouw — in staat stelt daadwerkelijk te profiteren van Europa’s regulatoire kracht in plaats van erdoor ondermijnd te worden, omdat de data en het model nooit het gebouw hoeven te verlaten, laat staan de jurisdictie.

De conclusie

De Stanford AI Index gebruikt de term “edge computing” niet, maar zijn eigen soevereiniteitskader maakt er impliciet en herhaaldelijk het geval voor: soevereiniteit is alleen reëel wanneer die helemaal doorloopt tot waar inferentie daadwerkelijk plaatsvindt. Voor Europa specifiek — met werkelijk sterke gegevensbeschermingswetgeving, snel groeiende maar nog steeds tweede-tier rekenkracht, een groeiende basis van open, aanpasbare modellen, en een echte opening op de applicatielaag — is het draaien van eigen modellen op eigen infrastructuur, zo dicht bij de edge als de use case vraagt, geen defensieve of nostalgische keuze. Het is de versie van de strategie die de data daadwerkelijk ondersteunt.

Bron: Stanford HAI, 2026 AI Index Report, hoofdstuk 8.3, “AI Sovereignty.”

Kernpublicaties

Verder lezen op deze site