Wanneer is een datacenter een AI datacenter?

Waarom "traditioneel" en "AI" vage termen zijn, en waarom vermogen per rack het getal is waar bijna alles vanaf hangt.

Robert Lukkenaer, Head of Datacenters bij Project Enki | September 2026

Mij wordt vaak gevraagd wat nu precies het verschil is tussen een traditioneel datacenter en een AI datacenter. De meeste mensen zoeken naar een harde definitie: een specifiek aantal kilowatt per rack, een type chip, of een grens die je ergens kunt trekken.

Die grens bestaat niet. Traditioneel, high density, HPC en AI zijn termen die een richting aangeven. Daaronder ligt één getal dat vrijwel het hele ontwerp bepaalt: het vermogen per rack.

Om te begrijpen waarom dat ene getal zo zwaar weegt, helpt het om eerst te kijken naar waar datacenters vandaan komen.

Van een patchkabel op Science Park naar corporate IT

Datacenters begonnen klein en tamelijk toevallig. Op plekken waar toevallig veel glasvezelverbindingen bij elkaar kwamen, zoals het Science Park in Amsterdam, zette iemand een gebouw neer met racks erin. Je huurde een heel rack of een enkele positie, trok een kabel, en je webserver was online.

Toen kwamen de bedrijven. Die hadden hun eigen serverruimtes, inclusief koeling en noodstroom, en merkten dat het zelf beheren hiervan duur en onpraktisch was. Corporate IT verhuisde naar externe datacenters: mailservers, ERP-systemen, documentbeheer en andere standaardapplicaties, meestal verdeeld over een beperkt aantal racks.

Zo'n rack verbruikte destijds gemiddeld zo'n 2 tot 5 kW. Dat is een grove vuistregel, want een rack vol opslag trekt heel wat anders dan een rack vol CPU's. Als uitgangspunt voor het ontwerpen van een gebouw werkte die bandbreedte echter jarenlang prima.

Totdat processoren steeds meer stroom gingen trekken.

Compute die moet samenwerken

Een processor die meer berekent, verbruikt meer stroom en produceert meer warmte. Trek dat door en je komt uit bij high-performance computing: workloads waarbij grote aantallen processoren samen aan één probleem werken.

Hierbij worden CPU's en GPU's gecombineerd, omdat elk type goed is in een ander soort werk. Een GPU is uitzonderlijk snel in bepaalde parallelle berekeningen, maar is niet voor elke taak geschikt. Een CPU is veel meer general purpose. Een CPU kan in principe het werk van een GPU doen, maar dat duurt veel langer en kost aanzienlijk meer energie. Andersom kan een GPU niet zomaar elke CPU-taak overnemen. Het systeem werkt alleen goed als beide typen processoren goed op elkaar zijn afgestemd.

Om efficiënt samen te werken, moeten die chips dicht bij elkaar staan. Processoren wachten op data van andere processoren, en hoe korter de verbinding, hoe kleiner de vertraging. Kortere verbindingen betekenen een compactere lay-out, en dat zorgt voor veel vermogen op een klein oppervlak: een geconcentreerde belasting.

Ongeveer tien jaar geleden werkte ik al met een luchtgekoeld GPU-rack van zo'n 30 kW. Ervoor staan voelde alsof je in een föhn keek. Je kunt zo'n rack in een datacenter plaatsen dat is ontworpen voor 5 kW per rack, maar dat ene rack verbruikt dan ook de stroom- en koelcapaciteit van vijf of zes omliggende rackposities. Je eindigt met het huren van vloeroppervlak dat grotendeels leeg moet blijven.

Waarom lucht uiteindelijk niet meer werkt

Lucht is een inefficiënt medium om grote hoeveelheden warmte af te voeren. Neem een chip van grofweg 10 bij 10 centimeter die één kilowatt aan warmte moet kwijtraken. Met koelblokken en voldoende luchtstroom is dat nog wel te doen, maar het benodigde luchtvolume wordt snel onpraktisch. Water neemt per liter veel meer warmte op. Bij hogere vermogens is vloeistofkoeling dan ook de logische route.

In ons ontwerp komt koelwater binnen met ongeveer 40 °C en verlaat het de ruimte met ongeveer 50 °C. Onze huidige ontwerperkeningen gaan ervan uit dat grofweg 70 procent van de warmte direct door de vloeistof wordt afgevoerd. De rest komt alsnog in de ruimte terecht. Als je daar niets aan doet, stijgt de kamertemperatuur tot een punt waarop onderhoud nauwelijks nog veilig of werkbaar is.

Dus zelfs een vloeistofgekoeld datacenter heeft nog steeds luchtkoeling nodig voor de restwarmte.

Het getal dat er echt toe doet

Dan naar de vermogens van nu. Er zijn racks die zo'n 150 kW trekken, en de industrie werkt aan concepten die richting één megawatt per rack gaan. Dat laatste getal is een extreme hoeveelheid vermogen. Ik kan me eerlijk gezegd nog niet volledig voorstellen hoe je de elektrische aansluiting, de bekabeling en de warmteafvoer op rackniveau zo ontwerpt dat het praktisch en onderhoudbaar blijft.

Hier sluipt gemakkelijk een misverstand in. Een AI datacenter staat niet uitsluitend vol met 150 kW GPU-racks. Rondom die racks staan opslag, netwerkapparatuur, CPU-capaciteit, patching en koelinfrastructuur. Gemiddeld over een complete scale-unit kom je daardoor veel lager uit.

Voor onze huidige ontwerperkeningen rekenen we met ongeveer 70 kW per rack als gemiddelde over een 2.8 MW scale-unit.

Reken mee in vloertegels

De eenvoudigste manier om te laten zien wat dit betekent, is door vloertegels van 600 bij 600 millimeter te tellen.

Neem een IT-belasting van 2.8 MW. Bij 5 kW per rack heb je 560 racks nodig. Een rack beslaat ongeveer twee tegels, en je hebt grofweg één tegel aan de voorkant en één aan de achterkant nodig om bij de apparatuur te kunnen. Dat is vier tegels per rack, ofwel 2.240 tegels: bijna 800 vierkante meter.

Bij 70 kW per rack heeft diezelfde 2.8 MW ongeveer 40 racks nodig. Dezelfde eenvoudige regel toepassen geeft 160 tegels, iets meer dat 57 vierkante meter.

Het elektrische vermogen en de hoeveelheid warmte zijn identiek. Het vloeroppervlak is grofweg een veertiende. Dat is, in essentie, wat high density betekent.

Waar de besparingen zitten en waar niet

Op de elektrische keten valt in principe weinig te besparen. Een megawatt blijft een megawatt. Die moet worden getransformeerd, verdeeld en beveiligd, en afhankelijk van de beschikbaarheidseisen ook worden gebufferd of back-upt door noodstroom. De elektrische installatie van een AI datacenter is dan ook niet automatisch kleiner dan die van een traditioneel datacenter met hetzelfde totale vermogen.

Er is wel een besparing in de elektrische distributie, omdat de zware AI-racks overstappen op een andere spanning: van 400 V AC naar 800 V DC. Hogere spanning betekent lagere stroom, en dus dunnere geleiders.

De besparingen zitten vooral in de whitespace, en mogelijk in een deel van de koelinstallatie.

Dat laatste volgt uit de hogere koelwatertemperatuur. Een traditioneel luchtgekoeld datacenter draait op relatief koud water van zo'n 20 °C en maakt, afhankelijk van het ontwerp, gebruik van vrije koeling, warmte-koudeopslag, koel- of hybride torens en chillers. Bij een aanvoertemperatuur van 40 °C verschuift die balans. In het Nederlandse klimaat kun je een groot deel van het jaar op vrije koeling draaien. Omdat aanvullende koeling alleen nodig is tijdens een beperkt aantal warme uren, kan de centrale koelinstallatie veel kleiner zijn. Hybride koeltorens, en daarmee het verdampen van drinkwater, kunnen wellicht helemaal worden vermeden.

Je hebt nog steeds koeling nodig voor de restwarmte in de ruimte, maar dat is een veel kleiner deel van de totale koelvraag.

High density is niet hetzelfde als AI

Dit is waar de termen vaak door elkaar worden gehaald.

High density zegt iets over vermogensdichtheid: hoeveel kilowatt je per rack of per vierkante meter wilt installeren.

HPC en AI zeggen iets over hoe het computersysteem en de workload zijn opgebouwd. De onderdelen werken gezamenlijk aan een taak en moeten zo min mogelijk op elkaar wachten.

Dat zijn verschillende assen. Bitcoin-mining illustreert dat goed. Een mining-installatie kan een zeer hoge vermogensdichtheid hebben zonder HPC te zijn. De processoren draaien grotendeels onafhankelijk van elkaar dezelfde diepe berekening en hoeven nauwelijks data met elkaar uit te wisselen. Bij het trainen van een AI-model draaien veel processen parallel en moeten tussenresultaten continu worden uitgewisseld en samengebracht. Dat maakt de verbindingen tussen de machines bijna even doorslaggevend als de chips zelf.

Het onderscheid tussen HPC en AI is bouwkundig en installatietechnisch veel kleiner. Het verschil zit vooral in de mix van CPU's, GPU's, geheugen en netwerk, en in de workload die erop draait. Voor zover ik kan zien, heeft de sector geen algemeen geaccepteerde harde grens.

Wat je wel kunt zeggen is dit: een modern AI datacenter is bijna altijd high density. Een high-density datacenter is niet automatisch een AI datacenter.

Training en inference

Een ander onderscheid dat vaak wordt overgeslagen, is dat tussen training en inference. Aan de energiekant is dat waarschijnlijk relevanter dan het label AI zelf.

Inference is over het algemeen online werk. Het model draait, gebruikers of agents stellen vragen en verwachten snel antwoord. Dat vraagt om hoge beschikbaarheid en om capaciteit die de vraag van gebruikers kan volgen.

Training is batchwerk. Een trainingsrun kan dagen duren en kan technisch worden onderbroken en later vanaf een checkpoint worden hervat. Hoeveel onderbreking economisch acceptabel is, hangt af van de workload, van de contracten en vooral van de GPU-bezetting. Dat iets technisch onderbreekbaar is, betekent niet automatisch dat veel downtime nog steeds een goede businesscase oplevert.

Training en inference kunnen ook worden gecombineerd op dezelfde infrastructuur. Als de vraag naar inference 's nachts daalt, kan de vrijgekomen capaciteit worden gebruikt voor training. Of dat in de praktijk efficiënt en commercieel aantrekkelijk is, hangt af van hoe de workloads worden ingepland en van de waarde van de beschikbare capaciteit.

Het is aannemelijk dat een grootschalig trainingscluster gemiddeld compacter en netwerkintensiever is dan veel inference-omgevingen. Training vereist zware interconnects, zoals InfiniBand en netwerken van het type NVLink. Inference kan echter ook zeer hoge dichtheden bereiken, zeker bij grote modellen en hoge gebruikersaantallen. Ik zou daarom geen harde dichtheidsgrens trekken tussen training en inference.

Waarom je een bestaand datacenter niet zomaar ombouwt

De logische vervolgvraag is of een bestaande hal langs de snelweg, ontworpen voor low-density corporate IT, kan worden omgebouwd voor AI.

Het kan. Het is meestal niet eenvoudig.

Het eerste probleem is de distributie van de koelcapaciteit. Luchtgekoelde datacenters gebruiken vaak ook water om warmte uit te wisselen. In de whitespace staan bijvoorbeeld CRAH-units, in feite warmtewisselaars met ventilatoren die met koud water worden gevoed. De leidingen en pompen zijn bemeten op de oorspronkelijke belasting. Als je op dezelfde plek veel meer warmte wilt afvoeren, heb je een groter waterdebiet nodig, en de leidingen, kleppen en pompen blijken dan vaak te klein.

Het tweede probleem is temperatuur. Je kunt de watertemperatuur niet zomaar verhogen terwijl bestaande luchtgekoelde apparatuur blijft draaien. Tegelijkertijd moet het datacenter tijdens de verbouwing meestal operationeel blijven.

Daar komt nog een structurele inefficiëntie bij. Als nieuwe apparatuur gekoeld kan worden met water van 40 °C, terwijl de bestaande installatie ontworpen is voor 20 °C, blijf je energie verbruiken om het water kouder te maken dan nodig is.

Restwarmte van 50 °C is bovendien veel makkelijker nuttig in te zetten in een warmtenet dan restwarmte van 30 °C.

En dan is er nog het vloeroppervlak. Ik zag dit zelf bij ons academisch rekencentrum. Een supercomputer van ruwweg één megawatt stond in een hal die ontworpen was voor 5 kW per rack. De veertig racks verbruikten gemiddeld zo'n 25 kW, waardoor een groot deel van de oorspronkelijke vloer niet meer nodig was als computervloer. We hebben er uiteindelijk een vergaderruimte en opslag van gemaakt. Dat is een werkbare oplossing, maar het is wel dure datacenterruimte die niet meer voor het oorspronkelijke doel dient.

Tegelijkertijd is de elektrische architectuur van nieuwe AI datacenters nog volop in beweging. De industrie werkt aan de overstap van 400 V AC naar 800 V DC en aan flexibelere conversiesystemen, waaronder solid-state transformatoren. Die maken de elektrische keten op termijn wellicht compacter en flexibeler, maar de technologie is nog nieuw en vraagt dus om voorzichtigheid.

Waarom er dan toch low density is gebouwd

Dat is grotendeels een kwestie van timing.

AI bestond natuurlijk al veel langer, maar bereikte pas eind november 2022 een breed publiek met de introductie van ChatGPT. Daarna gingen de ontwikkelingen snel. Het ontwerpen, vergunnen, financieren en bouwen van een datacenter kost echter jaren. Wie in 2021 een businesscase bouwde rond 5 kW per rack, bouwde daarna een gebouw rond 5 kW per rack. Ten tijde van de investeringsbeslissing was dat vaak een verdedigbaar uitgangspunt.

Het lastige is dat de centrale elektrische keten van zo'n gebouw soms nog prima bruikbaar is bij een hogere dichtheid. De megawatts zijn er. Het zijn de distributie van de centrale installatie naar de racks, de koelleidingen en de ruimtelijke indeling die zijn ontworpen voor een ander belastingsprofiel. Juist dat laatste deel is ingrijpend om aan te passen.

Tot slot

Het antwoord op de oorspronkelijke vraag is dus dat er een wezenlijk verschil is tussen een traditioneel datacenter en een AI datacenter, en dat er geen harde grens tussen loopt.

Een datacenter blijft een datacenter. Het verschil zit in de vermogensdichtheid, de koelmethode, de technische opbouw en het type workload waarvoor het is ontworpen. Traditioneel, high density, HPC en AI zijn nuttige termen, zolang we ze niet als harde classificaties beschouwen.

De harde cijfers liggen daaronder: het vermogen per rack, de aanvoertemperatuur van het koelwater, het datavolume dat machines met elkaar moeten uitwisselen en de mate waarin een workload kan worden onderbroken.

Eén ontwikkeling is duidelijk: het aantal vierkante meters per megawatt daalt, in elk geval in de whitespace, en in de grey space gaat de veel compactere solid-state transformator mogelijk een verschil maken. Datacenters worden daardoor niet per se kleiner. Ze worden compacter per eenheid vermogen. Dat maakt sommige nieuwe locaties bruikbaar, en het maakt hallen die ontworpen zijn voor 5 kW per rack steeds moeilijker bruikbaar voor de nieuwste generaties computerapparatuur. Ombouwen terwijl het datacenter operationeel blijft is technisch complex en duur. Voor sommige oudere datacenters zal nieuwbouw daarom aantrekkelijker worden dan een grote renovatie.

Bij Project Enki ontwerpen we vanaf het begin voor een hoge vermogensdichtheid en warmwater-vloeistofkoeling. Dat voorkomt de beperkingen van een bestaand low-density ontwerp. We krijgen er een reeks andere technische en operationele vragen voor terug. Daar schrijf ik de volgende keer over.

Robert Lukkenaer is Head of Datacenters bij Project Enki, een Nederlands bedrijf dat offshore infrastructuur ontwikkelt voor high-density AI en HPC datacenters, direct gelegen bij offshore windparken en met zeewater als koelbron. Project Enki werkt aan de eerste Europese offshore AI-infrastructuur.

projectenki.com | contact@projectenki.com