
Een juiste meting is belangrijk: stel je twee datacenters voor die precies dezelfde hoeveelheid stroom verbruiken. Op papier zien ze er misschien even efficiënt uit. In de praktijk kan het ene veel meer bruikbare rekenkracht leveren dan het andere, omdat de processors, versnellers en koelsystemen beter op elkaar zijn afgestemd. Maar het verbruik vertelt u hier niets over.
Lange tijd maakte het nauwelijks uit dat verbruik zo weinig zei over de werkelijke prestaties. Met de opkomst van kunstmatige intelligentie is dit een strategische vraag geworden voor duurzame datacenters. Als datacenters de komende jaren vele malen meer energie nodig hebben, is het meten van het verbruik niet langer voldoende. Wat telt, is wat u werkelijk uit elke kilowattuur haalt die u erin stopt.
Daarom moet iedereen die de duurzaamheid van IT-infrastructuur serieus wil beoordelen, de focus verleggen van input naar output. De kernvraag is niet “Hoeveel energie gaat erin?”, maar “Hoeveel rekenkracht komt eruit en hoe weinig gaat er onderweg verloren?”
AI verandert de efficiëntievergelijking
De schaal is aanzienlijk. Volgens een studie van Allianz Trade stootte de datacenterindustrie in 2025 wereldwijd ongeveer 286 miljoen ton CO₂ uit, ruwweg 57 % meer dan eerdere schattingen hadden aangenomen. Het Duitse onderzoeksinstituut Öko-Institut acht het mogelijk dat het wereldwijde elektriciteitsverbruik door AI-datacenters tussen 2023 en 2030 met een factor elf zou kunnen toenemen.
Tegelijkertijd groeit de druk om de energie- en koolstofvoetafdruk van de sector nauwkeuriger te meten en in regelgeving te verankeren. Voor bedrijven betekent dit dat waar en hoe hun workloads draaien in toenemende mate ook een kwestie is van hun eigen duurzaamheidsprestaties.
Het probleem is dat traditionele metrics tekortschieten als het gaat om het beoordelen van duurzame datacenters. Datacenterefficiëntie wordt doorgaans beschreven in termen van totaal energieverbruik en capaciteitscijfers, zoals de aangesloten belasting in megawatts. Deze cijfers zeggen veel over hoe groot een locatie is, maar weinig over hoe productief deze werkt. Het is net zoiets als de efficiëntie van een auto beoordelen op de grootte van de brandstoftank.
Nieuwe metrics: wat elke joule oplevert
Dit betekent dat het blikveld van de sector verschuift: weg van pure verbruikscijfers en richting maatstaven die de werkelijke, per eenheid energie geleverde waarde meten.
In high-performance computing is deze aanpak al lang ingeburgerd. De belangrijkste statistiek daar is FLOPS per watt, die beschrijft hoeveel floating-point bewerkingen een systeem per seconde levert voor elke watt aan stroom die het verbruikt. Volgens deze maatstaf kunnen twee clusters met een identiek stroomverbruik heel verschillend presteren.
Voor AI-workloads zijn er vergelijkbare, maar specifiekere metrics:
- Samples per joule voor modeltraining, wat betekent hoeveel datamonsters er per eenheid energie worden verwerkt
- Tokens per joule voor inferentie van grote taalmodellen, wat betekent hoeveel output een model genereert per eenheid energie
Deze metrics leiden tot een conclusie die in eerste instantie contra-intuïtief lijkt: een systeem dat alles bij elkaar meer stroom verbruikt, kan efficiënter zijn dan zijn voorganger. Als een nieuwe hardwaregeneratie aanzienlijk meer tokens per joule levert, is dat de duurzamere keuze, zelfs als het absolute stroomverbruik hoger is.
Efficiëntie is dus niet noodzakelijkerwijs het resultaat van minder verbruik. Het komt vooral voort uit het halen van meer resultaat uit dezelfde of een licht hogere energietoevoer. En dit is waar infrastructuur om de hoek komt kijken.
Infrastructuur als hefboom: anders naar koeling kijken
Op output gebaseerde metrics meten hoe efficiënt de IT zelf werkt. Net zo belangrijk is hoeveel energie en water er rondom de IT verloren gaat (voor koeling, stroomconversie of verlichting). De twee niveaus horen bij elkaar: een datacenter is pas echt efficiënt wanneer de servers goed presteren en er zo min mogelijk energie verloren gaat aan zaken buiten IT.
Koeling vertegenwoordigt het grootste deel van deze overhead. De overhead als geheel kan worden gemeten met Power Usage Effectiveness (PUE), die de totale energievraag van een datacenter afzet tegen de energievraag van de IT. Een waarde dicht bij 1,0 wordt als optimaal beschouwd, omdat dit betekent dat er vrijwel geen energie buiten de servers wordt verbruikt.
OVHcloud vertrouwt op waterkoeling, omdat water veel meer warmte kan absorberen dan lucht. De bedrijfseigen technologie van OVHcloud werkt met een gesloten circuit. Direct-to-chip waterblokken bevinden zich direct op de CPU en GPU, vangen warmte direct bij de bron op en voeren deze door het hele datacenter naar droge koelers.
Hoe de resultaten zich verhouden:
| Metric | OVHcloud | Industriestandaard |
|---|---|---|
| PUE | Ongeveer 1,24 groepsgemiddelde, 1,19 op zowel de locaties Limburg (Duitsland) als Erith (VK) (boekjaar 2025) | Ongeveer 1,46 (gemiddelde voor Duitse datacenters, 2024) |
| WUE (liter per kWh) | 0,34 groepsgemiddelde, 0,21 op de locatie Limburg en 0,18 op de locatie Erith (boekjaar 2025) | Ongeveer 1,8 (Amerikaans gemiddelde) |
Bronnen: OVHcloud, belangrijke cijfers voor boekjaar 2025; Duitsland: Bitkom/Borderstep Institute, “Rechenzentren in Deutschland: Aktuelle Marktentwicklungen” (2025); VS: Lawrence Berkeley National Laboratory, “United States Data Center Energy Usage Report” (2016).
Het verschil is het opvallendst voor wat betreft water. Water Usage Effectiveness (WUE) beschrijft hoeveel water er nodig is voor koeling per kilowattuur. Terwijl een gemiddeld Amerikaans datacenter ongeveer 1,8 liter per kilowattuur nodig heeft (ruim zeven glazen water), hebben de locaties van OVHcloud in Limburg, Duitsland, en Erith, VK, elk minder dan één glas nodig.
Lees meer over hoe OVHcloud duurzaamheid in de praktijk brengt op onze pagina over duurzaamheid.
Van gekoelde naar zelfoptimaliserende datacenters
Efficiënte hardware is maar één kant van de vergelijking; de andere is intelligente exploitatie. De volgende stap is daarom het Smart Datacenter, een datacenter dat zijn eigen koeling regelt terwijl het vooruit plant.
Dit werkt in drie fasen:
- Meten: Sensoren op de koelmodules leggen parameters zoals debiet en watertemperatuur in realtime vast.
- Controleren: Besturing op basis van AI analyseert de gegevens en past pompsnelheid, ventilatorsnelheid en klepposities aan zodat de servers precies de vloeistofstroom en -druk krijgen die ze nodig hebben, terwijl er zo min mogelijk water wordt verbruikt.
- Voorspellen: Bedrijfsgegevens van racks, koelmodules en dry coolers stromen in een data lake en worden gecombineerd met lokale weergegevens. Dit maakt het mogelijk om te voorspellen hoeveel koelwater er nodig zal zijn.
OVHcloud heeft ook haar technologie buiten het gebouw ontwikkeld. Vergeleken met de vorige generatie heeft de nieuwe Smart Dry Cooler ongeveer de helft van de voetafdruk en de helft van het aantal ventilatoren nodig. Dit vermindert merkbaar zowel het stroomverbruik voor koeling als het geluidsniveau.
Al met al verlaagt de nieuwe architectuur het stroomverbruik van de koelinfrastructuur met maximaal 50 % en het waterverbruik voor koeling met maximaal 30 % in vergelijking met het oorspronkelijke ontwerp van OVHcloud. Onze blik achter de schermen laat in detail zien hoe racks, koelmodules en Smart Dry Coolers samenwerken.
Wat dit betekent voor besluitvormers binnen IT
Deze verschuiving van het blikveld heeft niet alleen invloed op hoe datacenters worden geëxploiteerd. Het verandert ook hoe bedrijven infrastructuur en clouddiensten moeten evalueren. Als u bij het plannen van groeiende AI-workloads wilt kunnen vertrouwen op duurzame datacenters, dan kunt u gerichte vragen stellen bij het kiezen van een provider:
- Wat zijn de PUE en WUE, en waar verwijzen ze naar? Vraag zowel naar het gemiddelde voor alle locaties als naar de cijfers van de nieuwste locaties. Alleen samen laten ze zien waar een provider vandaag de dag staat en waar deze naartoe gaat.
- Hoe wordt er gekoeld? Lucht, water of direct-to-chip: de koeltechnologie bepaalt grotendeels hoeveel energie en water er buiten de servers wordt verbruikt.
- Hoe wordt de koeling aangestuurd? Statische systemen draaien vaak met een veiligheidsmarge. Voorspellende aansturing op basis van sensoren past zich aan de actuele vraag aan.
- Welke hardware past bij uw workload? Voor training en inferentie is het de moeite waard om naar samples of tokens per joule te kijken in plaats van naar alleen het stroomverbruik.
- Welke gegevens krijgt u voor uw eigen rapportage? Naarmate de vereisten van wet- en regelgeving toenemen, wordt transparantie over het verbruik van natuurlijke hulpbronnen een selectiecriterium.
Hierachter schuilt een eenvoudige verandering in de leidende vraag. In plaats van "Hoeveel verbruikt dit datacenter?", wordt het "Hoeveel rekenkracht krijg ik per kilowattuur en per liter water?" Deze manier van vragen leidt tot infrastructuurbeslissingen die zowel ecologisch als economisch zinvol zijn. Meer rekenkracht per kilowattuur betekent meestal meer prestaties voor uw geld, en de efficiëntie van uw provider wordt een-op-een doorgetrokken in uw eigen duurzaamheidsrapportage via Scope 3-emissies.
Conclusie: efficiëntie wordt gemeten aan de hand van resultaten
Verbruikscijfers blijven een nuttige leidraad. Maar in het AI-tijdperk zijn ze niet langer voldoende voor het beoordelen van duurzame datacenters. U krijgt pas een volledig beeld wanneer twee perspectieven samenkomen: hoeveel bruikbare rekenkracht wordt er geproduceerd per eenheid energie, en hoeveel energie en water gaat er verloren aan de zijlijn van de IT.
Waterkoeling, direct-to-chip-technologie en op AI gebaseerde aansturing laten zien dat de twee gecombineerd kunnen worden. Het Smart Datacenter bespaart op natuurlijke hulpbronnen precies daar waar ze het meest van belang zijn voor de werkelijke rekenkracht. Dus als u aanbieders vergelijkt, vraag dan niet alleen naar het verbruik. Vraag naar de rekenkracht per kilowattuur en per liter water. U kunt zien wat OVHcloud voor AI-projecten biedt op onze AI & Machine Learning-pagina.