De discussie over de grenzen van AI gaat bijna altijd over modellen: hoe slim is het, wat kan het nog niet, wanneer komt de volgende versie.
Door Anthony Raaijmakers
De discussie over de grenzen van AI gaat bijna altijd over modellen: hoe slim is het, wat kan het nog niet, wanneer komt de volgende versie. Maar er is een grens die zelden in die discussie opduikt en die in de praktijk misschien harder raakt: de fysieke infrastructuur die AI draaiende houdt. Die loopt vast op koper, staal en een stroomnet dat het aankan.
Sightline Climate, een onderzoeksorganisatie die de Amerikaanse datacentermarkt volgt, publiceerde dit voorjaar een rapport over de kloof tussen geplande en werkelijke datacapaciteit. Volgens dat onderzoek stond van de 16 gigawatt aan capaciteit die dit jaar live zou gaan slechts zo'n 5 gigawatt werkelijk in aanbouw, en voor 2027 ziet het beeld er niet beter uit. De verklaring voor dat verschil zit niet in gebrek aan geld of chips, maar een laag dieper: hoogspanningstransformatoren kennen levertijden die richting de vier jaar gaan, zo rapporteerde pv-magazine eerder dit jaar op basis van marktdata over de Amerikaanse transformatormarkt. Schakelinstallaties die bij grote datacenters horen zijn evenmin even bij te bestellen.
"AI schaalt oneindig" is een veelgehoorde claim, en technisch gezien klopt die — gegeven genoeg rekenkracht. Maar die rekenkracht hangt aan een fysieke keten die zich niet laat versnellen met een software-update. Netbeheerders kampen met een al zwaar belaste infrastructuur. Fabrikanten van transformatoren hebben wachtrijen die jaren vooruitlopen. Grote AI-labs en hyperscalers merken dit al: nieuwe datacenters worden vertraagd of gebouwd op locaties waar wél stroom beschikbaar is, ongeacht of dat qua latency of regelgeving ideaal is.
Voor een MKB-bedrijf verandert dit de relevante vraag. Niet "hoe kom ik aan meer rekenkracht", maar "waarvoor zet ik de rekenkracht in die beschikbaar is?" Als capaciteit schaars is en de kosten hoog blijven, weegt het zwaarder of de toepassing die je bouwt iets oplevert: een proces dat sneller loopt, een fout die er niet meer in sluipt, een beslissing die beter onderbouwd wordt. De volgende winst zit niet in méér compute, maar in betere keuzes over waarvoor je die inzet.
Dit geldt dubbel voor bedrijven die niet zelf datacenters bouwen. Je bepaalt niet het tempo van de stroomnetuitbreiding. Maar je bepaalt wel welk probleem je als eerste aanpakt, en of de investering in AI past bij wat je organisatie nu echt nodig heeft.
Wij beginnen elk AI-traject met de vraag die in het capaciteitsdebat zelden gesteld wordt: wat moet dit concreet opleveren voor jouw organisatie? Niet als rem op ambitie, maar omdat de meeste winst zit in gerichte toepassingen die een herkenbaar probleem oplossen, niet in breed experimenteren met dure rekentijd.
De fysieke grenzen van AI zijn reëel en worden de komende jaren voelbaar. De keuze hoe je daarmee omgaat, welk probleem je als eerste aanpakt en wat je daarmee bouwt, ligt bij jou.
Wil je die afweging maken voordat je investeert in plaats van erna? Je kunt ons bellen.
Bron: Sightline Climate — Data Center Outlook, gepubliceerd mei 2026 | pv-magazine USA — transformer lead times, gepubliceerd 2026-05-11