Uptime in nieuw rapport: ‘AI-datacenter bouwen vraagt om strakkere controle op de bouwplaats’

De bouw van AI-datacenters stelt hogere eisen aan ontwerp, uitvoering en controle dan veel traditionele datacenterprojecten. Dat stelt Uptime Institute in een nieuwe publicatie over construction oversight and validation, het derde deel in een reeks korte rapporten over AI-infrastructuur.

De kernboodschap van Uptime: wie AI-capaciteit snel wil realiseren, moet tijdens de bouw veel scherper bewaken dat het uiteindelijke gebouw ook echt overeenkomt met het ontwerp. Juist bij AI-projecten is het risico op afwijkingen tussen ontwerp en uitvoering groot.

Datacenters voor AI zijn niet simpelweg bestaande datacenters met wat zwaardere servers, stellen de onderzoekers. De workloads vragen om veel meer vermogen per rack, andere koelconcepten, zwaardere constructies, meer technische ruimte en een bouwproces dat flexibel genoeg is om tussentijdse wijzigingen op te vangen. Volgens Uptime ligt daar een belangrijk spanningsveld. Organisaties willen AI-infrastructuur zo snel mogelijk beschikbaar hebben of kunnen stellen, maar mogen daarbij geen concessies doen aan beschikbaarheid, schaalbaarheid, prestaties en energie-efficiëntie.

Design-to-build drift

Een belangrijk risico is wat Uptime “design-to-build drift” noemt. Daarmee bedoelt de organisatie dat er tijdens de bouw langzaam maar zeker verschillen ontstaan tussen het oorspronkelijke ontwerp en wat er daadwerkelijk wordt geïnstalleerd. In klassieke datacenterprojecten is dat al ongewenst, maar bij AI-infrastructuur kan het extra zwaar wegen. De marges zijn kleiner, de vermogensdichtheden hoger en de afhankelijkheid tussen bouwkundige, elektrische en koeltechnische keuzes is groter. Een kleine afwijking in vloerbelasting, leidingtracé, koelcapaciteit of plaatsing van technische installaties kan later gevolgen hebben voor prestaties, betrouwbaarheid of uitbreidbaarheid.

De druk op de bouwplanning maakt dit probleem niet kleiner. AI-projecten worden vaak onder grote tijdsdruk ontwikkeld, omdat bedrijven snel capaciteit nodig hebben voor training en inference. Tegelijkertijd verandert de technologie snel. Tijdens een bouwproject kunnen nieuwe GPU-platformen, andere rackconfiguraties of aangepaste koelconcepten op de markt komen. Daardoor kunnen ontwerpwijzigingen tijdens de bouwfase noodzakelijk worden. Uptime stelt daarom dat AI-datacenters niet alleen snel, maar ook systematisch en gefaseerd moeten worden gebouwd. Alleen dan blijft er ruimte om wijzigingen gecontroleerd door te voeren zonder dat de kwaliteit van de infrastructuur onder druk komt te staan.

Een van de meest zichtbare verschillen zit in de racks zelf. Waar bestaande datacenters volgens het rapport gemiddeld rond 9 kW per rack zitten, kunnen volledig gevulde GPU-racks voor AI-training oplopen tot 150 kW per rack. Fabrikanten kijken bovendien al naar vermogensdichtheden van 1 MW per rack of meer binnen enkele jaren. Dat zijn waarden die binnen de levensduur vallen van datacenters die vandaag worden ontworpen en gebouwd. De consequentie is dat ontwerpers en bouwers niet alleen naar de huidige eisen moeten kijken, maar ook naar de mogelijkheid om later veel zwaardere IT-belastingen te ondersteunen.

Bouwkundige consequenties

Die hogere dichtheden hebben directe gevolgen voor de bouwkundige constructie. AI-racks zijn zwaarder, mede door vloeistofkoeling, hogere rackformaten en een zeer compacte opbouw met GPU’s en netwerkcomponenten. Uptime noemt als voorbeeld racks die meer dan 2.000 kilogram kunnen wegen, twee tot drie keer zoveel als conventionele racks van 680 tot 1.000 kilogram. Op pagina 3 van het rapport laat een illustratie zien hoe een traditioneel 42U-rack wordt vergeleken met een AI-rack van 52U en een aanzienlijk hoger gewicht. Dat verschil werkt door in vloerbelasting, plafondhoogte, kabel- en leidingroutes, liften, laadruimtes, gangen en de hoeveelheid beton die nodig is voor structurele ondersteuning.

Ook de vorm van het gebouw kan veranderen. Grote AI-trainingsclusters hebben zeer snelle verbindingen nodig tussen veel GPU-servers. Om latency te beperken, moeten die verbindingen zo kort mogelijk blijven. Daardoor kijken ontwerpers volgens Uptime vaker naar meerlaagse gebouwen. Een installatie op een verdieping boven of onder een andere technische laag kan in sommige gevallen dichter bij IT- en koelsystemen zitten dan wanneer dezelfde capaciteit over naastgelegen gebouwen wordt verdeeld. Dat vraagt wel om sterke vloeren op hogere verdiepingen en om vooraf gemaakte sparingen en verbindingen tussen verdiepingen.

Vloeistofkoeling

De vloeropbouw is een ander aandachtspunt. Zware racks lijken te pleiten voor een betonnen vloerplaat, maar directe vloeistofkoeling vraagt juist om veilige circulatie van koelvloeistof, meestal een mengsel met glycol. Veel exploitanten willen de vloeistofcirculatie daarom onder het rack plaatsen, zodat lekkages niet direct in IT-apparatuur terechtkomen en beter kunnen worden opgevangen. Daarmee ontstaat een technische afweging tussen draagkracht, toegankelijkheid, lekbeheersing en installatieruimte. Volgens Uptime Institute is het daarom essentieel dat tijdens de bouw wordt gecontroleerd of de vloeroplossing daadwerkelijk overeenkomt met de technische uitgangspunten van het ontwerp.

Koeling vormt misschien wel de grootste verandering ten opzichte van traditionele datacenters. AI-infrastructuur zal niet overal volledig vloeistofgekoeld zijn. In de praktijk ontstaat vaak een hybride omgeving waarin luchtkoeling en vloeistofkoeling naast elkaar bestaan, soms binnen dezelfde zaal, rij of rackopstelling. Boven ongeveer 50 tot 60 kW per rack schiet luchtkoeling tekort. Dan komen oplossingen zoals rear-door heat exchangers of directe vloeistofkoeling met cold plates in beeld. Dat kan kleinschalig via sidecar-racks naast een beperkt aantal high-density racks, of grootschaliger via cooling distribution units die vloeistof naar de racks circuleren.

Die hybride koeling maakt het bouwproces ingewikkelder. Een datacenter krijgt dan feitelijk twee koelsystemen in plaats van één: een luchtgekoeld systeem en een vloeistofgekoeld systeem. Dat heeft invloed op de indeling van de zaal, de technische ruimte, de efficiëntie, de PUE-berekening en de coördinatie tussen verschillende installatiedisciplines. Bovendien moeten leidingen, CDU’s, warmtewisselaars, pompen en distributiesystemen nauwkeurig worden geplaatst. Afwijkingen tijdens de uitvoering kunnen later gevolgen hebben voor zowel koelprestaties als onderhoudbaarheid.

White space vs gray space

Daarmee verschuift ook de verhouding tussen white space en gray space. In conventionele datacenters gaat veel aandacht naar de computervloer, maar bij AI-datacenters neemt de technische ruimte voor voeding en koeling relatief toe. Cooling distribution units en andere koeltechnische componenten kunnen groot en zwaar zijn, soms zelfs groter dan de racks die ze ondersteunen. Uptime Institute wijst erop dat ontwerpers daarom vaker zoeken naar flexibele plattegronden waarin de verhouding tussen IT-ruimte en technische ruimte later nog kan worden aangepast. Dat vraagt om een bouwproces waarin formele wijzigingsmomenten zijn ingebouwd, zodat aanpassingen niet ad hoc maar gecontroleerd plaatsvinden.

Ook traditionele bouwlogica moet opnieuw worden bekeken. Bij veel datacenters worden grote installaties zoals chillers of UPS-systemen vroeg in het bouwproces geplaatst, waarna het gebouw er als het ware omheen wordt afgebouwd. Bij AI-datacenters kan dat minder praktisch zijn, omdat ontwerpwijzigingen tijdens de bouw waarschijnlijker zijn. Als de benodigde installaties veranderen, kan een te vroege plaatsing van grote componenten juist voor problemen zorgen. Uptime Institute pleit daarom voor gefaseerde bouw als praktische aanpak. In het rapport wordt bijvoorbeeld verwezen naar een scenario waarin een faciliteit van 500 MW wordt opgebouwd uit hallen van 5 MW. Daardoor kan per fase worden bijgestuurd op basis van nieuwe inzichten, andere rackdichtheden of gewijzigde technische eisen.

Gedeeltelijke retrofit

Voor bestaande datacenters ligt de uitdaging anders. Niet elk AI-project vraagt om een volledig nieuwe AI-fabriek. Kleinere clusters of specifieke AI-workloads kunnen soms in bestaande locaties worden ondergebracht. Maar een volledige conversie van een conventioneel datacenter naar AI-training is volgens het rapport vaak lastig of economisch onaantrekkelijk. Daarvoor moet de stroomcapaciteit mogelijk worden verdubbeld, terwijl ook vloerbelasting, technische ruimte en koelcapaciteit moeten worden aangepast. In sommige gevallen moeten bestaande IT-loads worden verplaatst om ruimte te maken voor extra power- en koelinstallaties.

Gedeeltelijke retrofit kan wel zinvol zijn, maar vraagt om een realistische technische beoordeling. De vloer of verhoogde vloer moet het gewicht van AI-hardware en vloeistofkoelapparatuur aankunnen. Voor zware CDU’s kan extra structurele versteviging nodig zijn. Ook de logistiek is belangrijk: liften, gangen en laadruimtes moeten geschikt zijn voor grote en zware componenten. Als dat niet het geval is, moeten installaties mogelijk in modules worden aangevoerd en ter plaatse worden opgebouwd. Dat maakt planning en kwaliteitscontrole nog belangrijker.

Volgens Uptime Institute blijft het basisproces van bouwen, inspecteren en testen vergelijkbaar met dat van klassieke datacenters. De specificaties zijn alleen strenger en de afhankelijkheden zijn groter. Inspecties moeten plaatsvinden na afronding van civiele, structurele en architectonische werkzaamheden, voordat apparatuur wordt geleverd. Daarna volgen controles op distributieroutes voor stroom en koeling, inspecties tijdens het plaatsen van apparatuur en functionele testen van componenten. Die stappen zijn nodig om zeker te weten dat apparatuur niet is beschadigd tijdens transport of installatie en dat tussentijdse ontwerpwijzigingen geen negatieve invloed hebben op de veerkracht of functionaliteit van het totale ontwerp.

Ontwerpvraagstuk

De boodschap van Uptime voor datacenterontwikkelaars en -managers is daarmee vooral dat AI-infrastructuur niet alleen een ontwerpvraagstuk is, maar ook een uitvoeringsvraagstuk. Een goed ontwerp is onvoldoende wanneer tijdens de bouw onvoldoende wordt bewaakt of de specificaties daadwerkelijk worden gehaald. Juist omdat AI-datacenters sneller, zwaarder, dichter en flexibeler moeten worden gebouwd, wordt onafhankelijke controle tijdens de bouwfase belangrijker. Afwijkingen die vroeg worden ontdekt, zijn meestal nog relatief eenvoudig te herstellen. Komen ze pas tijdens commissioning of operatie aan het licht, dan kunnen herstelkosten en vertragingen snel oplopen.

AI verandert daarmee niet alleen de technologie in het datacenter, maar ook de manier waarop datacenters worden gerealiseerd. De bouwplaats wordt een kritischer onderdeel van de beschikbaarheidsstrategie. Voor wie AI-capaciteit wil bouwen, draait het niet langer alleen om voldoende megawatts, GPU’s en koelvermogen. Het gaat er ook om dat elke vloer, leiding, CDU, UPS, kabelroute en constructieve keuze klopt met het ontwerp en met de toekomstige ruimte voor groei. In een markt waarin snelheid vaak centraal staat, is dat misschien wel de belangrijkste waarschuwing: snelle oplevering heeft pas waarde als de infrastructuur vanaf dag één doet wat zij moet doen.