AI is al lang geen onderwerp meer voor alleen de grote techbedrijven. Ook ziekenhuizen, onderzoeksinstellingen, industrie en zakelijke dienstverleners kijken hoe ze AI kunnen inzetten om sneller te werken, beter te analyseren en slimmer te beslissen. Maar na de eerste golf van enthousiasme komt nu een lastigere vraag op tafel: waar draait die AI straks eigenlijk?
Die vraag gaat niet alleen over rekenkracht. Ook energieverbruik, netcongestie, veiligheid en wetgeving spelen mee. Juist daardoor wordt datasoevereiniteit snel belangrijker. Want wie AI serieus wil inzetten, moet ook serieus nadenken over de plek waar data worden opgeslagen, verwerkt en verplaatst.
Van technisch onderwerp naar strategische keuze
Datasoevereiniteit klinkt misschien als een technisch of politiek begrip, maar in de praktijk is het heel concreet. Het gaat over grip. Over weten onder welke wetgeving je data valt. Over kunnen kiezen in welk land je data staat. En over de vraag of gevoelige informatie, bijvoorbeeld van burgers, patiënten of bedrijven, binnen Europa blijft.
Dat vraagstuk wordt urgenter nu AI steeds dieper doordringt in organisaties. Veel toepassingen werken met gevoelige gegevens, bedrijfskritische informatie of data die niet zomaar de grens over mogen. Denk aan medische beelden, industriële kwaliteitsdata, financiële informatie of gegevens van overheidsorganisaties. Dan is het niet genoeg om alleen te kijken of een oplossing technisch goed werkt. Dan moet je ook kijken of die oplossing past bij je eisen rond controle, veiligheid en locatie.
Daarmee is datasoevereiniteit niet langer alleen een onderwerp voor IT. Het raakt ook bestuur, compliance, risicobeheersing en strategie.
Niet tegen hyperscalers, maar bewust kiezen
Tegelijk is de werkelijkheid minder zwart-wit dan soms wordt voorgesteld. Hyperscalers (zoals Google, Amazon en Microsoft) spelen een belangrijke rol in het digitale landschap en veel organisaties maken daar terecht gebruik van. Ook Eurofiber zet zich daar niet tegen af. Juist omdat Eurofiber ook de connectiviteit naar hyperscalers levert, draait het vraagstuk niet om een keuze voor of tegen één model.
De kern zit ergens anders. Organisaties moeten steeds bewuster bepalen welke data waar het beste passen. Niet alles hoeft in dezelfde omgeving te staan. Niet elke workload vraagt om dezelfde infrastructuur. En niet elke dataset wil je onder dezelfde wetgeving laten vallen. Juist die afweging wordt belangrijker naarmate AI een grotere rol krijgt in de dagelijkse praktijk.
Waarom dit juist in Europ speelt
Dat gesprek is extra relevant in Europa. De druk om meer digitale autonomie op te bouwen neemt toe. Overheden, bedrijven en maatschappelijke instellingen willen minder afhankelijk worden van systemen en partijen waar ze beperkt invloed op hebben. Dat betekent niet dat Europa alles zelf moet doen of internationale spelers buiten de deur moet houden. Het betekent wel dat organisaties scherper kijken naar de vraag welke data zij waar willen opslaan en verwerken.
Voor Europa ligt daar een duidelijke kans. Niet per se door de grootste te willen zijn, maar door gericht te bouwen aan toepassingen die passen bij de eigen markt, sectoren en publieke waarden. Denk aan AI voor medische diagnostiek, wetenschappelijk onderzoek, industrie of overheid. In dat soort omgevingen zijn prestaties belangrijk, maar controle over data net zo goed.
AI maakt ook de infrastructuurkeuze zwaarder
Daarmee komt ook de onderlaag van AI in beeld: infrastructuur. Want wie over datasoevereiniteit praat, praat uiteindelijk ook over datacenters, netwerken en energie. De nieuwe generatie AI-infrastructuur stelt namelijk veel zwaardere eisen dan traditionele IT. De vraag naar vermogen stijgt, de warmteontwikkeling neemt toe en gewone luchtkoeling is vaak niet meer genoeg. Dat maakt de keuze voor een locatie en infrastructuur belangrijker. Organisaties kijken niet alleen naar capaciteit, maar ook naar beschikbaarheid, energie-efficiëntie, connectiviteit en de vraag of een omgeving klaar is voor zwaardere workloads.
Groningen als praktisch voorbeeld
Dat zie je ook terug in Groningen. Daar beschikt Eurofiber over een datacenter dat al vanaf de basis is ontworpen voor HPC-omgevingen. HPC staat voor high-performance computing: omgevingen voor zware rekenkracht, zoals AI-training, simulaties en grootschalige data-analyse. Juist dat soort workloads stelt veel hogere eisen aan stroom, koeling en datacenterontwerp dan traditionele IT.
In Groningen is daar vanaf het begin rekening mee gehouden. Het datacenter is ingericht op zwaardere racks, hogere vermogensdichtheid en vloeistofkoeling. Daardoor is de basis voor moderne AI-workloads er al. Eurofiber kan er direct-to-chip cooling ondersteunen en heeft de infrastructuur grotendeels al klaarstaan, waardoor alleen nog de laatste aansluiting klant-specifiek hoeft te worden ingericht. Dat maakt de locatie interessant voor organisaties die niet eerst een lang ombouwtraject willen afwachten.
Eurofiber Datacenter Groningen laat ook zien dat datasoevereiniteit en duurzaamheid steeds vaker samenkomen. AI vraagt veel energie. Dat is een feit. Maar de manier waarop je infrastructuur inricht, maakt wel degelijk verschil. Moderne vloeistofkoeling werkt efficiënter dan traditionele luchtkoeling en maakt het bovendien beter mogelijk om restwarmte te benutten. Daardoor ontstaat een zinvoller gesprek over AI: niet alleen hoeveel vermogen iets vraagt, maar ook hoe slim je daarmee omgaat.
Vijf aandachtspunten voor organisaties
Wie met AI aan de slag wil en datasoevereiniteit serieus neemt, doet er goed aan om in elk geval deze vijf vragen te stellen:
1. Onder welke wetgeving valt onze data?
Niet elke dataset mag zomaar buiten Europa worden opgeslagen of verwerkt. Kijk dus scherp naar wetgeving, sectorregels en interne eisen. En stel ook de vraag welke buitenlandse wetgeving indirect toch kan doorwerken. Bijvoorbeeld: als een datacenter of cloudpartij onderdeel is van een Amerikaanse moedermaatschappij, welke risico’s geeft dat dan rond toegang tot data onder wetgeving? Denk hierbij aan de Amerikaanse CLOUD Act. Alleen kijken naar de fysieke locatie van data is dus niet genoeg. Ook eigendom, zeggenschap en juridische structuur tellen mee.
2. Welke data zijn gevoelig of bedrijfskritisch?
Niet alle data vragen om dezelfde mate van bescherming. Maak onderscheid tussen openbare, operationele en gevoelige data.
3. Welke infrastructuur vraagt deze AI-toepassing?
Sommige toepassingen hebben genoeg aan standaard cloudcapaciteit. Andere vragen om veel meer rekenkracht, lage latency of gespecialiseerde koeling.
4. Hoe belangrijk zijn connectiviteit en beschikbaarheid?
AI staat niet op zichzelf. Data moeten vaak snel en veilig tussen systemen, locaties en cloudomgevingen bewegen. Kijk daarom niet alleen naar de plek waar data staan, maar ook naar de soevereiniteit van de connectiviteitslaag. Via welke netwerken lopen je data? Wie beheert die verbindingen? En houd je ook op transportniveau grip op beschikbaarheid, beveiliging en jurisdictie? Datasoevereiniteit stopt namelijk niet bij opslag of rekenkracht, maar raakt ook de infrastructuur die data tussen omgevingen verplaatst.
5. Hoe wegen duurzaamheid en energie mee?
De groei van AI legt extra druk op stroom, koeling en ruimte. Kijk dus niet alleen naar prestaties, maar ook naar efficiëntie en toekomstbestendigheid.
Regie wordt de echte uitdaging
De organisaties die straks het verschil maken, zijn daarom niet per se de partijen met de meeste rekenkracht. Het zijn de partijen die het scherpst weten welke data ze hebben, welke AI-toepassingen waarde toevoegen en welke infrastructuur daar logisch bij past.
Daar hoort ook nuance bij. Soms is een hyperscaler de juiste keuze. Soms is een Europese of nationale omgeving verstandiger. Vaak ligt het antwoord in een combinatie. Precies daarin zit de kern van het debat over datasoevereiniteit. Het gaat niet om angst of om een keuze tegen internationale cloudspelers. Het gaat om regie.
Nu AI volwassener wordt, moet die afweging dat ook worden. Want de echte vraag is straks niet alleen wat AI kan. De echte vraag is wie de controle houdt over de data die het mogelijk maken.
Meer lezen
