De discussie over duurzame IT, cloudgebruik en kunstmatige intelligentie gaat nog te vaak over ambities, prognoses en beloften. Organisaties zeggen dat hun cloudomgeving efficiënt is, dat hun datacenter duurzaam opereert en dat AI bijdraagt aan productiviteit. Maar zodra we vragen hoeveel energie een applicatie, workload of AI-model werkelijk verbruikt, hoeveel capaciteit daadwerkelijk wordt benut en welke bedrijfsprestatie daartegenover staat, blijft het opvallend vaak stil.
We beschikken over steeds meer dashboards, rapportages en theoretische rekenmodellen. Toch ontbreekt het organisaties regelmatig aan het belangrijkste: feitelijke, herleidbare en verifieerbare data over de relatie tussen energie, infrastructuur, software, workloads, gebruikers en performance.
Juist daar ligt volgens mij een enorme economische kans.
Real data insight moet niet uitsluitend worden gezien als een instrument voor duurzaamheid, compliance of rapportage. Het is in de eerste plaats een financieel sturingsinstrument. Goed inzicht maakt zichtbaar waar cloudcapaciteit, AI-infrastructuur, softwarelicenties en hardware onvoldoende worden benut. Het helpt organisaties om verspilling weg te nemen, de economische levensduur van bestaande middelen te verlengen en investeringen beter te onderbouwen.
En dat alles met behoud van de performance die de organisatie werkelijk nodig heeft.
Ik durf daarom de volgende stelling aan:
De kosten van real data insight blijven ruimschoots onder de aantoonbare besparingen die met dat inzicht kunnen worden gerealiseerd.
Van aannames naar controleerbaar bewijs
Een duurzaamheidsclaim heeft pas waarde wanneer duidelijk is hoe er is gemeten, wat binnen de meting is meegenomen en of de uitkomst door een onafhankelijke partij kan worden gereproduceerd.
Dat geldt niet alleen voor energieverbruik, CO₂-uitstoot en watergebruik. Het geldt net zo goed voor cloudkosten, AI-kosten, softwaregebruik, servercapaciteit en workload-performance.
PUE kan bijvoorbeeld inzicht geven in de verhouding tussen het totale energieverbruik van een datacenter en het energieverbruik van de IT-apparatuur. Maar PUE vertelt niet of die IT-apparatuur ook daadwerkelijk nuttig werk verricht. Een datacenter kan een uitstekende PUE hebben, terwijl een aanzienlijk deel van de servers nauwelijks wordt benut.
WUE kan iets zeggen over watergebruik, maar alleen wanneer de meetgrenzen, lokale omstandigheden en gebruikte definities helder zijn. En ook een lage WUE zegt nog niets over de daadwerkelijke toegevoegde waarde van de uitgevoerde workloads.
Daarom moet infrastructuurdata worden gekoppeld aan workload- en performancedata. Indicatoren zoals de Server Idle Coefficient, Performance per Watt en de verhouding tussen gebruikte en beschikbare capaciteit geven een veel vollediger beeld. Zij maken zichtbaar hoeveel energie, hardware en software nodig zijn voor een concrete dienst, applicatie, gebruiker, transactie of AI-taak.
Dat is het verschil tussen meten om te rapporteren en meten om te sturen.
Meer IT is niet automatisch betere IT
Binnen veel organisaties is jarenlang vanuit zekerheid geredeneerd. Wanneer twijfel bestond over de benodigde capaciteit, werd extra capaciteit toegevoegd. Meer CPU, meer geheugen, meer opslag, meer cloudresources en meer licenties moesten voorkomen dat de performance onder druk kwam te staan.
Dat is begrijpelijk. Geen bestuurder of IT-manager wil verantwoordelijk zijn voor een storing omdat de infrastructuur te krap is ingericht.
Maar die veiligheidsmarges stapelen zich op. Een applicatieteam vraagt extra capaciteit, de IT-afdeling bouwt daar een marge bovenop en de cloudleverancier adviseert vervolgens een configuratie die ook toekomstige groei moet kunnen opvangen. Het gevolg is dat organisaties soms jarenlang betalen voor capaciteit die nauwelijks wordt gebruikt.
Overdimensionering is daardoor een structureel onderdeel van veel IT-omgevingen geworden.
Hetzelfde geldt voor hardware. Servers worden vervangen omdat zij een bepaalde leeftijd hebben bereikt, niet omdat met real data is aangetoond dat zij technisch of economisch niet meer voldoen. Softwarelicenties worden verlengd omdat zij eenmaal aan een gebruiker, server of virtuele machine zijn toegewezen. Cloudinstances blijven draaien omdat niemand met zekerheid weet of zij nog nodig zijn. Opslag groeit door omdat het goedkoper en eenvoudiger lijkt om capaciteit toe te voegen dan om de oorzaak van die groei te onderzoeken.
Zonder inzicht wordt zekerheid gekocht met verspilling.
Met real insight ontstaat een andere benadering. Dan wordt niet langer gevraagd hoeveel infrastructuur beschikbaar is, maar hoeveel daarvan nodig is om de gewenste dienstverlening en performance aantoonbaar te ondersteunen.
Minder cloud spend door inzicht per workload
De cloud heeft IT flexibeler en schaalbaarder gemaakt, maar heeft kosten ook minder tastbaar gemaakt. Waar bij fysieke infrastructuur vooraf een investeringsbesluit nodig was, kunnen cloudresources met enkele klikken worden toegevoegd. De kosten verschijnen vervolgens verspreid over accounts, afdelingen, projecten, applicaties en abonnementsvormen.
Een cloudfactuur vertelt hoeveel er is afgenomen. Zij vertelt niet automatisch of die afname noodzakelijk, efficiënt of bedrijfseconomisch verantwoord was.
Real data insight kan onder andere zichtbaar maken:
- welke cloudinstances structureel onderbenut zijn;
- welke omgevingen buiten gebruikstijden actief blijven;
- waar opslag wordt aangehouden zonder aantoonbaar gebruik;
- welke workloads naar een kleinere of andere configuratie kunnen;
- waar gereserveerde capaciteit niet aansluit bij het werkelijke gebruik;
- welke applicaties onnodig veel dataverkeer, rekenkracht of geheugen vragen;
- waar dezelfde functionaliteit door meerdere cloudservices wordt geleverd;
- welke capaciteit lokaal, privaat of op dedicated infrastructuur voordeliger kan worden uitgevoerd.
Daarbij is het essentieel dat kostenreductie niet los wordt gezien van performance. Een cloudomgeving goedkoper maken door simpelweg capaciteit te verwijderen is geen optimalisatie. Het is pas een verbetering wanneer de gewenste beschikbaarheid, responstijd, betrouwbaarheid en gebruikerservaring aantoonbaar behouden blijven.
De juiste vraag is daarom niet: Hoe kunnen we minder cloud gebruiken?
De juiste vraag is: Welke cloudcapaciteit draagt aantoonbaar bij aan de gewenste prestatie en waarvoor betalen we zonder voldoende toegevoegde waarde?
AI spend dreigt de volgende grote kostenpost te worden
Bij AI zien we dezelfde ontwikkeling, maar in een veel hoger tempo.
Organisaties experimenteren met generatieve AI, enterprise-LLM’s, RAG-oplossingen, inference, fine-tuning en private AI-omgevingen. Daarbij worden GPU-capaciteit, tokens, modellen, datasets, softwareplatforms en specialistische infrastructuur ingekocht zonder dat altijd duidelijk is wat een afzonderlijke AI-workload werkelijk kost.
Ook hier dreigt overdimensionering.
Niet iedere toepassing heeft het grootste model nodig. Niet iedere workload hoeft continu over GPU-capaciteit te beschikken. Niet ieder model hoeft opnieuw te worden getraind. En niet iedere AI-vraag hoeft in een publieke cloud te worden verwerkt.
Om AI-kosten werkelijk te beheersen, moet per model, toepassing of taak inzichtelijk worden gemaakt:
- hoeveel rekenkracht wordt gebruikt;
- hoeveel energie daarvoor nodig is;
- welke GPU- en geheugencapaciteit daadwerkelijk wordt benut;
- hoeveel tokens worden verwerkt;
- welke responstijd en nauwkeurigheid worden behaald;
- hoeveel capaciteit tijdens pieken en daluren nodig is;
- of een kleiner of gespecialiseerd model dezelfde taak kan uitvoeren;
- of inference, fine-tuning of RAG doelmatiger kan worden ingericht;
- welke kosten aan een gebruiker, afdeling, klant of bedrijfsproces kunnen worden toegerekend;
- welke zakelijke waarde tegenover die kosten staat.
Pas dan ontstaat AI-governance die verdergaat dan algemene beleidsregels.
AI spend kan alleen worden beheerst wanneer kosten, energieverbruik en performance op workloadniveau aan elkaar worden gekoppeld. Zonder die koppeling weten organisaties wel wat zij maandelijks betalen, maar niet waarvoor zij betalen en of dezelfde prestatie efficiënter kan worden geleverd.
De miljardeninvesteringen in AI-infrastructuur zullen uiteindelijk moeten worden terugverdiend. Cloud‑, chip- en softwareleveranciers zullen die kosten doorberekenen. Organisaties die hun eigen gebruik niet kunnen meten, hebben in onderhandelingen nauwelijks een feitelijke uitgangspositie.
Real data is daarmee ook een vorm van economische onafhankelijkheid.
Minder softwarekosten door werkelijk gebruik te meten
Softwarekosten vormen binnen veel organisaties een vrijwel automatisch terugkerende uitgavenstroom. Licenties worden aangeschaft, toegewezen en jaarlijks verlengd. Controle vindt vaak plaats op basis van contracten en aantallen accounts, niet op basis van werkelijk en functioneel gebruik.
Daardoor blijven licenties bestaan voor medewerkers die uit dienst zijn, voor functies die nauwelijks worden gebruikt of voor applicaties die elkaar geheel of gedeeltelijk overlappen.
Ook virtualisatie‑, database‑, beveiligings- en beheersoftware kan gekoppeld zijn aan het aantal gebruikers, processors, cores, virtuele machines of servers. Overcapaciteit in de infrastructuur leidt dan niet alleen tot hogere hardware- en energiekosten, maar ook tot hogere licentiekosten.
Real insight maakt deze stapeling zichtbaar.
Een ongebruikte server kost immers niet alleen stroom. Deze kan ook kosten veroorzaken voor opslag, back-up, monitoring, beveiliging, beheer en softwarelicenties. Eén technisch inefficiënte keuze kan daardoor op meerdere kostenniveaus doorwerken.
Door feitelijk gebruik te koppelen aan contract- en licentiegegevens ontstaat ruimte om licenties terug te nemen, abonnementen te verkleinen, applicaties te consolideren en contractvoorwaarden beter af te stemmen op de werkelijke behoefte.
Hardware beter benutten en langer gebruiken
De meest duurzame server is niet automatisch de nieuwste server. In veel gevallen is het de server die al is geproduceerd, nog goed functioneert en aantoonbaar voldoende performance levert voor de toegewezen workload.
Vervanging op basis van leeftijd alleen kan leiden tot onnodige investeringen, extra materiaalgebruik en nieuwe emissies in de productieketen. Tegelijkertijd is onbeperkt doorgebruiken evenmin verstandig. Oudere hardware kan minder energie-efficiënt zijn, een groter storingsrisico hebben of onvoldoende ondersteuning bieden.
De beslissing moet daarom op real data worden gebaseerd.
Wanneer energieverbruik, thermische belasting, technische conditie, benutting en workload-performance gezamenlijk worden gemeten, kan veel nauwkeuriger worden bepaald of hardware:
- nog doelmatig kan blijven functioneren;
- voor een lichtere workload kan worden ingezet;
- geconsolideerd kan worden;
- technisch moet worden aangepast;
- of aantoonbaar aan vervanging toe is.
Dat verlengt waar mogelijk de economische levensduur, zonder dat beschikbaarheid of performance onnodig in gevaar wordt gebracht.
Voor AI-infrastructuur wordt dit onderscheid nog belangrijker. De fysieke infrastructuur van een datacenter kan een levensduur van vijftien tot twintig jaar hebben, terwijl GPU’s en andere accelerators vaak een veel kortere economische cyclus kennen. Door infrastructuur, koeling, energievoorziening, compute en software als afzonderlijke lagen te benaderen, kunnen deze componenten volgens hun eigen levensduur worden gefinancierd, gebruikt en vervangen.
Daarmee wordt voorkomen dat een volledige infrastructuur verouderd wordt verklaard omdat één technologielaag aan vervanging toe is.
Modulariteit en meetbaarheid verlagen zo het risico op stranded investments.
Van dashboard naar financieel stuurinstrument
Veel organisaties beschikken al over monitoring. Toch leidt monitoring niet automatisch tot besparing.
Een dashboard dat alleen laat zien hoeveel energie, cloudcapaciteit of GPU-vermogen wordt gebruikt, blijft beschrijvend. De werkelijke waarde ontstaat wanneer data uit verschillende lagen met elkaar wordt verbonden:
- fysieke infrastructuur;
- servers, GPU’s, opslag en netwerk;
- hypervisors en virtuele machines;
- applicaties en workloads;
- gebruikers en transacties;
- energie, koeling en thermische omstandigheden;
- cloud‑, software- en beheerkosten;
- servicelevels en performance.
Dan kan worden vastgesteld welke technische middelen nodig zijn voor een concreet bedrijfsresultaat.
Zirrow moet daarom niet uitsluitend worden gezien als een dashboard of monitoringsoplossing. Het is de real-data- en bewijslaag waarmee organisaties de relatie tussen vermogen, performance, capaciteit, kosten en duurzaamheid zichtbaar kunnen maken.
Niet alleen achteraf in een rapportage, maar realtime en op een niveau waarop daadwerkelijk kan worden bijgestuurd.
Dat maakt voorspellende optimalisatie mogelijk. Niet wachten totdat capaciteit tekortschiet of kosten uit de hand lopen, maar tijdig herkennen waar inefficiëntie, piekbelasting, overdimensionering of verslechterende performance ontstaat.
Geen performanceverlies als randvoorwaarde
Kostenbesparing mag nooit een doel op zichzelf worden. IT ondersteunt zorg, financiële dienstverlening, overheid, industrie, logistiek en tal van andere kritieke processen. Verminderde performance kan directe gevolgen hebben voor medewerkers, klanten en bedrijfscontinuïteit.
Daarom moet iedere optimalisatie worden getoetst aan vooraf vastgestelde prestatiecriteria.
Het verdienmodel is niet gebaseerd op minder IT tegen elke prijs. Het is gebaseerd op het leveren van dezelfde of een betere prestatie met minder verspilling.
Dat betekent:
Smart Power & Performance.
Energie en kosten verminderen waar dat aantoonbaar kan, terwijl de overeengekomen performance behouden blijft. Daarmee wordt voorkomen dat besparingen op papier later leiden tot vertragingen, verstoringen, productiviteitsverlies of nieuwe investeringen.
Werkelijke efficiency is immers niet het laagste energieverbruik, maar de beste verhouding tussen ingezette middelen en geleverde prestatie.
De businesscase van real insight
De financiële opbrengst van real insight bestaat uit meerdere besparingsstromen die elkaar versterken:
- lagere cloudkosten door rightsizing, uitschakeling en betere workloadplaatsing;
- lagere AI-kosten door efficiëntere modellen, GPU-benutting en workloadregie;
- lagere softwarekosten door licentieoptimalisatie en consolidatie;
- lagere hardware-investeringen door betere benutting en levensduurverlenging;
- lagere energiekosten door vermindering van idle- en overcapaciteit;
- lagere koelingskosten door betere afstemming tussen IT-belasting en thermische infrastructuur;
- lagere beheerkosten door het verwijderen van onnodige complexiteit;
- lagere piekbelasting en mogelijk lagere aansluit- of capaciteitstarieven;
- minder investeringsrisico door beslissingen te baseren op aantoonbare behoefte;
- lagere compliance- en rapportagelast doordat dezelfde gevalideerde data voor meerdere doeleinden kan worden gebruikt.
Dezelfde data die besparingen mogelijk maakt, kan bovendien worden ingezet voor duurzaamheidsrapportage, interne governance, klantverantwoording, compliance, investeringsbesluiten en verificatie.
Daarmee worden met één meet- en bewijslaag meerdere bedrijfsdoelen ondersteund.
Meten moet zelf ook meetbaar renderen
Wanneer wij stellen dat real insight een verdienmodel is, moeten wij dat vanzelfsprekend ook kunnen bewijzen.
Daarom kan de uitgangssituatie als baseline worden vastgelegd. Vervolgens worden verbetermaatregelen uitgevoerd en worden de effecten op energie, kosten, capaciteit en performance gemeten. Alleen aantoonbare en gevalideerde besparingen mogen als resultaat worden toegerekend.
Dat maakt zelfs een no-cure-no-pay- of shared-savingsmodel mogelijk. De vergoeding kan dan worden gekoppeld aan aantoonbaar gerealiseerde besparingen gedurende een vooraf afgesproken periode.
Zo ontstaat een zuivere economische prikkel:
- geen theoretische besparing;
- geen gemiddelde marktdata;
- geen oncontroleerbare claim;
- maar een vergoeding op basis van werkelijk gerealiseerd en gevalideerd resultaat.
Wanneer real insight geen aantoonbare waarde oplevert, is de businesscase onvoldoende. Wanneer de besparing wel aantoonbaar is, kan een deel daarvan worden gebruikt om de meet‑, analyse- en optimalisatiedienst te financieren.
De klant houdt structureel lagere kosten over, terwijl de aanbieder wordt beloond voor werkelijk resultaat.
Van kostenplaats naar waardecreatie
De grootste verandering is misschien wel organisatorisch.
Duurzaamheid, IT-beheer, finance, procurement en compliance werken binnen veel organisaties nog vanuit afzonderlijke databronnen en doelstellingen. Finance ziet facturen. IT ziet capaciteit en beschikbaarheid. Sustainability ziet energie en CO₂. Procurement ziet contracten en licenties. De bedrijfsorganisatie ziet vooral of een applicatie functioneert.
Real insight brengt deze werelden samen.
Daarmee wordt verduurzaming geen losstaand rapportageproject, maar een vorm van operationele en financiële verbetering. Compliance wordt geen extra administratieve laag, maar een resultaat van data die al nodig is om de omgeving beter te besturen. En IT wordt niet langer uitsluitend beoordeeld op beschikbaarheid en budget, maar op aantoonbare waarde per ingezette euro, kilowattuur en rekeneenheid.
Dat is precies waar volgens mij de echte businesscase ligt.
Geen duurzame AI zonder meetbaar bewijs
Voor duurzame AI is het niet voldoende om groene elektriciteit in te kopen of naar de PUE van een datacenter te verwijzen. We moeten weten hoeveel energie een AI-workload werkelijk gebruikt, welke prestaties daarmee worden geleverd, hoeveel infrastructuur daarvoor nodig is en of dezelfde uitkomst efficiënter kan worden bereikt.
Dat bewijs moet feitelijk, herleidbaar, verifieerbaar en bij voorkeur certificeerbaar zijn.
Niet omdat we behoefte hebben aan meer regeldruk, maar omdat transparantie noodzakelijk is om marktwerking mogelijk te maken. Zolang afnemers geen vergelijkbare en betrouwbare data hebben, kunnen zij leveranciers nauwelijks beoordelen op efficiency, kosten of duurzaamheid.
Real data maakt prestaties vergelijkbaar. Vergelijkbaarheid stimuleert concurrentie. Concurrentie beloont uiteindelijk de partij die aantoonbaar meer waarde levert met minder middelen.
Daarmee wordt meetbaar bewijs niet alleen een voorwaarde voor duurzame AI, maar ook voor betaalbare AI.
De overtuiging die nu bewezen kan worden
We staan aan het begin van een periode waarin cloud- en AI-kosten een steeds groter deel van de bedrijfsuitgaven zullen vormen. Tegelijkertijd nemen de druk op het elektriciteitsnet, de behoefte aan digitale soevereiniteit en de verwachtingen rond duurzaamheid en transparantie toe.
Meer infrastructuur bouwen is niet de enige oplossing.
We moeten eerst begrijpen wat we al hebben, hoe het wordt gebruikt en welke prestatie het werkelijk levert.
Mijn overtuiging is helder: binnen vrijwel iedere omvangrijke IT-omgeving bestaat een aanzienlijk besparingspotentieel in cloudgebruik, AI-capaciteit, softwarelicenties, hardware, energie en beheer. Dat potentieel kan worden benut zonder noodzakelijke performance in te leveren, mits beslissingen worden gebaseerd op voldoende gedetailleerde en betrouwbare data.
De kosten van die real data insight vormen daarbij niet het probleem.
Het ontbreken ervan is het echte risico.
Want wie niet meet, betaalt niet alleen te veel. Die organisatie weet ook niet waarvoor zij betaalt, waar zij verspilt, wanneer zij moet investeren en welke duurzaamheidsclaims werkelijk kunnen worden onderbouwd.
Real insight verandert dat. Het maakt verborgen verspilling zichtbaar, ondersteunt gerichte optimalisatie en vertaalt technische data naar financiële stuurinformatie.
Daarmee is real data geen extra kostenpost, maar een aantoonbaar verdienmodel.
Niet besparen door minder performance te accepteren, maar meer waarde halen uit iedere euro, iedere licentie, iedere server, iedere GPU en iedere kilowattuur.
