Data­cen­ters in een baan om de aarde leken lange tijd vooral thuis te horen in scien­ce­fic­ti­on­ver­halen. Toch wordt het idee steeds seri­euzer onder­zocht. De snelle groei van kunst­ma­tige intel­li­gentie, de enorme vraag naar elek­tri­ci­teit en de beperkte ruimte voor nieuwe data­cen­ters op aarde maken orbi­tale reken­in­fra­struc­tuur ineens een stuk minder onre­a­lis­tisch. Volgens een analyse van Bain & Company kunnen data­cen­ters in de ruimte vanaf 2030 voor­zichtig gaan opschalen en rond 2040 een bescheiden, maar stra­te­gisch belang­rijk deel van de wereld­wijde reken­ca­pa­ci­teit leveren.

Dat voor­uit­zicht is vooral rele­vant voor AI. Het trainen en gebruiken van moderne AI-modellen vraagt steeds grotere hoeveel­heden reken­kracht en elek­tri­ci­teit. Tege­lij­ker­tijd lopen data­cen­ter­ont­wik­ke­laars op aarde tegen grenzen aan. Netcon­gestie, lange wacht­tijden voor nieuwe stroom­aan­slui­tingen, vergun­ningstra­jecten en een gebrek aan geschikte loca­ties vertragen de uitbrei­ding van AI-infra­struc­tuur.

Ruimte-data­cen­ters zouden een deel van die knel­punten kunnen omzeilen. Ze hebben geen aanslui­ting nodig op een over­be­last elek­tri­ci­teitsnet en kunnen gebruik­maken van zonne-energie. Daar staan forse tech­ni­sche en finan­ciële uitda­gingen tegen­over. Servers, zonne­pa­nelen, batte­rijen en koel­sys­temen moeten met raketten naar een baan om de aarde worden gebracht. Iedere kilo telt daarbij mee in de kosten.

Toch lijkt de afstand tussen theorie en prak­tijk kleiner te worden. In januari 2026 vroeg SpaceX bij de Ameri­kaanse toezicht­houder FCC toestem­ming voor een orbi­taal data­cen­ter­sys­teem. Het bete­kent niet dat het bedrijf direct groot­scha­lige data­cen­ters gaat lanceren, maar wel dat ruim­te­ge­ba­seerde reken­in­fra­struc­tuur inmid­dels deel uitmaakt van concrete plannen.

AI heeft steeds meer infrastructuur nodig

De belang­stel­ling voor orbi­tale data­cen­ters kan niet los worden gezien van de snelle ontwik­ke­ling van AI. Grote taal­mo­dellen, beeld­ge­ne­ra­toren, weten­schap­pe­lijke AI-systemen en auto­nome soft­wa­re­toe­pas­singen gebruiken enorme aantallen GPU’s en andere gespe­ci­a­li­seerde chips.

Vooral het trainen van grote AI-modellen vraagt veel energie. Duizenden proces­sors moeten weken of maanden vrijwel continu samen­werken. Maar ook nadat een model is getraind, blijft veel reken­kracht nodig. Iedere vraag aan een AI-assis­tent, iedere gege­ne­reerde afbeel­ding en iedere auto­ma­ti­sche analyse vraagt om infe­rentie: het daad­wer­ke­lijk uitvoeren van het model.

Naar­mate AI breder wordt toege­past, kan infe­rentie uitein­de­lijk een groter deel van de totale reken­vraag gaan verte­gen­woor­digen. Bedrijven verwerken AI dan niet meer alleen tijdens expe­ri­men­tele projecten, maar voort­du­rend in soft­ware, produc­tie­pro­cessen, zoek­ma­chines, klan­ten­ser­vice, gezond­heids­zorg en indu­striële toepas­singen.

Orbi­tale data­cen­ters zouden vooral voor dat soort AI-infe­rentie inte­res­sant kunnen worden. Een getraind model kan op meer­dere satel­lieten worden geplaatst, waarna afzon­der­lijke systemen zelf­standig opdrachten uitvoeren. De resul­taten kunnen vervol­gens naar de aarde worden gestuurd.

Het trainen van zeer grote modellen in de ruimte is voor­lopig veel inge­wik­kelder. Daar­voor moeten grote aantallen chips met zeer hoge snel­heid en een zeer lage vertra­ging met elkaar commu­ni­ceren. De verbin­dingen tussen satel­lieten bieden daar­voor nog niet dezelfde pres­ta­ties als de gespe­ci­a­li­seerde netwerken binnen moderne AI-data­cen­ters op aarde.

Lanceerkosten bepalen de haalbaarheid

De grootste econo­mi­sche drempel blijft het trans­port van de hard­ware. Volgens Bain kost vervoer naar een lage baan om de aarde met een Falcon 9 momen­teel onge­veer 600 dollar per kilo­gram. Om ruimte-data­cen­ters te laten concur­reren met aardse infra­struc­tuur zou dit waar­schijn­lijk moeten dalen naar onge­veer 50 tot 100 dollar per kilo­gram.

Dat kan alleen wanneer raketten veel meer vracht per vlucht kunnen vervoeren, groten­deels herbruik­baar worden en veel vaker kunnen worden gelan­ceerd.

SpaceX ziet daarbij een belang­rijke rol voor Star­ship. Deze raket moet uitein­de­lijk 150 tot 200 ton vracht kunnen vervoeren, tegen­over onge­veer 23 ton voor Falcon 9. Dat grotere laad­ver­mogen kan het aantal beno­digde lance­ringen aanzien­lijk vermin­deren.

De schaal van de uitda­ging blijft groot. Voor één giga­watt aan reken­ver­mogen zouden bij de huidige massa van satel­liet­sys­temen onge­veer duizend Falcon 9‑lanceringen per jaar nodig zijn. Ter verge­lij­king: een giga­watt is een vermo­gens­ni­veau dat inmid­dels ook wordt genoemd bij zeer grote AI-data­cen­ter­cam­pussen op aarde.

De busi­nes­scase hangt daarom niet alleen af van de vraag of Star­ship voldoende vracht kan meenemen. Ook het lanceer­tempo, de mate van herge­bruik, de productie van raketten, de beschik­baar­heid van brand­stof en het aantal lanceer­lo­ca­ties zijn bepa­lend.

Bain verwacht dat lich­tere hard­ware, effi­ci­ën­tere ener­gie­sys­temen en herbruik­bare lanceer­sys­temen de kosten per eenheid reken­ver­mogen tegen 2035 met maxi­maal 80 procent kunnen verlagen.

AI-hardware moet lichter worden

Een regu­lier GPU-rack kan niet zonder aanpas­singen in een satel­liet worden geplaatst. De hard­ware is zwaar, gebruikt veel elek­tri­ci­teit en produ­ceert grote hoeveel­heden warmte.

Voor orbi­tale data­cen­ters moeten nieuwe GPU-systemen volgens Bain onge­veer de helft minder wegen, terwijl zij tege­lij­ker­tijd meer reken­kracht moeten leveren. Ook de overige infra­struc­tuur moet lichter worden. Het gaat onder andere om zonne­pa­nelen, batte­rijen, beka­be­ling, construc­ties, commu­ni­ca­tie­sys­temen en radi­a­toren.

Voor AI kan dit een bredere tech­no­lo­gi­sche ontwik­ke­ling stimu­leren. De druk om meer reken­kracht uit minder gewicht en minder energie te halen, kan leiden tot effi­ci­ën­tere proces­sors, compac­tere systemen en nieuwe ontwerpen voor data­cen­ter­hard­ware.

Die inno­va­ties kunnen uitein­de­lijk ook op aarde bruik­baar zijn. De eisen van ruim­te­vaart dwingen leve­ran­ciers om kritisch te kijken naar iedere watt elek­tri­ci­teit, iedere kilo­gram mate­riaal en iedere vier­kante centi­meter hard­ware. Dat sluit aan bij een van de belang­rijkste uitda­gingen van AI-infra­struc­tuur: zoveel moge­lijk reken­kracht leveren met zo weinig moge­lijk energie en mate­riaal.

Koeling blijft een groot vraagstuk

Hoewel de ruimte koud lijkt, is het koelen van compu­ters in een vacuüm niet eenvoudig. Er is geen lucht die de warmte van proces­sors kan afvoeren. Ook conven­ti­o­nele lucht­koe­ling of verdam­pings­koe­ling is niet moge­lijk.

De warmte moet via radi­a­toren worden uitge­straald. Daar­voor zijn grote opper­vlakken nodig. Hoe krach­tiger de AI-chips worden, hoe meer warmte zij produ­ceren en hoe groter de koel­in­stal­latie moet zijn.

Dat bete­kent dat een orbi­taal data­center niet alleen uit servers en zonne­pa­nelen bestaat. Een belang­rijk deel van de constructie is nodig voor warm­te­af­voer. De massa van deze radi­a­toren verhoogt vervol­gens weer de lanceer­kosten.

Tege­lij­ker­tijd kunnen verbe­te­ringen in energie-effi­ci­ëntie de beno­digde koel­ca­pa­ci­teit vermin­deren. Chips die meer bere­ke­ningen per watt uitvoeren, leveren niet alleen lagere ener­gie­kosten op, maar beperken ook de hoeveel­heid warmte die moet worden afge­voerd.

Voor AI is dat belang­rijk. De pres­ta­ties van moderne acce­le­ra­tors nemen snel toe, maar ook hun stroom­ver­bruik stijgt. In data­cen­ters op aarde leidt dat tot een over­stap naar vloei­stof­koe­ling en andere geavan­ceerde ther­mi­sche oplos­singen. In de ruimte is verdere effi­ci­ëntie niet alleen wense­lijk, maar een voor­waarde voor econo­mi­sche haal­baar­heid.

Zonne-energie zonder netaansluiting

Een belang­rijk voor­deel van orbi­tale data­cen­ters is de beschik­baar­heid van zonne-energie. Afhan­ke­lijk van de gekozen baan kunnen zonne­pa­nelen gedu­rende lange peri­oden elek­tri­ci­teit produ­ceren zonder de onder­bre­kingen die op aarde door dag en nacht, bewol­king en seizoenen ontstaan.

Dat maakt ruim­te­ge­ba­seerde infra­struc­tuur aantrek­ke­lijk voor AI-systemen die voort­du­rend moeten draaien. Er is geen aanslui­ting op het open­bare elek­tri­ci­teitsnet nodig en er hoeft geen nieuwe hoog­span­nings­in­fra­struc­tuur te worden aange­legd.

Dit voor­deel wordt groter wanneer het bouwen van data­cen­ters op aarde moei­lijker wordt. Exploi­tanten moeten steeds vaker inves­teren in eigen ener­gie­op­wek­king, batte­rij­op­slag, netver­zwa­ring en lang­du­rige contracten met ener­gie­pro­du­centen.

Een orbi­taal data­center van 100 mega­watt zou volgens Bain momen­teel nog onge­veer 50 procent meer kosten per kilo­watt dan een verge­lijk­bare instal­latie op aarde. Na de lance­ring kunnen de energie- en opera­ti­o­nele kosten echter rela­tief laag uitvallen.

Wanneer de kosten van lance­ringen en satel­liet­sys­temen verder dalen, terwijl de kosten van aardse ener­gie­voor­zie­ningen blijven stijgen, kan het verschil in de loop van de jaren dertig kleiner worden. Voor bepaalde AI-toepas­singen zou een ruim­te­da­ta­center dan econo­misch aantrek­ke­lijk kunnen worden.

Rekenen waar de data ontstaat

Orbi­tale data­cen­ters kunnen boven­dien belang­rijk worden voor AI-toepas­singen die satel­liet­ge­ge­vens verwerken. Satel­lieten verza­melen grote hoeveel­heden infor­matie over het klimaat, land­bouw, scheep­vaart, infra­struc­tuur, weer­sys­temen en mili­taire acti­vi­teiten.

Op dit moment wordt veel van die ruwe data naar de aarde verzonden voordat analyse plaats­vindt. Dat kost band­breedte en kan vertra­ging veroor­zaken.

Wanneer krach­tige AI-systemen direct in de ruimte beschik­baar zijn, kan de eerste verwer­king al aan boord gebeuren. Een satel­liet hoeft dan niet ieder beeld volledig naar een grond­sta­tion te sturen, maar kan eerst bepalen welke infor­matie rele­vant is.

Een aard­ob­ser­va­tie­sys­teem kan bijvoor­beeld auto­ma­tisch bosbranden, over­stro­mingen, ille­gale scheep­vaart of veran­de­ringen in land­bouw­ge­bieden herkennen. Alleen de belang­rijkste beelden en resul­taten worden vervol­gens door­ge­stuurd.

Orbi­tale data­cen­ters kunnen daarmee een vorm van edge­com­pu­ting in de ruimte moge­lijk maken. De data wordt verwerkt op of dicht bij de plaats waar zij wordt verza­meld. Dat vermin­dert de commu­ni­ca­tie­be­hoefte en maakt snel­lere reac­ties moge­lijk.

Geen vervanging van aardse datacenters

Data­cen­ters in de ruimte zullen bestaande faci­li­teiten op aarde voor­lopig niet vervangen. De tech­ni­sche risico’s zijn groot en onder­houd blijft inge­wik­keld.

In een tradi­ti­o­neel data­center kunnen defecte servers worden vervangen en nieuwe gene­ra­ties AI-chips worden geïn­stal­leerd. Bij satel­lieten is dat veel moei­lijker. Hard­ware moet jaren­lang betrouw­baar blijven func­ti­o­neren, terwijl AI-proces­sors juist snel verou­deren.

Ook stra­ling vormt een probleem. Elek­tro­ni­sche compo­nenten in de ruimte worden bloot­ge­steld aan omstan­dig­heden waar­voor regu­liere data­cen­ter­hard­ware niet is ontworpen. Bescher­ming tegen stra­ling voegt opnieuw gewicht en kosten toe.

Daar­naast moeten exploi­tanten reke­ning houden met ruim­te­puin, botsings­ge­vaar en het gecon­tro­leerd verwij­deren van satel­lieten aan het einde van hun levens­duur. Groot­scha­lige data­cen­ter­con­stel­la­ties kunnen uit honderden of duizenden systemen bestaan en stellen daar­door hoge eisen aan ruim­te­ver­keers­be­heer.

Orbi­tale data­cen­ters zullen daarom waar­schijn­lijk beginnen als gespe­ci­a­li­seerde infra­struc­tuur voor speci­fieke workloads. AI-infe­rentie, verwer­king van satel­liet­beelden, weten­schap­pe­lijke bere­ke­ningen en commu­ni­catie liggen meer voor de hand dan het volledig verplaatsen van hypers­cale cloud­plat­forms.

Strategische rekenkracht

Voor AI kan ruim­te­ge­ba­seerde infra­struc­tuur ook stra­te­gi­sche bete­kenis krijgen. Reken­ca­pa­ci­teit wordt steeds meer gezien als een kritieke hulp­bron. Landen en bedrijven inves­teren daarom in eigen AI-chips, nati­o­nale super­com­pu­ters en soeve­reine cloudom­ge­vingen.

Data­cen­ters in de ruimte voegen daar een nieuwe dimensie aan toe. Zij zijn niet gebonden aan lokale elek­tri­ci­teits­netten en kunnen in theorie boven meer­dere regio’s dien­sten leveren.

Tege­lij­ker­tijd roept dit vragen op over eigendom, toezicht, veilig­heid en regel­ge­ving. Wie contro­leert de hard­ware? Welke wetge­ving geldt voor de gege­vens? Hoe worden satel­liet­ver­bin­dingen beschermd tegen aanvallen of versto­ringen? En welke landen krijgen toegang tot de beschik­bare reken­kracht?

Orbi­tale AI-infra­struc­tuur is daar­door niet alleen een tech­ni­sche of econo­mi­sche ontwik­ke­ling. Zij kan ook onder­deel worden van geopo­li­tieke concur­rentie rond chips, energie, satel­liet­net­werken en digi­tale auto­nomie.

Meerdere ontwikkelingen moeten samenkomen

Data­cen­ters in de ruimte worden niet haal­baar door één enkele tech­no­lo­gi­sche door­braak. Verschil­lende ontwik­ke­lingen moeten tege­lij­ker­tijd plaats­vinden.

Raketten moeten meer vracht vervoeren en goed­koper worden. AI-hard­ware moet lichter en ener­gie­zui­niger worden. Zonne­pa­nelen en radi­a­toren moeten effi­ci­ënter worden. Commu­ni­ca­tie­ver­bin­dingen tussen satel­lieten en de aarde moeten sneller en betrouw­baarder worden.

Tege­lij­ker­tijd moeten de beper­kingen op aarde zwaar genoeg wegen om de extra complexi­teit van ruimte-infra­struc­tuur te recht­vaar­digen.

De busi­nes­scase ontstaat daarmee uit twee tegen­ge­stelde trends. Aan de ene kant wordt het steeds moei­lijker om op aarde voldoende energie, grond en vergun­ningen voor nieuwe AI-data­cen­ters te vinden. Aan de andere kant wordt het lang­zaam goed­koper en tech­nisch beter moge­lijk om infra­struc­tuur in de ruimte te bouwen.

Het moment waarop deze lijnen elkaar kruisen, is nog niet bereikt. Maar het idee is inmid­dels veel minder futu­ris­tisch dan enkele jaren geleden.

Dat is voor de AI-sector belang­rijk. De verdere ontwik­ke­ling van kunst­ma­tige intel­li­gentie hangt niet alleen af van betere algo­ritmen en krach­ti­gere chips. Er is ook voldoende fysieke infra­struc­tuur nodig om die tech­no­logie te laten draaien.

Wanneer elek­tri­ci­teits­netten, loca­ties en vergun­ningen de groei van data­cen­ters beperken, moeten aanbie­ders op zoek naar alter­na­tieven. Orbi­tale data­cen­ters kunnen op termijn zo’n alter­na­tief worden: niet als vervan­ging van de infra­struc­tuur op aarde, maar als een nieuwe laag waarmee extra AI-reken­kracht beschik­baar komt.

De centrale vraag is daar­door niet langer alleen of data­cen­ters in de ruimte tech­nisch moge­lijk zijn. Steeds rele­vanter wordt voor welke AI-toepas­singen ze als eerste bruik­baar zijn, hoe snel de kosten dalen en welke partijen de beno­digde lanceer- en satel­liet­in­fra­struc­tuur kunnen reali­seren.