26 maart 2026
Een business case voor een on-premise GPU-server bouw je door de totale kosten (hardware, energie, beheer) af te wegen tegen de verwachte opbrengsten: snellere AI-workloads, lagere cloudkosten en meer controle over je data. Je berekent de terugverdientijd, vergelijkt die met cloudalternatieven en presenteert het geheel met concrete technische specificaties en een helder verhaal richting management en inkoop.
Steeds meer organisaties verkennen de mogelijkheden van AI, machine learning en GPU-acceleratie. Maar een on-premise AI-server is een serieuze investering, en interne goedkeuring krijgen vraagt meer dan een enthousiast verhaal. Je hebt een solide business case nodig. In dit artikel leggen we stap voor stap uit hoe je die opbouwt, van kostenanalyse tot het overtuigen van de beslissers aan tafel.
Een business case voor een GPU-server is een gestructureerd document dat de kosten, baten en risico’s van de aanschaf in kaart brengt. Het geeft management en inkoop de informatie die ze nodig hebben om een weloverwogen beslissing te nemen over een investering in on-premise GPU-infrastructuur.
Zonder een goede business case loop je het risico dat je aanvraag wordt afgewezen, uitgesteld of teruggestuurd met een stapel vragen die je niet had verwacht. Een sterk onderbouwd document laat zien dat je de investering serieus hebt doordacht: je kent de kosten, je begrijpt de alternatieven en je weet wat de organisatie ermee wint. Dat schept vertrouwen, ook bij mensen die minder technisch zijn.
Bovendien dwingt het schrijven van een business case je om scherp te zijn. Heb je echt een GPU-server nodig, of volstaat een cloudoplossing voor nu? Welke workloads ga je draaien? Hoe groot moet de server zijn? Die vragen beantwoord je niet voor een ander, maar voor jezelf.
In een GPU-server business case neem je alle directe en indirecte kosten mee over de volledige levensduur van het systeem. Dat zijn aanschafkosten, energie, beheer, ruimte in het datacenter en eventuele uitbreidingen. Vergeet ook de kosten van de huidige situatie niet: wat betaal je nu aan de cloud of aan externe rekenkracht?
De hardwarekosten vormen het meest zichtbare deel van de investering. Denk aan de server zelf, de GPU-kaarten, opslag, netwerkapparatuur en eventuele rack-infrastructuur. Houd er rekening mee dat de markt voor GPU-hardware de afgelopen jaren sterk in beweging is. Door schaarste en grote inkopers die hele productielijnen opkopen, kunnen prijzen snel veranderen. Bouw daarom een marge in je kostenraming in.
Naast de aanschaf heb je doorlopende kosten. Energieverbruik is bij GPU-servers aanzienlijk: krachtige GPU’s trekken veel stroom, en koeling kost extra. Tel daarbij op de kosten voor systeembeheer, garantiecontracten en eventuele softwarelicenties. Vergeet ook de ruimtekosten niet als je colocatie gebruikt. Dit zijn posten die in een business case vaak worden onderschat, maar die op jaarbasis flink kunnen oplopen.
De ROI van een on-premise GPU-server bereken je door de totale kosten over de afschrijvingsperiode (doorgaans drie tot vijf jaar) af te zetten tegen de gecombineerde besparingen en opbrengsten: lagere cloudkosten, hogere verwerkingssnelheid, kortere doorlooptijden en de waarde van meer controle over data.
Begin met de cloudkosten die je nu maakt voor vergelijkbare workloads. GPU-rekenkracht in de cloud is duur, zeker voor intensief en continu gebruik. Als je die kosten op maandbasis optelt en vergelijkt met de afschrijving van een eigen server, zie je vaak binnen één tot drie jaar een omslagpunt. Dat punt heet de terugverdientijd, en dat is een van de krachtigste argumenten in je business case.
Naast directe besparingen zijn er ook indirecte opbrengsten. Denk aan snellere modellen die betere beslissingen mogelijk maken, kortere time-to-insight voor je datateam, of de mogelijkheid om meer experimenten parallel te draaien. Die voordelen zijn moeilijker in euro’s uit te drukken, maar ze zijn wel degelijk relevant voor de totale afweging.
On-premise is voordeliger dan cloud-GPU bij structureel hoog en voorspelbaar gebruik. Cloud-GPU is voordeliger bij incidenteel gebruik, wisselende workloads of wanneer je nog aan het experimenteren bent. De keuze hangt af van gebruiksfrequentie, dataprivacy-eisen en de horizon van je AI-strategie.
Cloud heeft duidelijke voordelen: je betaalt alleen voor wat je gebruikt, je hebt geen beheerverantwoordelijkheid en je kunt snel op- en afschalen. Maar bij intensief en continu gebruik slaat de balans snel om. Cloud-GPU’s zijn per uur geprijsd, en die uurtarieven tellen snel op als je modellen dag en nacht draaien. Bovendien stijgen de cloudtarieven voor GPU-capaciteit mee met de marktschaarste.
On-premise geeft je ook meer controle over je data. Voor organisaties in de zorg, het onderwijs, defensie of financiële dienstverlening is dat niet alleen een voorkeur, maar soms een wettelijke vereiste. Data die de organisatie niet verlaat, valt buiten de scope van cloudproviders en hun verwerkingslocaties. Dat is een argument dat in een business case veel gewicht heeft bij compliancebewuste beslissers.
Voor een business case zijn de technische specificaties relevant die direct invloed hebben op prestaties, schaalbaarheid en kosten: het type en aantal GPU’s, geheugenbandbreedte, CPU-configuratie, opslagcapaciteit en netwerkkoppelingen. Deze bepalen of de server aansluit bij de workloads die je wilt draaien.
Niet elke GPU is geschikt voor elke taak. AI-training vraagt om andere specificaties dan inferentie of visualisatie. Het geheugen per GPU (VRAM) bepaalt welke modelgroottes je kunt draaien zonder ze te hoeven splitsen over meerdere kaarten. Voor grote taalmodellen of complexe beeldverwerking is dit een kritische factor.
In je business case neem je ook mee hoe het systeem meegroeit met je behoeften. Kan het platform meer GPU’s aan? Ondersteunt het moederbord toekomstige generaties? Dit zijn vragen die de levensduur van de investering bepalen. Een server die over twee jaar al aan zijn limieten zit, verlengt je terugverdientijd aanzienlijk.
Je overtuigt management en inkoop door de business case te vertalen naar hun taal: kosten, risico’s en strategische waarde. Technische details zijn ondersteunend, maar de kern van je verhaal gaat over terugverdientijd, operationele voordelen en wat er gebeurt als je niet investeert.
Zorg dat je business case aansluit bij de prioriteiten van de beslissers. Een CFO wil weten wanneer de investering is terugverdiend. Een CTO wil weten of het systeem schaalbaar en toekomstbestendig is. Een compliance-officer wil weten hoe dataopslag en beveiliging zijn geregeld. Schrijf niet één verhaal, maar pas je toelichting aan op wie er aan tafel zit.
Gebruik concrete vergelijkingen. Laat zien wat de organisatie nu betaalt aan de cloud of aan externe rekenkracht, en wat dat over drie jaar kost als de vraag groeit. Zet daar de kosten van een eigen server tegenover. Die visuele vergelijking, desnoods in een eenvoudige tabel, maakt abstracte bedragen tastbaar en de keuze inzichtelijk.
De meest gemaakte fouten in een GPU-server business case zijn: een te lage inschatting van energiekosten, geen rekening houden met beheerlasten, het onderschatten van toekomstige schaalbehoeften en het weglaten van een vergelijking met cloudalternatieven. Daardoor lijkt de investering aantrekkelijker dan ze is, of juist duurder dan nodig.
Een andere veelgemaakte fout is de business case te technisch maken. Management en inkoop haken af als ze worden overspoeld met specificaties zonder context. Zorg altijd voor een samenvatting aan het begin die de kern in drie zinnen samenvat: wat kost het, wat levert het op en wanneer is het terugverdiend?
Tot slot: veel business cases vergeten de status quo te becijferen. Wat kost het als je niets doet? Als je AI-workloads groeien en je bij de cloud blijft, stijgen de kosten mee. Die toekomstige cloudkosten zijn een argument voor de investering, maar ze worden zelden meegenomen. Wie ze wél meeneemt, heeft een sterk en onderscheidend verhaal.
Bij NCS International helpen wij organisaties al 38 jaar bij het kiezen en configureren van de juiste serverinfrastructuur. Als grootste en oudste Supermicro-distributeur van Nederland leveren wij volledig op maat geconfigureerde on-premise AI-servers, inclusief de nieuwste Nvidia GPU-generaties, vaak ruim voordat andere merken die beschikbaar hebben. Of je nu een business case wilt onderbouwen met concrete specificaties en prijsindicaties, of gewoon wilt weten welke configuratie bij jouw workloads past: wij denken graag met je mee, zonder verkooppraatje.
Dit verschilt sterk per organisatie, maar reken gemiddeld op vier tot twaalf weken van eerste indiening tot definitieve goedkeuring. Grotere organisaties met meerdere goedkeuringslagen doen er langer over. Je kunt het proces versnellen door de business case al vroeg af te stemmen met de belangrijkste beslissers, zodat je hun specifieke vragen en bezwaren al verwerkt vóór de formele indiening.
Voor een serieuze AI-server met één of meerdere professionele GPU's moet je al snel rekenen op een investering tussen de €20.000 en €100.000 of meer, afhankelijk van het aantal en type GPU's, opslagcapaciteit en netwerkvereisten. Houd in je raming ook rekening met een post van 10–20% voor onvoorziene kosten zoals extra bekabeling, rack-aanpassingen of licenties die later toch nodig blijken.
Een eenvoudige TCO-berekening (Total Cost of Ownership) in een spreadsheet is vaak al voldoende voor een overtuigende vergelijking. Je zet daarin de maandelijkse cloudkosten voor vergelijkbare GPU-capaciteit af tegen de afgeschreven aanschafkosten plus energie- en beheerkosten per maand. Cloudproviders zoals AWS en Google Cloud bieden ook eigen TCO-calculators aan die je kunt gebruiken als uitgangspunt, al zijn die uiteraard gericht op hun eigen aanbod.
Dit is een veelgehoord bezwaar, maar het is goed te weerleggen met de juiste aanpak. Kies voor een platform met een hoge schaalbaarheid, zodat je GPU-kaarten later kunt vervangen of uitbreiden zonder de volledige server te hoeven afschrijven. Een afschrijvingstermijn van drie tot vijf jaar is realistisch en sluit goed aan bij de generatiewissels in GPU-hardware; door dit expliciet in je business case te benoemen, laat je zien dat je het risico van veroudering al hebt meegewogen.
Absoluut, en dit is een van de meest onderschatte kostenposten. Als je organisatie nog geen ervaring heeft met GPU-infrastructuur, moet je rekening houden met inwerktijd, eventuele training of de inhuur van een externe beheerder. Schat in hoeveel uur per week er aan beheer besteed wordt en reken dit door in je TCO; zelfs een paar uur per week tegen een intern uurtarief telt op jaarbasis flink op.
Ja, een hybride model is zeker het overwegen waard en kan voor sommige organisaties de beste balans bieden. Je draait structurele, privacygevoelige of intensieve workloads on-premise, terwijl je de cloud gebruikt voor piekbelasting of experimentele taken. Door dit scenario ook in je business case op te nemen, laat je zien dat je flexibel denkt en de organisatie niet vastpint op één aanpak.
Benoem expliciet welke wet- en regelgeving van toepassing is op de data die je verwerkt, zoals de AVG, NEN 7510 voor de zorg of sectorspecifieke richtlijnen, en laat zien hoe on-premise opslag daaraan voldoet. Beschrijf ook welke beveiligingsmaatregelen je treft, zoals encryptie, toegangsbeheer en fysieke beveiliging van de serverruimte. Dit geeft compliance-officers en juristen binnen de organisatie direct de informatie die ze nodig hebben om akkoord te gaan.
Den Sliem 89
7141 JG Groenlo
The Netherlands
+31 544 470 000
info@ncs.nl