AI & Duurzaamheid: vriend of vijand van het klimaat?

Je leest dat een enkele ChatGPT-vraag zo'n tien keer meer energie kost dan een Google-zoekopdracht. Je fronst. Tien keer? Je denkt aan alle keren dat je ChatGPT hebt gebruikt deze week. De emails die je liet herschrijven. De brainstorm over je marketingstrategie. Die keer dat je om twee uur 's nachts vroeg waarom je kat op je toetsenbord slaapt.

En dan lees je het volgende: datacenters — de gebouwen vol servers waar AI op draait — verbruiken inmiddels meer elektriciteit dan sommige landen. Het Internationaal Energieagentschap waarschuwt dat het energieverbruik van datacenters tegen 2026 kan verdubbelen.

Je slikt even. Want je dacht dat je met die AI-tools vooral slim bezig was. Niet dat je stiekem bijdroeg aan een energiecrisis.

Maar wacht. Scroll even door. Want dezelfde week lees je dat Google DeepMind met AI het energieverbruik van hun eigen datacenters met 30 procent heeft verlaagd. Dat AI wordt ingezet om windparken efficienter te maken. Dat AI-modellen nieuwe materialen ontdekken die zonnepanelen goedkoper kunnen maken.

En dan zit je daar met twee verhalen die allebei waar zijn. AI als klimaatramp en AI als klimaatredder. Hoe kan dat allebei tegelijk?

Dat is precies de vraag die ik wil beantwoorden. Want zoals ik in mijn eerste artikel over AI al schreef: AI is een gereedschap. En de impact van een gereedschap hangt af van hoe je het gebruikt. Dat geldt ook — misschien wel vooral — voor duurzaamheid.

De energievreter: wat AI het klimaat kost

Laten we beginnen bij de ongemakkelijke kant. Want die is echt, en het heeft geen zin om die weg te poetsen.

Het energieverbruik van datacenters

Elk AI-model draait op servers. Die servers staan in datacenters. En die datacenters vreten stroom.

Het Internationaal Energieagentschap (IEA) schatte in hun World Energy Outlook 2024 dat datacenters wereldwijd zo'n 460 terawattuur (TWh) elektriciteit verbruikten in 2024. Dat is meer dan het totale elektriciteitsverbruik van Frankrijk. En dat cijfer stijgt snel. De IEA voorspelt dat het tegen 2026 naar meer dan 800 TWh kan groeien, mede door de explosieve groei van AI.

Om dat in perspectief te plaatsen: een enkele Google-zoekopdracht kost ongeveer 0,3 wattuur. Een ChatGPT-vraag kost naar schatting zo'n 3 wattuur — tien keer zoveel. En dat is voor een simpele tekstvraag. Complexe taken — een lang document analyseren, code genereren, of een afbeelding maken — kosten aanzienlijk meer.

Natuurlijk: elke individuele vraag is verwaarloosbaar. Maar vermenigvuldig dat met honderden miljoenen gebruikers die dagelijks tientallen vragen stellen, en de cijfers worden serieus.

Het waterverbruik

En het gaat niet alleen om stroom. Datacenters produceren warmte. Veel warmte. Om die servers koel te houden, worden enorme hoeveelheden water gebruikt. Microsoft rapporteerde dat hun waterverbruik in 2023 met 34 procent steeg ten opzichte van het jaar ervoor, grotendeels door AI-workloads. Google rapporteerde een stijging van 20 procent.

We praten over miljarden liters water per jaar. In een wereld waar waterschaarste in steeds meer regio's een probleem wordt, is dat geen triviale kwestie. Sommige datacenters staan in woestijngebieden — denk aan Arizona of het Midden-Oosten — waar water al schaars is. De ironie van een techbedrijf dat in een droogteregio miljoenen liters water verbruikt om een AI-model te laten draaien dat je helpt een recept te vinden, zou komisch zijn als het niet zo serieus was.

De CO2-voetafdruk van training

Het trainen van een groot AI-model is een energetisch monster. Het trainen van GPT-3 — het model uit 2020, niet eens de nieuwste versie — kostte naar schatting evenveel energie als het jaarlijkse verbruik van ruim 120 Amerikaanse huishoudens. Voor GPT-4 zijn de exacte cijfers niet gepubliceerd, maar experts schatten dat het vele malen meer was.

En hier zit een dynamiek die zorgwekkend is: de modellen worden steeds groter. Meer parameters, meer trainingsdata, meer rekenkracht nodig. De wapenwedloop tussen OpenAI, Google, Anthropic en Meta drijft het energieverbruik omhoog. Elk bedrijf wil het beste model, en het beste model vereist de meeste rekenkracht.

De CO2-uitstoot van die training hangt af van de energiebron. Een datacenter dat draait op groene stroom heeft een veel kleinere CO2-voetafdruk dan een datacenter dat draait op kolen of gas. Maar de realiteit is dat veel datacenters nog steeds deels op fossiele brandstoffen draaien. Google en Microsoft hebben ambitieuze klimaatdoelen, maar beide bedrijven zagen hun CO2-uitstoot in 2023 stijgen, niet dalen. Grotendeels door AI.

De e-waste berg

En dan is er nog het hardwareprobleem. AI draait op gespecialiseerde chips — GPU's van NVIDIA, TPU's van Google. Deze chips hebben een beperkte levensduur. Ze worden vervangen door nieuwere, krachtigere versies. De oude chips worden e-waste. En de productie van nieuwe chips vereist zeldzame aardmetalen, water, energie, en chemicalien.

De hele keten — van mijn in Congo tot datacenter in Iowa tot afvalberg in Ghana — is onderdeel van de ecologische voetafdruk van AI. En het is een keten die zelden besproken wordt als het over AI en duurzaamheid gaat.

De klimaathelper: wat AI het klimaat kan opleveren

Maar nu het andere verhaal. Want AI is niet alleen een energievreter. Het is ook een van de krachtigste tools die we hebben om klimaatverandering aan te pakken.

Energieoptimalisatie

Het meest directe voorbeeld: AI kan energie besparen. Google DeepMind ontwikkelde een AI-systeem dat het koelsysteem van Google's datacenters optimaliseerde. Het resultaat: 30 procent minder energieverbruik voor koeling. Dat zijn honderden miljoenen kilowattuur per jaar, alleen al bij Google.

Hetzelfde principe werkt op grotere schaal. AI kan elektriciteitsnetwerken optimaliseren door vraag en aanbod beter op elkaar af te stemmen. Als er veel wind is, kan AI voorspellen wanneer de piek komt en het netwerk daarop aanpassen. Als de vraag naar stroom daalt, kan AI de productie terugschroeven. Dit soort optimalisatie is te complex voor menselijke operators, maar ideaal voor AI.

In Nederland wordt AI al ingezet door netbeheerders om het steeds complexer wordende energienet te beheren. Met meer zonnepanelen op daken, meer elektrische auto's, en meer warmtepompen wordt het netwerk lastiger te besturen. AI helpt om die complexiteit te managen.

Materiaalontwikkeling

AI versnelt de ontdekking van nieuwe materialen. Google DeepMind's GNoME-project ontdekte in 2023 meer dan 380.000 nieuwe stabiele materialen — een aantal waar menselijke onderzoekers decennia over hadden gedaan. Sommige van die materialen kunnen leiden tot betere batterijen, efficientere zonnecellen, of duurzamere bouwmaterialen.

Dit is een gebied waar AI een multiplicator-effect heeft. Een doorbraak in batterij-technologie kan de overstap naar elektrisch rijden versnellen. Een doorbraak in zonneceltechnologie kan zonne-energie goedkoper maken dan fossiele brandstoffen in regio's waar dat nu nog niet het geval is. En AI verkort de weg naar die doorbraken van jaren naar maanden.

Klimaatmodellering

Om klimaatverandering te bestrijden, moet je het begrijpen. En om het te begrijpen, heb je modellen nodig die het klimaat simuleren. Traditionele klimaatmodellen zijn ongelooflijk complex en vereisen enorme rekenkracht. AI kan die modellen verbeteren en versnellen.

AI-modellen kunnen weerspatronen voorspellen met ongekende nauwkeurigheid, wat helpt bij het plannen van hernieuwbare energieproductie. Ze kunnen satellietbeelden analyseren om ontbossing in real-time te detecteren. Ze kunnen oceaanstromingen modelleren om beter te begrijpen hoe het klimaat verandert.

Landbouwoptimalisatie

De landbouw is verantwoordelijk voor een significant deel van de wereldwijde broeikasgasemissies. AI kan helpen om de landbouw efficienter en duurzamer te maken. Precisielandbouw — waarbij AI bepaalt waar precies hoeveel water, meststof, en bestrijdingsmiddelen nodig zijn — kan het gebruik van deze middelen met 20 tot 30 procent verminderen.

AI kan ook voedselverspilling terugdringen door supply chains te optimaliseren, vraag beter te voorspellen, en oogstmomenten te bepalen. Naar schatting wordt een derde van al het geproduceerde voedsel verspild. AI kan dat percentage significant verlagen.

Gebouwbeheer

Gebouwen zijn verantwoordelijk voor zo'n 40 procent van het totale energieverbruik in Europa. AI-gestuurde gebouwbeheersystemen kunnen verwarming, koeling, ventilatie, en verlichting optimaliseren op basis van bezetting, weer, energieprijzen, en gebruikersgedrag. Besparingen van 15 tot 30 procent zijn realistisch en bewezen.

DeepSeek: het bewijs dat het anders kan

En dan is er DeepSeek. In januari 2025 lanceerde het Chinese AI-lab DeepSeek hun R1-model, en het was een schok voor de hele AI-industrie. Niet vanwege wat het model kon — hoewel dat indrukwekkend was — maar vanwege hoe het gebouwd was.

DeepSeek R1 presteert op veel benchmarks vergelijkbaar met modellen van OpenAI en Anthropic. Maar het is getraind met een fractie van de rekenkracht. Waar westerse AI-bedrijven miljarden investeren in steeds meer GPU's en steeds grotere clusters, bewees DeepSeek dat je met slimme architectuur en efficiente trainingsmethodes vergelijkbare resultaten kunt bereiken met veel minder middelen.

Dit is belangrijk voor het duurzaamheidsverhaal. Want het laat zien dat de huidige trend van "groter is beter" niet de enige weg is. Er is een alternatief pad: slimmer in plaats van groter. Efficienter in plaats van krachtiger. Minder brute kracht, meer elegantie.

DeepSeek is het bewijs dat de AI-industrie niet per definitie steeds meer energie hoeft te verbruiken. Het is een keuze. En het is een keuze die bedrijven kunnen maken als ze dat willen — of als regelgeving en consumentendruk ze daartoe dwingt.

De paradox van efficientie

Maar hier zit een addertje onder het gras. In de economie kennen we het Jevons-paradox: wanneer een technologie efficienter wordt, daalt het gebruik niet — het stijgt. Omdat de technologie goedkoper en toegankelijker wordt, gaan meer mensen het gebruiken.

Stel dat DeepSeek-achtige efficientie de norm wordt. AI-modellen kosten dan een tiende van de huidige energie. Fantastisch? Ja. Maar als daardoor tien keer meer mensen AI gaan gebruiken voor tien keer meer taken, is het netto energieverbruik hetzelfde of hoger.

Dit is geen argument tegen efficientie. Het is een argument voor bewust beleid. Efficientie alleen lost het probleem niet op. Je hebt ook nodig dat de energie die overblijft groen is. En dat er grenzen zijn aan de groei.

Wat bedrijven doen (en de hypocrisie die ik erin zie)

De grote AI-bedrijven hebben allemaal duurzaamheidsbeloftes gedaan. Google wil in 2030 volledig op schone energie draaien. Microsoft wil in 2030 CO2-negatief zijn. Meta investeert in hernieuwbare energie.

Laat me daar eerlijk over zijn: ik vind dit grotendeels hypocrisie. Dezelfde bedrijven die "duurzaamheid" op elke slide van hun presentatie zetten, zijn de bedrijven die modellen trainen die evenveel stroom verbruiken als een klein land. Ze kopen carbon credits om hun geweten te sussen terwijl de werkelijke uitstoot stijgt. Zowel Google als Microsoft zagen hun uitstoot stijgen in 2023. Niet dalen. Stijgen.

Het is alsof je een SUV-fabriek runt en dan een boom plant in de lobby. Het ziet er goed uit op de foto, maar het verandert niets aan de fundamentele realiteit.

Wat er wel moet gebeuren:

Transparantie. AI-bedrijven moeten eerlijk rapporteren over het energieverbruik en de CO2-uitstoot van hun modellen. Niet in vage termen ("we streven naar duurzaamheid") maar in harde cijfers. Hoeveel kilowattuur kostte het trainen van dit model? Hoeveel CO2? Hoeveel water? Als consument heb je recht op die informatie. Het feit dat we het moeten schattenis al een probleem op zich.

Groene stroom. Datacenters moeten draaien op hernieuwbare energie. Niet "gecompenseerd" met carbon credits, maar daadwerkelijk gevoed door wind, zon, of water. Sommige bedrijven investeren in nucleaire energie als stabiele, CO2-vrije bron. Dat is een debat op zich, maar het toont de urgentie.

Efficientie als prioriteit. DeepSeek liet zien dat het kan. De AI-industrie moet efficientie even belangrijk maken als prestatie. Niet elk model hoeft groter te zijn dan het vorige. Soms is een kleiner, sneller, zuiniger model de betere keuze. Ik kies in mijn eigen werk bewust voor het lichtste model dat de klus kan klaren — niet het krachtigste.

Circulaire hardware. De levensduur van AI-chips verlengen, recycling verbeteren, en de mijnbouw van zeldzame aardmetalen verduurzamen. Dit is een onderbelicht maar cruciaal onderdeel van de puzzel.

Wat jij kunt doen

"Maar ik ben maar een gebruiker," denk je misschien. "Wat kan ik doen aan het energieverbruik van OpenAI's datacenters?"

Meer dan je denkt.

Gebruik AI bewust

Niet elke vraag hoeft naar ChatGPT. Als je wilt weten hoe laat de Albert Heijn open is, gebruik dan Google. Dat kost een fractie van de energie. Bewaar AI voor taken waar het echt waarde toevoegt: complexe analyses, creatief werk, samenvattingen van lange documenten.

Dit is geen pleidooi om AI niet te gebruiken. Het is een pleidooi om het bewust te gebruiken. Net als dat je het licht uitdoet als je een kamer verlaat — niet omdat die ene lamp het klimaat redt, maar omdat bewust gedrag opgeteld een verschil maakt. Ik betrap mezelf er ook op. Soms open ik ChatGPT voor iets dat ik net zo goed zelf kan opzoeken. Die bewustwording — even pauzeren en je afvragen of AI hier echt nodig is — is de eerste stap.

Kies voor efficiente modellen

Niet elke taak vereist het krachtigste model. Voor een simpele samenvatting heb je geen GPT-4 nodig — een kleiner, efficienter model doet het prima. Veel AI-tools bieden verschillende modellen aan. Kies het lichtste model dat je taak aankan.

Stel vragen aan bedrijven

Als je een zakelijk AI-abonnement afsluit, vraag dan naar het duurzaamheidsbeleid van de aanbieder. Waar staan hun datacenters? Welke energiebronnen gebruiken ze? Wat is hun CO2-voetafdruk? Consumentendruk werkt. Bedrijven die merken dat klanten om duurzaamheid geven, gaan er sneller in investeren.

Stem met je portemonnee

Er komen steeds meer AI-aanbieders die duurzaamheid als kernwaarde hebben. Kies voor die aanbieders als de kwaliteit vergelijkbaar is. En als het iets meer kost — bedenk dan dat goedkoop op korte termijn duur kan zijn op lange termijn.

De conclusie: het hangt af van ons

AI en duurzaamheid is geen simpel verhaal van goed of fout, vriend of vijand. Het is allebei tegelijk, en dat is precies wat het zo complex en zo belangrijk maakt.

Aan de ene kant is AI een energieslurper van formaat. Datacenters groeien, het waterverbruik stijgt, en de CO2-beloftes van techbedrijven botsen met de realiteit van steeds grotere modellen.

Aan de andere kant is AI een van de krachtigste gereedschappen die we hebben om klimaatverandering aan te pakken. Van energieoptimalisatie tot materiaalontwikkeling, van precisielandbouw tot klimaatmodellering — de potentiele impact is enorm.

DeepSeek bewees dat AI efficienter kan. Dat het niet per se een kwestie is van steeds meer rekenkracht, maar van slimmer omgaan met de rekenkracht die je hebt. Dat is hoopgevend.

Maar hoop alleen is niet genoeg. Het vereist keuzes. Van de AI-bedrijven die moeten investeren in groene energie en efficientie — en die moeten stoppen met greenwashing. Van overheden die regulering moeten instellen — de EU AI Act waar ik eerder over schreef is een begin, maar zegt te weinig over duurzaamheid. En van ons als gebruikers, die bewust moeten omgaan met de tools die we gebruiken.

De vraag "is AI goed of slecht voor het klimaat?" heeft geen eenduidig antwoord. Het betere antwoord is: dat hangt af van wat we ermee doen. En wat we eisen van de bedrijven die het bouwen.

AI is een spiegel. Het reflecteert onze prioriteiten. Als we prioriteit geven aan snelheid en gemak boven alles, dan wordt AI een klimaatprobleem. Als we prioriteit geven aan efficientie, duurzaamheid, en verantwoord gebruik, dan wordt AI een klimaatoplossing.

De technologie is er. De keuze is aan ons.