Datacenters verwarmen de planeet – kan AI helpen?

9 mei 2025

Microsoft en Google begonnen respec­tie­ve­lijk in 2009 en 2010 met het publi­ceren van duur­zaam­heids­rap­porten. Amazon was trager en begon pas in 2020 met het vrijgeven van uitstoot­ge­ge­vens, onder druk van werk­ne­mers, aandeel­hou­ders en het brede publiek. Toch kan de werke­lijke uitstoot van data­cen­ters tot wel zeven keer hoger liggen dan wat officieel wordt gerapporteerd.

In deze openbare rappor­tages gaan belang­rijke nuances verloren, doordat hypers­ca­lers hun daad­wer­ke­lijke uitstoot compen­seren met instru­menten zoals certi­fi­caten voor hernieuw­bare energie (RECs). Hun CO2-boek­hou­ding mist ook de benodigde detail­le­ring. In plaats van hun uitstoot op het niveau van de cloud­di­visie of afzon­der­lijke data­cen­ters te rappor­teren, worden de gegevens samen­ge­voegd tot algemene bedrijfs­brede cijfers. Hierdoor vervagen de milieu-impact van hun cloud­dien­sten en andere bedrijfs­ac­ti­vi­teiten, zoals Amazon’s retailac­ti­vi­teiten of Google’s adver­ten­tie­plat­form. Het resultaat: de echte ecolo­gi­sche voet­af­druk van cloud­in­fra­struc­tuur blijft vaag en ondoorzichtig.

De verborgen CO2-geheimen van hyperscalers

De ondoor­zich­tige prak­tijken van hypers­ca­lers, gecom­bi­neerd met hun terug­hou­dend­heid om Scope 3‑uitstoot (uit de toele­ve­rings­keten) te onthullen, helpen hun klanten niet – klanten die juist onder druk staan om hun eigen mili­eu­be­las­ting te rapporteren.

Ondanks ambi­ti­euze duur­zaam­heids­be­loften en net-zero doel­stel­lingen, rappor­teerden Microsoft en Google respec­tie­ve­lijk een stijging van 30% en 48% in hun uitstoot, voor­na­me­lijk te wijten aan hun energie-inten­sieve AI-acti­vi­teiten. Amazon daar­en­tegen rappor­teerde een lichte daling, hoewel deze marginaal is ten opzichte van hun totale uitstoot. Zelfs deze lichte afname kan eerder worden toege­schreven aan creatieve boek­houd­me­thoden dan aan echte duurzaamheidsresultaten.

De elek­tri­ci­teits­vraag van data­cen­ters zal naar verwach­ting oplopen tot 945 tera­wattuur in 2030 – meer dan een verdub­be­ling van het huidige verbruik en zelfs meer dan het jaar­lijkse elek­tri­ci­teits­ver­bruik van Japan. Ondoor­zich­tige rappor­ta­ge­prak­tijken en het niet willen vrijgeven van Scope 3‑uitstoot helpen klanten niet, zeker niet nu bedrijven zelf steeds meer verplicht worden om trans­pa­rant te zijn over hun milieu-impact.

De duimschroeven worden aangedraaid

De Corporate Sustai­na­bi­lity Reporting Directive (CSRD) van de EU is in januari 2024 van kracht geworden. Deze verplicht grote bedrijven met acti­vi­teiten in de EU tot gede­tail­leerde duur­zaam­heids­rap­por­tages. De eerste rapporten worden in 2025 verwacht. Daarnaast intro­du­ceert de EU Energy Effi­ci­ency Directive (EED) speci­fieke vereisten rond ener­gie­be­spa­ring en effi­ci­ëntie van datacenteractiviteiten.

Binnen deze strengere regel­ge­ving wordt één ding duidelijk: AI zal een centrale rol spelen in het terug­dringen van uitstoot, het opti­ma­li­seren van ener­gie­ver­bruik en het voldoen aan rappor­tage- en nale­vings­ver­plich­tingen. Ironisch genoeg kan AI zelfs helpen om zijn eigen uitstoot te compen­seren – door middelen effi­ci­ënter te benutten, ener­gie­ver­bruik te opti­ma­li­seren en een nauw­keu­rige CO₂-boek­hou­ding mogelijk te maken.

Hoe AI duurzaamheid in de cloud stimuleert

AI maakt deel uit van het probleem, maar ook van de oplossing. Het kan zakelijke en opera­ti­o­nele effi­ci­ëntie stimu­leren en onderzoek naar groene alter­na­tieven versnellen. In de cloud kan AI data­cen­ter­pro­cessen opti­ma­li­seren zoals voor­spel­lend onderhoud, effi­ci­ënte toewij­zing van middelen, CO₂-bewuste plan­ningen van workloads en dyna­mi­sche koelsystemen.

Meer dan 30% van de orga­ni­sa­ties gebruikt inmiddels gene­ra­tieve AI om hun uitstoot terug te dringen. Door FinOps- en GreenOps-methoden te combi­neren met machine learning en AI-modellen, wordt de basis gelegd voor slimmere en duur­za­mere operaties. Enkele toepas­singen zijn:

  • De toekom­stige vraag voor­spellen om capa­ci­teit nauw­keurig af te stemmen
  • Gegevens en workloads migreren naar geop­ti­ma­li­seerde compute- en opslagopties
  • Auto­ma­tisch uitscha­kelen van onder­be­nutte instances
  • Vermin­deren van belasting tijdens piekuren
  • Veel energie verei­sende taken afstemmen op momenten met zon- of windenergie

Deze toepas­singen dragen niet alleen bij aan duur­zaam­heid, maar verlagen ook de kosten van orga­ni­sa­ties die worstelen met hoge cloud­re­ke­ningen en de waarde van hun infra­struc­tuur niet volledig benutten. Naarmate AI volwas­sener wordt, zullen meer orga­ni­sa­ties over­stappen op data­ge­dreven, CO2-bewuste besluit­vor­ming via AI-platforms voor cloud­be­heer en ‑opti­ma­li­satie. Zo kunnen zij voldoen aan ESG-doel­stel­lingen én regelgeving.

Hoe emma bijdraagt aan een groene cloud

Het cloud­be­heer­plat­form van emma is een AI-gedreven, cloud-agnos­tisch systeem dat orga­ni­sa­ties helpt hun cloud­ge­bruik en ‑kosten te monitoren, te beheren en te opti­ma­li­seren – ongeacht de gebruikte aanbie­ders of regio’s. emma gebruikt geavan­ceerde AI-algo­ritmen en voor­spel­lende analyses om optimale confi­gu­ra­ties en instance-types voor te stellen. Hierdoor wordt zowel over­ca­pa­ci­teit als onder­be­nut­ting voorkomen. Het platform iden­ti­fi­ceert auto­ma­tisch inactieve of onder­be­nutte resources, zodat orga­ni­sa­ties verspil­ling en onnodig ener­gie­ver­bruik kunnen beperken. Via het dashboard van emma is het mogelijk om beschik­bare instances per cloud­pro­vider en regio te bekijken. Dit maakt het eenvou­diger om voorkeur te geven aan regio’s waar hernieuw­bare energie beschik­baar is en actief wordt toegepast.

Daarnaast kun je kiezen voor ener­gie­zui­nige hardware, zoals Graviton4-instances in AWS of Ampere Altra-geba­seerde instances in Azure – met minder stroom­ver­bruik, betere pres­ta­ties en mogelijke kosten­be­spa­ring tot gevolg. Met de inge­bouwde scheduler kunnen taken auto­ma­tisch worden gepland tijdens daluren of wanneer duurzame energie, zoals zon of wind, over­vloedig beschik­baar is. emma detec­teert afwijkend verbruik in real time, zodat problemen snel kunnen worden opgelost voordat ze leiden tot pieken in energieverbruik.

Dankzij volledige multi­cloud-inzichten in het resour­ce­ge­bruik kunnen workloads afgestemd worden op interne duurzaamheids-KPI’s. En het intu­ï­tieve dashboard bevordert samen­wer­king tussen IT- en duurzaamheidsteams.

Wat de toekomst brengt voor AI en duurzaamheid

De rol van AI in het reali­seren van een duurzame cloud zal blijven groeien. Veel is nu al mogelijk, en er ligt nog veel meer in het verschiet. Naarmate het momentum toeneemt, zullen cloud­pro­vi­ders carbon awareness standaard inte­greren in hun APIs, plan­nings­sys­temen en ontwik­kel­tools. AI zal niet alleen sugges­ties doen, maar ook auto­ma­tisch workloads aanpassen om uitstoot te beperken – door bijvoor­beeld auto­ma­tisch te schalen in regio’s met groene stroom of niet-kritieke taken te verschuiven naar CO₂-arme momenten of zonuren.

Binnen data­cen­ters zal AI een rol spelen bij slimme klimaat­be­heer­sing, opti­ma­li­satie van vloei­stof­koe­ling, batte­rij­be­heer en stroom­ver­de­ling op basis van real-time omstandigheden.

Naarmate AI zelf groener wordt dankzij tech­no­lo­gi­sche verbe­te­ringen, zal het steeds meer worden ingezet in ESG-stra­te­gieën. Maar het is belang­rijk om het grotere plaatje niet uit het oog te verliezen: kool­stof­di­oxide blijft honderden jaren in de atmosfeer. Zelfs als AI in de toekomst netto-negatieve emissies bereikt, kan het de reeds aange­richte schade niet ongedaan maken.

Daarom is het essen­tieel om nu al te beginnen met het imple­men­teren van groene cloud­prak­tijken, in plaats van te wachten op de grote cloud providers. Begin met de tools en best practices die al beschik­baar zijn – en bouw daarop voort.

Pin It on Pinterest

Share This