AI en de onzichtbare energiestroom: waarom transparantie en gelijke metrieken cruciaal worden

9 oktober 2025

De discussie over het ener­gie­ver­bruik van kunst­ma­tige intel­li­gentie (AI) in data­cen­ters is niet langer acade­misch. Terwijl de wereld gefas­ci­neerd toekijkt naar de moge­lijk­heden van gene­ra­tieve AI, groeit de elek­tri­ci­teits­vraag in stilte explosief. De realiteit is dat de digitale voor­uit­gang van vandaag direct vertaald wordt naar een fysieke ener­gie­vraag die de bestaande infra­struc­turen onder druk zet.

Volgens recente analyses van het Inter­na­ti­o­naal Ener­gie­agent­schap (IEA) kan het wereld­wijde elek­tri­ci­teits­ver­bruik door data­cen­ters, groten­deels aange­dreven door AI, tegen 2030 bijna verdrie­vou­digen tot 945 TWh per jaar. Dit is verge­lijk­baar met het totale elek­tri­ci­teits­ver­bruik van landen als Duitsland of Japan. Toch blijft de trans­pa­rantie over dit verbruik beperkt, en ontbreken gehar­mo­ni­seerde meet­stan­daarden die nodig zijn om verant­woorde groei te sturen.

Het elektriciteitsvraagstuk: van data naar megawatt

AI maakt elek­tri­ci­teit plots tastbaar. Elk nieuw AI-model, elke query, elke dataset vertaalt zich in een keten van servers, GPU’s en koel­sys­temen die dag en nacht draaien. Waar tradi­ti­o­nele workloads vaak voor­spel­baar waren, leidt AI tot grillige, inten­sieve pieken.
In Nederland alleen al wordt geschat dat de totale elek­tri­ci­teits­vraag vanuit data­cen­ters — mede door AI-ontwik­ke­ling — de komende vijf jaar meer dan 60% kan stijgen. Tege­lij­ker­tijd zien we dat de netca­pa­ci­teit op veel locaties al volledig benut is.

De uitdaging is duidelijk: hoe meten en beheren we deze groei als de sector zelf geen eendui­dige metrics hanteert?

Gebrek aan transparantie: een nieuw soort onzichtbare emissie

Waar we bij tradi­ti­o­nele indu­strieën al decen­nia­lang CO₂-uitstoot en energie-effi­ci­ëntie standaard rappor­teren, blijft de AI-industrie groten­deels in de mist opereren. De meeste AI-aanbie­ders publi­ceren slechts frag­men­ta­ri­sche gegevens over hun energie- en water­ge­bruik, vaak zonder context of vergelijking.

Een veel­zeg­gend voorbeeld: Google rappor­teerde dat een AI-query naar Gemini slechts 0,03 gram CO₂ uitstoot. Maar wat ontbreekt, is een eendui­dige verge­lij­king — hoeveel energie is verbruikt bij model­trai­ning, data­cen­ter­koe­ling of transport van data? Zonder trans­pa­rante en verge­lijk­bare meet­me­thoden blijven derge­lijke cijfers symbo­lisch in plaats van sturend.

We hebben te maken met digitale emissies zonder helder­heid, een probleem dat sterk doet denken aan de situatie vóór Diesel­gate: mooie cijfers, zonder contro­leer­bare onderbouwing.

De noodzaak van gestandaardiseerde metrieken

Om de werke­lijke impact van AI op het elek­tri­ci­teitsnet te begrijpen, zijn gestan­daar­di­seerde metrieken cruciaal. Begrippen als PUE (Power Usage Effec­ti­ve­ness) zijn niet meer toerei­kend, omdat ze geen onder­scheid maken tussen AI- en niet-AI-belasting, noch rekening houden met regionale verschillen in infra­struc­tuur of energiebronnen.

Wat nodig is, zijn nieuwe maat­staven die rekening houden met:

  • AI-specifiek ener­gie­ge­bruik (training vs. inference);
  • Kool­stofin­ten­si­teit per regio (zonne‑, wind‑, of fossiele mix);
  • Water­ver­bruik per kWh aan IT-load;
  • En vooral: verge­lijk­baar­heid tussen aanbieders.

Alleen met zo’n gelijk speelveld kunnen beleids­ma­kers, bedrijven en gebrui­kers werkelijk duurzame keuzes maken.

Een nieuwe energie-ethiek voor AI

De sector heeft een morele verant­woor­de­lijk­heid om niet alleen te innoveren, maar ook inzicht te bieden in de werke­lijke kosten van die innovatie. Wanneer tech­be­drijven spreken over “AI voor duur­zaam­heid”, maar geen volledige ener­gie­rap­por­tages publi­ceren, ontstaat een geloofwaardigheidskloof.

Het is tijd voor een energie-ethiek binnen AI: een verplich­ting tot openheid, verge­lijk­baar­heid en verant­woor­ding. Overheden zouden mini­mum­normen kunnen invoeren, verge­lijk­baar met de CO₂-rappor­tages in de industrie. Netbe­heer­ders en ener­gie­be­drijven kunnen op hun beurt betere voor­spel­lingen maken en inves­te­ringen richten waar de groei het grootst is.

Conclusie: de slimste AI is de transparante AI

De ener­gie­toe­name door AI is geen verras­sing — het gebrek aan inzicht wel. Zonder heldere metrics blijven we blind voor de werke­lijke impact op ons elek­tri­ci­teitsnet en onze klimaat­doelen. Trans­pa­rantie is niet slechts een rappor­ta­ge­ver­plich­ting, maar een randvoor

Pin It on Pinterest

Share This