Velen maken zich zorgen over de energiehonger van generatieve AI. Sam Altman schreef onlangs dat één enkele ChatGPT-vraag ongeveer 0,34 Wh verbruikt, zowat wat een hoogefficiënte led in een paar minuten verstookt. Schaal dat op naar miljarden vragen en het stroomverbruik van datacenters wordt al snel een klimaatkop.
Een studie van Nature, gepubliceerd in juni 2025, betoogt dat slimme, sectorspecifieke AI tegen 2035 3,2 tot 5,4 gigaton CO₂-equivalent per jaar (Gt CO2e) zou kunnen vermijden in energie, voeding en transport. Een artikel in de Financial Times belicht datzelfde potentieel maar waarschuwt dat de uitrol in de echte wereld nog achterloopt op de laboratoriumresultaten.
Hieronder een snelle rondgang langs het potentieel, de voetafdruk, de antihypefilter en de imperatieven voor groenere AI.
1. Het potentieel: vijf hefbomen goed voor zowat 5 gigaton
-
Slimmere netten en verkeer: AI voorspelt vraag, balanceert hernieuwbare energie en ontwart stadswegen.
-
Betere batterijen en minder afval: generatieve modellen versnellen het zoekwerk in de chemie en beperken verpakkingen.
-
Groenere dagelijkse keuzes: tools zoals de eco-routes van Google Maps zetten gebruikers aan om brandstof te besparen.
-
Scherpere klimaatvoorspellingen: hogeresolutiemodellen waarschuwen vroeger voor overstromingen en droogtes.
-
Snellere rampenrespons: vroegtijdige waarschuwingen voor branden en stormen beschermen mensen en goederen.
Wanneer we ons enkel richten op energie, voeding en mobiliteit, schatten Stern et al. dat AI tot 5,4 Gt CO₂e per jaar zou kunnen vermijden, zowat drie keer de eigen geprojecteerde uitstoot van AI.
Het blauw stelt het business-as-usualscenario voor met slechts bescheiden reducties, het groen toont de door AI mogelijk gemaakte efficiëntie die tegen 2035 3 tot 5 Gt CO₂ per jaar wegsnijdt, en de gestreepte marineblauwe lijn stelt ambitieus klimaatbeleid voor dat de scherpste reducties oplevert (Bron: Nature).
2. De voetafdruk: snel stijgend
Het IEA voorspelt dat de elektriciteitsvraag van datacenters meer dan zal verdubbelen tot ongeveer 945 TWh tegen 2030, met AI als grootste motor. Dat komt overeen met het volledige elektriciteitsnet van Japan vandaag.
Kernpunten:
- De locatie telt: Trainen op een Belgische winternacht gevoed door offshore wind is properder dan een zonnige namiddag in Texas op een steenkoolzwaar net.
- Waterverbruik is een verborgen kost: De voetafdruk van AI is niet alleen koolstof. Datacenters verbruiken enorme hoeveelheden zoet water voor koeling. De Nature-studie benadrukt dit en roept op tot transparante rapportering van het waterverbruik naast energie en uitstoot.
- Modelgrootte is niet gratis: Een tien keer groter model kan tien tot twintig keer meer energie nodig hebben voor marginale winst.
- Hardware en koeling: Vloeistofkoeling en snellere GPU’s kopen tijd maar lossen het probleem niet alleen op.
3. De antihypefilter: lessen uit de FT
Pilita Clark van de Financial Times merkt op dat prototypes investeerders imponeren, maar dat rommelige veldomstandigheden en dunne marges veel klimaat-AI-pilots doen ontsporen. Het CO₂-afvangmodel van Meta, bijvoorbeeld, viel uiteen tijdens de peerreview.
4. Groene AI in de praktijk: vier imperatieven
- Volg en maak de uitstoot openbaar beide bronnen roepen op tot transparante rapporten over de energie, de koolstof en het waterverbruik van het model.
- Mik op sectoren met hoge impact zet schaarse GPU’s in waar de decarbonisatiewinst het grootst is, namelijk energie, voeding en mobiliteit.
- Test buiten het laboratorium valideer met echte data en publiceer de onzekerheden om de kloof tussen laboratorium en markt te dichten.
- Adopteer efficiënte technologie NVIDIA Blackwell-GPU’s beloven tot vijfentwintig keer betere energie per token dan de H100’s, en Mixture of Experts-routering kan de inferentie-energie met ongeveer zeventig procent verlagen.
5. Beleid: het standpunt van de actieve staat
Markten alleen zullen klimaattoepassingen met lage winst en hoge impact niet prioriteren. Het Nature-artikel suggereert dat overheden zouden moeten:
- De openbaarmaking van levenscyclusemissies verplichten voor cloud- en modelaanbieders.
- Kortingen op basis van het gebruiksmoment (time-of-use rebates) aanbieden voor AI-werklasten die samenvallen met de pieken in hernieuwbare energie.
- Open klimaat-AI-datasets en benchmarks financieren om vroeg onderzoek te derisken.
Eindbalans
AI kan een klimaatvermenigvuldiger zijn, maar enkel als we haar voetafdruk meten, GPU’s richten op de grootste koolstofwinsten en de efficiënte technologie adopteren die al op de roadmap staat.
Klaar om uw eigen AI-energiebudget aan een stresstest te onderwerpen? Contacteer ons; we kunnen uw klimaatimpact van AI meten en optimaliseren voor een lichtere voetafdruk.