Kan klimaatneutrale AI werkelijkheid worden?

In alle sectoren stimuleren krachtige AI-modellen de productiviteit en innovatie van bedrijven. Tegelijkertijd legt de hausse in de bouw van datacenters een aanzienlijke druk op het energiesysteem. Tegen 2026 verbruiken datacenters wereldwijd, inclusief de centers die voor AI worden gebruikt, mogelijk evenveel elektriciteit als heel Japan, aldus de IEA. 

Om aan deze vraag te voldoen hebben technologiereuzen, investeerders en energiebedrijven hun krachten gebundeld in miljardenprojecten om de opwekkingscapaciteit uit te breiden. In sommige gevallen steunen ze daarbij op fossiele energie, in andere gevallen op kernenergie. Enkele grote technologiebedrijven met ambitieuze doelstellingen voor CO2-reductie erkennen dat het opschalen van AI-modellen hun emissies flink heeft doen stijgen. 

Tegelijkertijd kan AI ook bijdragen aan duurzaamheid. Bedrijven kunnen deze baanbrekende technologie gebruiken om hun efficiëntie op allerlei gebieden te verbeteren, met name waar het gaat om energieverbruik. Een rapport van PwC Duitsland, Microsoft en Oxford University noemt als voorbeeld toepassingen waarmee kan worden voorspeld wanneer ruimten te heet worden, zodat ze automatisch tijdig worden gekoeld. Andere voorbeelden zijn het optimaliseren van de routes van commerciële vliegtuigen en vrachtschepen, of het verbeteren van de productieprocessen voor en de samenstelling van cement. 

Dit roept de vraag op: kan AI, door efficiëntie-kansen te ontdekken en mogelijk te maken, zijn eigen verhoogde energieverbruik en uitstoot compenseren? PwC heeft een model ontwikkeld om het effect van AI op de energiebehoefte te simuleren in twee situaties: effect op datacenters en effect op de rest van de economie. Uit dit onderzoek blijkt dat als AI de energie-efficiëntie in de hele economie zou kunnen verbeteren met een tiende van het tempo waarmee het wordt ingevoerd, dit voldoende zou zijn om het extra energieverbruik door datacenters te compenseren. Hierdoor zou het netto-effect van AI op energieverbruik en uitstoot neutraal kunnen zijn.

Datacenters krijgen veel aandacht in de discussie over AI en energie. Die centra zijn de plekken waar het meeste AI-gerelateerde energieverbruik plaatsvindt. Daar bevinden zich immers de chips en hardware waarmee AI wordt getraind en waar de berekeningen (maar bijvoorbeeld ook cloudcomputingdiensten) worden uitgevoerd. Techbedrijven bouwen steeds meer datacenters om aan de vraag naar AI-diensten te voldoen. Zo heeft Microsoft laten weten in het boekjaar 2025 zo'n 80 miljard dollar – ruim 70 miljard euro – in datacenters te willen investeren. Alles wijst erop dat die bouwwoede zal aanhouden, nu steeds meer mensen en organisaties steeds meer doen met AI. 

Het trainen en 'runnen' van AI-modellen vereist gigantische middelen en investeringen - al lijkt de Chinese start-up DeepSeek te hebben aangetoond dat het ook mogelijk is AI-tools te ontwikkelen die veel zuiniger werken. Onderzoek wijst bovendien op veelbelovende nieuwe methoden voor de ontwikkeling van efficiëntere chips en koeltechnieken voor datacenters. 

Hoe dan ook, zelfs als we ervan uit mogen gaan dat AI-software en -hardware steeds efficiënter worden, zal de energieconsumptie door datacenters waarschijnlijk verder toenemen. Onze eigen modellering van drie toekomstscenario's laat zien dat door de verwachte toename van het AI-gebruik de energieconsumptie door datacenters tegen 2035 13 procent tot 16 procent hoger uitkomt dan in een basisscenario waarin het AI-gebruik rond het huidige niveau blijft. In de periode 2024 tot 2035 zou het totale energieverbruik door datacenters 18 procent tot 21 procent hoger uitvallen bij toegenomen AI-gebruik vergeleken met het basisscenario.

Om de impact van AI op de rest van de economie (dus op alles behalve de datacenters zelf) te modelleren, gaan we ervan uit dat bedrijven en organisaties AI ook gaan gebruiken om hun energie-efficiëntie te verbeteren, om kosten te besparen en hun CO2-uitstoot te beperken. Zo zijn er al tal van AI-toepassingen die bedrijven en organisaties helpen om bijvoorbeeld de laadtijden van elektrische voertuigen te optimaliseren en productieprocessen nauwkeuriger af te stemmen. We mogen aannemen dat er nog veel meer van dergelijke toepassingen worden ontwikkeld. PwC heeft berekend dat start-ups in de klimaatsector die met AI werken in de eerste negen maanden van 2024 6 miljard dollar (ruim vijf miljard euro) aan durffinanciering hebben opgehaald; 1 miljard dollar méér dan in heel 2023.  
 
Ervan uitgaande dat 1 procentpunt toename van het gebruik van AI de energie-efficiëntie direct of indirect met 0,1 procentpunt verbetert, zou de verwachte toename van het gebruik van AI in 2035 resulteren in 0,3 procent tot 1,3 procent minder energieverbruik in de rest van de economie, vergeleken met het basisniveau van AI-adoptie. Over de periode 2024-2035 zou de totale energiebesparing in de rest van de economie 0,1 procent tot 1,0 procent bedragen.

Rekening houdend met de stijging van het energieverbruik in datacenters enerzijds en de potentiële AI-gerelateerde efficiëntiewinsten anderzijds, zou de toepassing van AI het energieverbruik in de hele economie in bescheiden mate moeten doen dalen. In het jaar 2035 bedraagt die netto vermindering van het energieverbruik 0,5 procent tot 1,1 procent, afhankelijk van het scenario. En in de periode 2024-2035 zou de toepassing van AI leiden tot cumulatieve veranderingen in het energieverbruik, variërend van een afname van 0,9 procent tot een toename van 0,1 procent. Alles bij elkaar genomen zou het extra energieverbruik in datacenters ruwweg worden gecompenseerd door de energiebesparingen die in de rest van de economie worden gerealiseerd.

Tot slot hebben we een schatting gemaakt van de mate waarin een brede toepassing van AI (en, in sommige scenario's, een duidelijkere verschuiving naar hernieuwbare energie) de uitstoot van broeikasgassen, in datacenters en elders, zou beïnvloeden. De berekeningen tonen aan dat een brede toepassing van AI de totale broeikasgasemissies gedurende de periode 2024-2035 met 0,1 procent tot 1,1 procent zou kunnen verminderen. En in 2035 zou de uitstoot bij zo'n brede toepassing van AI 0,3 procent tot 1,9 procent lager zijn dan zonder.

Technologiebedrijven en exploitanten van datacenters zijn niet de enige bedrijven die willen profiteren van het prestatieverhogende AI-potentieel en tegelijkertijd de energiebehoefte en klimaatimpact daarvan willen beheersen. Elk bedrijf dat AI-toepassingen gebruikt – bijvoorbeeld om producten te verbeteren of nieuwe te creëren, om de klantervaring te verbeteren, om bedrijfsprocessen te stroomlijnen, etc. – zal profiteren van de optimalisering van zijn energiebehoefte. De ervaring leert dat vier acties bedrijven kunnen helpen om hun energiebehoefte voor AI in balans te brengen.

1. Gebruik AI als energieoplossing aan de vraagzijde. Het beheer van de energiebehoefte is voor bedrijven een relatief eenvoudige manier om kosten en uitstoot te beperken. Onderzoek door het World Economic Forum in samenwerking met PwC wijst uit dat bedrijven wereldwijd tegen 2030 2 biljoen dollar per jaar kunnen besparen door optimaal gebruik te maken van de huidige technologieën. Naarmate het wereldwijde energiesysteem digitaler wordt, kunnen bedrijven hun AI-modellen voorzien van steeds meer en betere gegevens om de energieconsumptie te verminderen. 
2. Volg de emissiecijfers binnen je AI-programma. Bij bedrijven die gebruikmaken van clouddiensten in plaats van servers op locatie, leidt de inzet van AI tot de uitstoot van zogenoemde Scope 3-emissies (d.w.z., emissies die voortkomen uit activiteiten binnen de waardeketen van een organisatie, niet uit de directe bedrijfsvoering). De grote aanbieders van cloud-AI voorzien hun klanten inmiddels van emissietrackers. Daarmee kunnen IT- en duurzaamheidsteams de milieuprestaties van hun AI-initiatieven volgen en manieren vinden om gerelateerde kosten voor het bedrijf te verminderen.
3. Kies AI van de juiste omvang voor je zakelijke behoeften. Grootschalige taalmodellen (LLM's) voeren een bepaalde taak doorgaans uit tegen hogere kosten en met een hoger energieverbruik dan kleinere modellen die specifiek voor die taak zijn ontworpen. Door de juiste AI-tool te kiezen voor iedere taak, in plaats van een algemeen model met overcapaciteit, kunnen bedrijven geld besparen en overtollige emissies voorkomen. Je neemt ook liever een kleine auto in plaats van een zware terreinwagen om door een stad te rijden.
4. Houd rekening met duurzaamheid bij de keuze van AI-leverancier. Bedrijven die LLM’s aanbieden, publiceren zelden details over hun energieverbruik en milieuprestaties en de meetmethoden zijn ook niet gestandaardiseerd. Toch is het zinvol als de AI-afdeling en duurzaamheidsafdeling van een bedrijf samen op zoek gaan naar AI-leveranciers die hun algemene duurzaamheidsmaatregelen publiceren en zich inzetten voor ecologische duurzaamheid. Dat kan bijvoorbeeld blijken uit het gebruik van geoptimaliseerde algoritmes en geavanceerde hardware, en van datacenters die voor hun stroomvoorziening (inclusief back-up) optimaal gebruikmaken van hernieuwbare energie.