De snelle groei van generatieve AI zorgt wereldwijd voor een scherpe toename van het stroom- en koelverbruik in datacenters. Deskundigen waarschuwen dat dit de elektriciteitsvoorziening kan belasten, ook in Nederland waar het net al met congestie kampt. Naar aanleiding van berichtgeving op Crypto.nl zetten we uiteen waar de vraag vandaan komt, wat de risico’s zijn en welke oplossingen in beeld zijn.
Waarom AI zoveel energie vraagt
Het energieverbruik van AI komt uit twee bronnen: het trainen van grote modellen en het continu draaien van deze modellen voor miljoenen gebruikers (inference). Training vergt weken tot maanden op duizenden GPU’s die elk honderden watts verbruiken, waardoor een enkele trainingsronde megawatturen kan kosten. Inference is minder intensief per aanvraag, maar door het enorme volume aan interacties vormt het in de praktijk een steeds groter deel van de totale energievraag.
De hardware versnelt die groei. High-end AI-chips hebben een thermisch ontwerpvermogen van 500–700 watt per stuk, en clusters tellen vaak tienduizenden exemplaren. Ook de bijbehorende netwerkapparatuur, opslag en koeling tellen mee: zelfs met efficiënte koeling loopt de totale faciliteitsvraag ruimschoots uit boven het puur rekenkundige verbruik.
Druk op het Nederlandse elektriciteitsnet
Nederlandse netbeheerders waarschuwen al langer voor netcongestie in delen van het land. Nieuwe, grootverbruikende aansluitingen zoals AI- en cloudfaciliteiten worden daardoor vertraagd of gebonden aan strikte voorwaarden. Datacenters clusteren bovendien rond knooppunten als de Metropoolregio Amsterdam en de Eemshaven, waar veel vraag samenkomt en transportcapaciteit schaars is.
De timing van AI-werk belast het net extra. Trainingstaken draaien vaak continu, terwijl gebruikerspieken voor chat- en zoektoepassingen overdag samenvallen met andere grootverbruikers. Zonder afspraken over tijdsgebonden afschakeling en slimme planning vergroot dit de kans op piekbelasting en hogere systeemkosten.
AI versus crypto: overeenkomsten en verschillen
Net als proof-of-work-cryptomining is AI rekenintensief en vraagt het om gespecialiseerde hardware en grootschalige faciliteiten. De geografische concentratie in gebieden met goedkope of betrouwbare stroom is vergelijkbaar, waardoor regionale effecten op netten en prijzen ontstaan. In beide gevallen spelen efficiëntie, koeling en inkoop van duurzame energie een grote rol in de totale voetafdruk.
Er zijn ook belangrijke verschillen. Cryptomining is goed afschakelbaar en volgt vaak direct de stroomprijs, terwijl AI een mix kent van tijdkritische inference en flexibeler training. De economische waarde van AI-toepassingen is breder gespreid over sectoren, wat meer ruimte kan bieden voor vraagsturing en contractuele afspraken met netbeheerders.
Koeling, water en emissies: de verborgen kostprijs
Koeling bepaalt een aanzienlijk deel van het datacenterverbruik; moderne faciliteiten halen PUE-waarden rond 1,2–1,3, maar bij hoge dichtheden en warme dagen kan dit oplopen. Daarnaast is waterverbruik een factor, afhankelijk van de gekozen koeltechniek en locatie. In waterstressgebieden kan dit tot frictie leiden tussen datacenters en andere gebruikers.
Tegelijk ontstaan kansen voor restwarmtebenutting. Nederlandse projecten koppelen datacenters aan warmtenetten, waardoor een deel van de energie nuttig hergebruikt wordt in woningen en bedrijven. Ook de CO2-voetafdruk van hardwareproductie speelt mee: frequentere vervanging van GPU’s verhoogt de ‘embodied’ emissies, wat pleit voor langere levenscycli en hergebruik.
Wat werkt wél: efficiëntie, planning en beleid
Technische efficiëntie wint terrein: nieuwe generaties AI-chips leveren meer prestaties per watt, terwijl softwarematige optimalisaties zoals quantisatie, sparsity en distillatie het rekenwerk beperken. Inference kan worden gerouteerd naar efficiëntere modellen of locaties met lagere emissies en ruimere netcapaciteit. Voor training zijn ‘carbon-aware’ en ‘price-aware’ planners in opkomst die taken verplaatsen naar uren met veel wind en zon.
Beleidsmatig zet de EU met de vernieuwde Energy Efficiency Directive in op rapportageverplichtingen voor datacenters boven 500 kW, wat transparantie en benchmarking stimuleert. In Nederland gelden strengere randvoorwaarden voor hyperscale-vestigingen en vragen netbeheerders om flexibiliteitscontracten en capaciteitsmanagement. Langjarige stroomafspraken (PPA’s) met nieuwe wind- en zonneparken, gecombineerd met opslag en vraagsturing, kunnen de groei van AI in lijn brengen met het energiesysteem.
Internationaal schetsen recente analyses van onder meer het Internationaal Energieagentschap een scenario waarin het stroomgebruik van datacenters en AI de komende jaren sterk toeneemt, maar niet onvermijdelijk tot tekorten leidt.
De uitkomst hangt af van drie factoren: het tempo van efficiëntiewinst, de spreiding van workloads in tijd en plaats, en de snelheid waarmee nieuwe, schone opwek en netcapaciteit beschikbaar komen. Zonder regie dreigt frictie; met gerichte investeringen en afspraken kan AI juist helpen om flexibiliteit in het energiesysteem te vergroten.
Referenties
Crypto.nl – “Hoe AI ons in een energiecrisis kan duwen”, gepubliceerd op 30 september via nieuws.crypto.nl
