In Nederland is opnieuw discussie ontstaan over het stroomgebruik van AI‑chatbots zoals OpenAI’s ChatGPT en Google Gemini. Energie-experts wijzen erop dat veel rondgaande vergelijkingen simpelweg niet kloppen. Het gaat vaak mis bij het verschil tussen trainen en gebruiken van een model. De Europese AI‑verordening gevolgen overheid komen elders te liggen: transparantie en zorgplicht, niet de stroom per chat.
Stroommythe klopt niet
Op sociale media circuleren krachtige claims. Bijvoorbeeld dat één chat evenveel stroom kost als een kop koffie zetten. Deskundigen noemen dit onjuist en misleidend. Zulke vergelijkingen mengen verschillende dingen door elkaar.
Er is een groot verschil tussen het trainen van een model en het draaien van een antwoord. Training vraagt veel rekenkracht en dus energie. Gebruik van een chatbot is kort en minder zwaar. Dat zijn andere ordes van grootte.
Het stroomverbruik per chat hangt af van het model, de hardware en de datacenters. Kleinere modellen verbruiken minder, grote modellen meer. In de praktijk liggen extreme claims te hoog. De meeste chats zijn kort en worden efficiënt afgehandeld.
Dat betekent niet dat de optelsom niets uitmaakt. Miljoenen vragen per dag tellen natuurlijk op. Maar het beeld van “één vraag is een energieklapper” klopt niet. De nuance zit in schaal, techniek en organisatie.
Training versus gebruik
Training is het proces waarin een groot datamodel patronen leert uit enorme datasets. Dat kan weken duren op honderden of duizenden chips. Denk aan modellen als GPT‑4 of Claude 3 van Anthropic. Het energieprofiel daarvan is hoog en geconcentreerd.
Inferentie is het draaien van een getraind AI‑model om een uitkomst te produceren; dat kost stroom per vraag, maar veel minder dan het trainen van het model.
Bij inferentie (het gebruik) voert het systeem in korte tijd berekeningen uit om een antwoord te geven. Dat gebeurt op GPU’s of gespecialiseerde chips. Bedrijven als Google (TPU) en Microsoft/OpenAI (NVIDIA‑hardware) sturen op efficiënter per token. Software‑optimalisaties drukken het verbruik verder.
De keuze voor een kleiner model helpt ook. Meta’s Llama 3 in compacte varianten of Mistral‑modellen kunnen op minder zware hardware draaien. Soms zelfs op een laptop of telefoon. Minder data-overdracht en kortere responstijden schelen energie.
Ook het taakontwerp telt mee. Kortere prompts en duidelijke instructies beperken rekenwerk. Caching van veelgestelde vragen bespaart extra runs. Dit zijn concrete knoppen waar ontwikkelaars aan kunnen draaien.
Efficiënter datacenters in Europa
Datacenters in Nederland en de EU worden stap voor stap efficiënter. Een veelgebruikte maat is PUE, de verhouding tussen totale energie en de energie voor IT. Hoe dichter bij 1, hoe beter. Operators investeren in koeling, stroomsturing en optimalisatie.
Restwarmte wordt steeds vaker hergebruikt. Rond Amsterdam en in Noord‑Holland lopen projecten om warmte uit servers naar woningen te leiden. Grote spelers als Microsoft en Google bouwen in Nederland en sluiten warmte- en stroomcontracten. Dat drukt de CO2‑uitstoot per dienst.
Op het moment van schrijven verplicht de Europese Energy Efficiency Directive grote datacenters tot rapportage over energie, water en warmte. Deze gegevens gaan in een Europese database. Transparantie moet de sector sturen richting zuinigere praktijken.
Nederland kent tegelijk netcongestie. Daarom spreiden operators lasten in de tijd en investeren in eigen zon- en windcontracten. Efficiëntere planning vermindert pieken en verspilling. Dat helpt ook de beschikbaarheid voor andere gebruikers.
Transparantie en regels nodig
De AI‑verordening (AI Act) richt zich op risico’s, veiligheid en documentatie. Energieverbruik staat daar niet centraal. Wel vraagt de wet om technische dossiers en passend toezicht. Dat kan de weg openen naar betere rapportages over middelengebruik.
Voor overheden en publieke instellingen zijn de Europese AI‑verordening gevolgen overheid praktisch. Zorg voor aanbestedingseisen rond energie‑rapportage en datalocatie. Vraag leveranciers als OpenAI, Microsoft en Google om duidelijke cijfers en regionaal beleid. Leg vast hoe updates worden gemonitord.
De AVG blijft ook relevant. Dataminimalisatie betekent: verwerk niet meer gegevens dan nodig. Minder data en kortere bewaartermijnen schelen rekenwerk en energie. Privacy en duurzaamheid lopen hier samen op.
Tot slot is een gezamenlijke meetlat wenselijk. Denk aan gestandaardiseerde metrics per model en per gebruiksscenario. Zonder vergelijkbare cijfers blijft het debat hangen in mythes. Open rapportages zouden de markt zuiverder maken.
Wat dit betekent gebruikers
Voor individuele gebruikers is één gesprek met ChatGPT, Gemini of Copilot geen energieslurper. Het verbruik is laag vergeleken met videostreaming of gaming. U hoeft uw gedrag niet drastisch aan te passen. Kies wel voor kort en duidelijk vragen stellen.
Voor bedrijven en overheden ligt de grootste winst bij ontwerpkeuzes. Gebruik kleinere modellen waar het kan en schakel zware modellen alleen in voor moeilijke taken. Stel token‑limieten in en cache veelvoorkomende antwoorden. Dat scheelt kosten en stroom.
Vraag leveranciers om regio’s in de EU te gebruiken en om rapportages over PUE, water en hernieuwbare energie. Koppel dit aan interne duurzaamheidsdoelen en, op het moment van schrijven, aan CSRD‑rapportage voor grote organisaties. Zo wordt AI‑gebruik meetbaar en stuurbaar.
Zet AI‑functies in zoek of e‑mail niet standaard overal aan. Vermijd automatische uitbreidingen die elke handeling “ver‑AI‑en”, omdat schaal het verbruik drijft. Kies gericht: waar helpt het echt, en waar niet. Zo voorkomt u verspilling zonder innovatie te remmen.
Kortom: nuance is nodig
De stelling dat een enkele chat onredelijk veel stroom verbruikt houdt geen stand. Het echte vraagstuk is schaal, efficiënte modellen en datacenterpraktijk. Europese regels vergroten de transparantie aan de achterkant. Met slimme keuzes blijft de impact beheersbaar én zichtbaar.
Blijf dus letten op drie dingen: doelmatige inzet, zuinige infrastructuur en open cijfers. Zo wordt het gesprek over AI minder mythe en meer meetbaar. Dat helpt gebruikers, beleidsmakers en leveranciers vooruit. En het houdt het debat eerlijk.
