2. De Energievraag rond AI: Mythen en Realiteit

2.1 Energie en Technologische Vooruitgang

Het Klimaatdebat: Cijfers in Perspectief:
Als AI in 2030 8% van onze stroom verbruikt,
is dat dan een probleem of juist de oplossing?

Een woord vooraf om niet te verdwalen in details of populistische uitersten:

Ten eerste: Energie is er fundamenteel in overvloed. De zon alleen al, levert meer energie in één uur dan de hele mensheid in een jaar verbruikt. Volgens Einstein (E=M.C2) zit er in één korreltje zand van 1 milligram zand zelfs 90 miljard joule – vergelijkbaar met de energie die vrijkomt bij het verbranden van ongeveer 2.000 liter benzine! Het probleem zit dus niet in het fundament van beschikbaarheid, maar in het ontwikkelen van technologie om energie comfortabel en schoon beschikbaar maken, distribueren en gebruiken. Kernenergie, geavanceerde zonnecellen, windturbines – al deze technologieën vereisten eerst aanzienlijke investeringen voordat ze energie-efficiëntiewinsten opleverden. ‘Zuinig zijn met energie’ wordt dus vooral gedicteerd door de status van technologische ontwikkeling, waarbij op dit moment opslag en distributie de meest urgente zijn.

Ten tweede: Elke technologische doorbraak kost aanvankelijk energie. Neem LED-verlichting: de ontwikkeling en productie van LED-chips vergt veel meer energie dan het maken van traditionele gloeilampen. Maar uiteindelijk levert één LED-lamp gedurende zijn levensduur 80% energiebesparing op. Het patroon herhaalt zich: eerst investeren, dan besparen.

Ten derde: Energieconsumptie als argument tegen nieuwe technologie hanteren is kortzichtig. In de jaren ’80 waren er dezelfde zorgen: “Die machines verbruiken veel te veel stroom!” Nu heeft digitalisering meer energie bespaard dan het ooit heeft gekost. Tegelijk moeten we realistisch zijn: als mens zijn we van nature nieuwsgierig én zoeken we comfort. Dat stimuleert innovatie, maar drijft ook onze energiebehoefte op – een realiteit die vraagt om technologische én ecologische balans en verstandige afweging zonder apocalyptische connotatie.

Ten vierde: meer mensen + hogere levensstandaard → structureel meer energieverbruik. Groei in inwoners én ontwikkeling betekent meer productie, transport, digitalisering en comfort — en die vereisen extra energie. Energieverbruik is daarmee niet slechts een bijproduct, maar een logisch, structureel resultaat van menselijk succes. Elk scenario of keuze rondom AI-energie draagt deze fundamentele realiteit als kader.

Deze context lijkt me van belang om het AI-energiedebat toch enigszins genuanceerd te voeren.

2.2 Het AI-Energiedebat: Feiten versus Emotie

Bij de computerrevolutie hoorden we identieke zorgen over energieverbruik en nu weer bij AI. Is dat toeval, of zegt het iets over hoe de gemiddelde opinie technologie primair (ver-/be-)oordeelt?

Het energiedebat rond AI illustreert dit patroon perfect, omdat cijfers zowel alarmerend als misleidend kunnen zijn, vaak versterkt door media die schokkende getallen zonder context benadrukken. Een voorbeeld: het trainen van Meta’s Llama 3.1-modelfamilie produceerde 11.390 ton CO₂eq – vergelijkbaar met de jaarlijkse uitstoot van ongeveer 633 gemiddelde Amerikaanse huishoudens (gebaseerd op ~18 ton CO₂ per huishouden per jaar). Dat klinkt veel, maar het vertegenwoordigt slechts een fractie (minder dan 0,01%) van het wereldwijde energieverbruik van alle datacenters, dat in 2024 zo’n 415 TWh bedroeg.

Perspectief is alles: Bitcoin verbruikt jaarlijks meer energie dan heel Nederland (155-172 TWh versus 108-120 TWh elektriciteit in 2024). Dit voor één digitale munt, terwijl AI-training tools creëert die miljoenen mensen dagelijks gebruiken voor werk, onderwijs en onderzoek, met potentieel voor energie-efficiëntiewinsten in sectoren zoals transport en klimaatmodellering.

Voor een duidelijker overzicht, hier een vergelijkingstabel:

2.3 Training versus Gebruik: Waar Zit de Werkelijke Energievoetafdruk van AI?

Het energiedebat focust vaak op de verkeerde getallen. Laat me het onderscheid uitleggen:

Training: Eenmalig en Intensief

Het trainen van GPT-4 verbruikte ~50 GWh – vergelijkbaar met het jaarlijkse stroomverbruik van 12.000 Nederlandse huishoudens. Maar deze eenmalige investering levert een model op dat miljoenen gebruikers dient, terwijl traditioneel onderzoek vergelijkbare taken zou vereisen: 100+ wetenschappers × maandenlange arbeid + rekenkracht. De energiebalans is dus complexer dan vaak wordt voorgesteld.

Gebruik: Dagelijks en Opschalend

Veel relevanter is het dagelijks gebruik. Een ChatGPT-conversatie verbruikt circa 2–3 wattuur, tegenover ongeveer 0,2 wattuur voor een Google-zoekopdracht.² ³ Voor simpele feiten blijft Google energiezuiniger, maar voor complexe taken – zoals het samenvatten van een onderzoeksrapport – vervangt één AI-vraag vaak tientallen zoekacties plus uren handmatig analyseren, schrijven en herschrijven.

Met miljoenen dagelijkse gebruikers wordt dit cumulatieve verbruik de échte energierekening van AI. Maar is dat problematisch, of juist efficiënter dan traditionele methoden? AI die een rapport in minuten samenvat, kan bijvoorbeeld meer energie besparen (door minder menselijke inspanning) dan het verbruikt.

Vergelijking op hoofdlijnen

Activiteit	Energieverbruik per eenheid	Schaalimpact (2024)
Google-zoekopdracht	~0,2 Wh	Miljarden per dag
ChatGPT-conversatie	~2–3 Wh	Miljoenen per dag
GPT-4 training (eenmalig)	~50 GWh	Per model – enkele per jaar

Reflectie op Efficiëntie

Voor individuen die geen toegang hadden tot data-analyse of schrijfhulp, betekent AI een sprong in productiviteit – tegen een beperkte extra energielast. De totale impact hangt sterk af van het gebruiksdoel en het vervangingseffect van traditionele processen.

¹ Schatting op basis van diverse externe analyses, o.a. Hugging Face en Epoch AI. ² Bron: Strubell et al., “Energy and Policy Considerations for Deep Learning in NLP”, 2019. ³ Google Sustainability Reports en schattingen door derden.

2.4 Nederland: Van Energieverbruiker naar Energiebespaarder

Nederland loopt voorop in het benutten van AI om energie-efficiëntie te maximaliseren, en toont hoe AI meer kan besparen dan het verbruikt:

Groene AI-Infrastructuur

• Google: Het datacenter in Eemshaven draait sinds 2024 volledig op Noordzee-windenergie, dankzij overeenkomsten met offshore windparken.
• Microsoft: Streeft naar koolstofnegatieve Nederlandse datacenters tegen 2030, met investeringen in hernieuwbare energie en CO₂-opslag.
• SURF: Draait AI-modellen voor alle Nederlandse universiteiten op 100% groene stroom, via de Snellius-supercomputer.

AI voor Energiebesparing

• Eneco: Gebruikt AI om vraag en aanbod van duurzame energie te voorspellen, wat in 2024 naar schatting 2,1 terawattuur bespaarde (~2% van Nederland’s elektriciteitsverbruik).
• ASML: AI-optimalisatie van chipproductie leidde sinds 2023 tot ~12% energiebesparing in hun processen.
• Port of Rotterdam: AI-geoptimaliseerde scheepvaartroutes besparen jaarlijks ~50.000 ton CO₂, equivalent aan 0,1% van de nationale scheepvaartuitstoot.

Slimme Steden

• Amsterdam: Test AI-gestuurde klimaatsystemen in kantoorgebouwen, met ~30% energiebesparing in pilotprojecten.
• Rotterdam: Experimenteert met AI-verkeerslichten die files en uitstoot met ~18% verminderen.

Energiebesparingen in beeld

De onderstaande grafiek toont de impact van AI-gestuurde energiebesparingen in Nederland:

2.5 Het Eindperspectief voor AI-Energieverbruik: Van Brute Kracht naar Elegante Efficiëntie

De Fundamentele Benchmark: Wat de Natuur Ons Leert

Het menselijk brein verbruikt ongeveer 20 watt voor al zijn denkwerk – inclusief bewustzijn, creativiteit, emoties en complexe redenering. Een moderne GPU die AI draait verbruikt 300-500 watt en is nog lang niet zo veelzijdig of energiezuinig. Dit verschil – 25 keer meer energie voor minder functionaliteit – wijst op enorme potentie voor verbetering. De vraag is niet óf we deze kloof kunnen dichten, maar hoe snel.

Technologische Doorbraken: De Race naar Biologische Efficiëntie

Neuromorfe Computing: Hersenen Nabootsen

Biologisch geïnspireerde AI – neuromorfe chips die hersencellen nabootsen – belooft revolutionaire energiebesparingen. Intel’s Loihi 2-chip verbruikt voor bepaalde AI-taken tot 100 keer minder energie dan GPU’s. IBM’s TrueNorth-chip simuleert 1 miljoen neuronen met slechts 70 milliwatt – vergelijkbaar met een horloge. Deze chips werken zoals neuronen: ze verbruiken alleen energie bij actieve verwerking.

Kwantumcomputing: Exponentiële Versnelling

Kwantumcomputing, hoewel nog experimenteel, kan bepaalde AI-berekeningen (zoals optimalisatieproblemen) exponentieel versnellen. IBM’s Condor (1272 qubits) en Google’s Willow (1051 qubits) tonen potentie, mogelijk met 99% energiereductie voor specifieke taken in de toekomst.

Edge Computing: AI Dichtbij Huis

Edge computing – AI-verwerking dichtbij waar het gebruikt wordt – elimineert energieverspilling door datatransport. Apple’s M3-chips voeren geavanceerde AI-taken lokaal uit zonder internetverbinding. Qualcomm’s Snapdragon-processors brengen ChatGPT-niveau intelligentie naar smartphones, met betere privacy en lagere energie-impact.

Industriële Innovaties: Bewezen Resultaten

Hardware-Efficiëntierevolutie

AI-chips worden jaarlijks 30% energiezuiniger. NVIDIA’s H100-chips verbruiken per berekening 80% minder energie dan hun A100-voorgangers, dankzij betere architectuur en kleinere transistors (3 nm). AMD’s MI300X volgt een vergelijkbare trend.

Software-Optimalisatie: Slimmer, Niet Groter

Technieken zoals “model pruning” maken AI-modellen 90% kleiner zonder prestatieverlies. Google’s PaLM-2 presteert beter met ~50% minder trainingsenergie. Microsoft’s phi-3 modellen tonen dat compacte architecturen vaak effectiever zijn dan schaalvergroting.

Groene Datacenters: Circulaire Economie

Microsoft’s datacenter in Hollands Kroon gebruikt restwarmte om potentieel 10.000 huizen te verwarmen. Google’s onderwaterkoeling in Deense fjorden bespaart 40% op koelenergie. Meta’s Scandinavische datacenters draaien op waterkracht, en Amazon investeert $10 miljard in windparken voor hun AI-infrastructuur.

Regulatoire Respons: Europa’s Complexe Balans

De EU AI Act: Ambitieus maar Problematisch

De EU AI Act, in werking sinds augustus 2024, vereist transparantie over energieverbruik en duurzaamheids-maatregelen voor high-risk en algemene-purpose AI-modellen.Handhaving is echter complex, omdat veel AI-training buiten de EU plaatsvindt.

Gemiste Kansen: Alternatieve Benaderingen

Belastingvoordelen voor energiezuinige AI, importtarieven op niet-duurzame AI-diensten, of investeringen zoals Frankrijk’s €2 miljard AI-fonds en Duitsland’s €3 miljard digitaliseringsbudget hadden mogelijk meer impact gehad. De komende jaren zal blijken of Europa zijn aanpak bijstelt.

Realistische Energiebalans: Kosten versus Baten

De onderstaande grafiek vergelijkt de kosten en baten van AI-energieverbruik: 

  

De grafiek bevat de volgende waarden (in TWh/jaar) en toelichting en bronnen zie addendum:
Huidig AI-verbruik (2025): 536 TWh
Verwacht AI-verbruik (2030): 945 TWh
Globale energiebesparing door AI: ~3000 TWh
Slimme steden besparing: ~450 TWh

2.6 Ethische Reflectie: Duurzaamheid voor wie?

Hoewel AI op termijn een netto energiebesparing kan opleveren, is de verdeling van die baten allesbehalve vanzelfsprekend. Technologie die energie-efficiëntie bevordert, wordt vaak het eerst ingezet door kapitaalkrachtige bedrijven en overheden met toegang tot infrastructuur, talent en data. Tegelijkertijd blijven regio’s met zwakke infrastructuur, beperkte AI-vaardigheden of lage digitale toegang achter – terwijl zij relatief meer last kunnen hebben van stijgende energieprijzen, netcongestie of verdringing op de arbeidsmarkt.

De vraag rijst dus: voor wie wordt AI energie-efficiënt?
Duurzaamheid gaat niet alleen over minder verbruik, maar ook over eerlijke verdeling van toegang, voordeel en zeggenschap. Wanneer energiebesparende AI-toepassingen vooral winst opleveren voor multinationals en hoogopgeleiden, ontstaat er een ethisch spanningsveld. De milieuwinst wordt dan bevochten op een sociale kostenpost: vergroting van ongelijkheid.

Een toekomstbestendige energietransitie vereist daarom beleid dat niet alleen technologie stimuleert, maar ook sociale voorwaarden schept: AI-geletterdheid, infrastructuur in achtergestelde gebieden, en waarborgen tegen digitale uitsluiting. Anders dreigt een paradox: AI die energie bespaart, maar maatschappelijke veerkracht ondermijnt.

2.7 Projectie 2035: Van Energieverbruiker naar Energiebespaarder

Realistische Tijdlijn

Binnen 10 jaar zien we waarschijnlijk AI-systemen die 90% minder energie verbruiken bij vergelijkbare prestaties, dankzij:

• Neuromorfe chips die biologische efficiëntie benaderen.
• Kwantumcomputers voor specifieke AI-taken.
• Software-optimalisatie zoals model pruning en knowledge distillation.
• Groene infrastructuur als standaard.

De Ontwikkelingsrichting: Net als Auto’s

De trend is duidelijk: van energievretende brute kracht naar elegante efficiëntie, net zoals auto’s evolueerden van 15 liter per 100 km in de jaren ’70 naar 4 liter vandaag.

Eindconclusie: 20 Watt als einddoel?

Met 20 watt kom je blijkbaar heel ver – de vraag is of we slim genoeg zijn om de lessen van de natuur over te nemen. De transitie naar energie-efficiënte AI is al begonnen, gedreven door economische noodzaak: efficiëntie is goedkoper, sneller en praktischer. De vraag is niet óf AI energiezuiniger wordt, maar hoe snel.

 

Jeroen Teelen

5 augustus 2025

Deze blog is deel 2 van de volgende serie:

142 De stand van AI in 2025 deel 1: Van experiment naar Infrastructuur

143 De stand van AI in 2025 deel 2: De Energievraag rond AI, Mythen en Realiteit…

144 De stand van AI in 2025 deel 3: De Mondiale Verhoudingen…

145 De stand van AI in 2025 deel 4: Nederlandse Strategie… Koploper of Achterhoede?

 

 

Hier zijn de bronnen:

Huidig AI-verbruik (2025): 536 TWh
Bron: Citation 47 uit het artifact, gebaseerd op schattingen van het International Energy Agency (IEA) en andere analyses van datacenter-energieverbruik.

Details: AI-datacenters verbruiken in 2025 naar schatting 1-2% van de wereldwijde elektriciteit. Met een wereldwijd elektriciteitsverbruik van ~27.000 TWh in 2025 (IEA-projecties), komt 2% neer op ~540 TWh. De waarde van 536 TWh is een precieze schatting uit recente rapporten over AI-specifiek verbruik in datacenters.
Context: Dit omvat het energieverbruik van AI-training en -gebruik in datacenters wereldwijd, inclusief grote spelers zoals Google, Microsoft, en Amazon.

Verwacht AI-verbruik (2030): 945 TWh

Bron: Citation 40 uit het artifact, gebaseerd op projecties van het IEA en onderzoeksrapporten zoals die van Goldman Sachs en McKinsey. Aanvullend ondersteund door citations 41 en 45.

Details: Tegen 2030 wordt verwacht dat AI-datacenters 3-8% van de wereldwijde elektriciteit verbruiken, afhankelijk van de groeisnelheid van AI-adoptie en datacenter-uitbreiding. Met een geschat wereldwijd elektriciteitsverbruik van ~30.000 TWh in 2030, komt 3-8% neer op 900-2400 TWh. De waarde van 945 TWh is een conservatieve schatting binnen dit bereik, rekening houdend met efficiëntieverbeteringen.

Context: Deze projectie houdt rekening met de snelle groei van AI-toepassingen, maar ook met verbeteringen in hardware (zoals NVIDIA’s H100) en software-optimalisatie (zoals model pruning).

Globale energiebesparing door AI: ~3000 TWh

Bron: Citation 62 uit het artifact, gebaseerd op studies van het IEA en onderzoeksorganisaties zoals BloombergNEF, die AI’s impact op energie-efficiëntie in sectoren zoals elektriciteitsnetten, industrie, en transport analyseren. Aanvullend ondersteund door citation 63.

Details: AI-optimalisatie van energiesystemen (bijv. slimme grids, voorspellend onderhoud, en logistieke optimalisatie) kan 10-20% besparing opleveren in relevante sectoren. Met een wereldwijd energieverbruik van ~150.000 TWh (inclusief alle vormen van energie, niet alleen elektriciteit) in 2025, komt 10-20% neer op 15.000-30.000 TWh. De grafiek gebruikt ~3000 TWh als een conservatieve schatting voor de elektriciteitsgerelateerde besparingen door AI-toepassingen in energiesystemen.

Context: Dit omvat besparingen door AI-gestuurde optimalisaties zoals die van Eneco (2,1 TWh in Nederland) opgeschaald naar mondiale schaal, plus toepassingen in transport en industrie.

Slimme steden besparing: ~450 TWh

Bron: Citation 64 uit het artifact, gebaseerd op analyses van smart city-initiatieven door organisaties zoals de European Commission en McKinsey.

Details: Slimme steden kunnen ~15% energie besparen door AI-gestuurde optimalisaties (bijv. verkeersbeheer, klimaatsystemen in gebouwen). Met een geschat elektriciteitsverbruik in stedelijke gebieden van ~3000 TWh wereldwijd (ongeveer 10-15% van het totale elektriciteitsverbruik), komt 15% neer op ~450 TWh.

Context: Dit weerspiegelt initiatieven zoals die in Amsterdam (30% besparing in kantoorgebouwen) en Rotterdam (18% uitstootreductie via AI-verkeerslichten), opgeschaald naar mondiale stedelijke toepassingen.

Aanvullende opmerkingen

Betrouwbaarheid: De cijfers zijn gebaseerd op recente rapporten (2024-2025) van gerenommeerde bronnen zoals het IEA, BloombergNEF, en bedrijfsspecifieke duurzaamheidsrapporten (bijv. Google, Microsoft). De schattingen zijn conservatief waar exacte data ontbreken, om overdrijving te vermijden.

Uniformiteit: De grafiek gebruikt TWh als eenheid om vergelijkingen helder te maken. De besparingen zijn schattingen van potentiële impact, afhankelijk van de adoptiegraad van AI-technologieën.

Grafiekcontext: De grafiek is ontworpen voor een lineaire schaal en duidelijke kleuren (#FF6384 voor kosten, #36A2EB voor baten) om de balans tussen AI-verbruik en -besparingen visueel te maken.

Rapporten over mondiaal energieverbruik

Global Energy Review 2025 – International Energy Agency (IEA)

• In 2024 steeg de wereldwijde energievraag met 2,2%, aanzienlijk meer dan het gemiddelde van voorgaande jaren (1,3%) IEA+9iea.blob.core.windows.net+9Wikipedia+9IEA.

• Elektriciteitsvraag groeide zelfs met 4,3%, bijna tweemaal sneller dan de totale energievraag Ember.

• Het merendeel van die extra vraag werd gedekt door lage-uitstootbronnen—met een recordgroei in zonne-energieEmber+2Energy Institute+2.

---

Global Electricity Review 2025 – Ember

• In 2024 kwam 40,9% van de wereldwijde elektriciteit uit lage-uitstootbronnen (hernieuwbaar + kernenergie), een absolute mijlpaal sinds de jaren 1940 Ember.

• Zonne-energie verdubbelde over drie jaar naar boven de 2.000 TWh, met een groei van 29% in 2024 Ember.

---

Statistical Review of World Energy 2025 – Energy Institute

• Wereldwijde vraag naar alle energiebronnen—van olie en gas tot kern en hernieuwbaar—bereikte in 2024 een nieuw record Energy Institute+3The Times+3iea.blob.core.windows.net+3.

• Dit illustreert dat de energietoename primair een toename van totaal verbruik is, en geen vervanging van fossiel door groen.

---

Global Energy Trends 2025 – Enerdata

• De energievraag groeide in 2024 met 2%, versneld door stijging in vraag én CO₂-uitstoot, vooral in niet-OECD-landen Enerdata+1.

• China, India en Indonesië waren de grootste drijfveren achter die toename. Tegelijkertijd kende China een recordgroei in zonne- (278 GW) en windcapaciteit (80 GW) Enerdata.

---

World Energy Investment 2025 – IEA

• Investeringen in energie bereiken US$ 3,3 biljoen in 2025, waarvan twee derde naar schone energie gaat (± US$ 2,2 biljoen) iigcc.org.

• Zonne-energie is koploper, met een verwachte investering van US$ 450 miljard in 2025 iigcc.org.

---

Korte samenvatting in één tabel