De verborgen klimaatrekening van AI: wat jouw chatgesprek met energie te maken heeft

Je stelt een vraag aan ChatGPT. Ergens draait een server op volle toeren.

Elke keer dat je een prompt intypt, een afbeelding laat genereren of een document laat samenvatten, gebeurt er iets wat je niet ziet: servers in een datacenter draaien op volle kracht, koelsystemen werken overuren, en elektriciteit stroomt door kilometers kabel. AI voelt lichter dan een fysiek product, maar heeft wel degelijk een materiële voetafdruk. En die groeit hard.

De klimaatrekening van AI is geen sciencefiction-scenario meer. Het is een realiteit waar bedrijven, overheden en gebruikers steeds vaker mee geconfronteerd worden. Tegelijk biedt AI ook kansen om juist duurzamer te worden. Maar dan moeten we eerst begrijpen wat er precies speelt.

Training kost veel meer energie dan je denkt

Als je leest over een nieuw taalmodel dat wordt gelanceerd — denk aan GPT-4, Claude of Gemini — zie je meestal demonstraties van wat het model kan. Wat je niet ziet: de maanden aan rekenkracht die nodig waren om dat model te trainen.

Training van een groot taalmodel vraagt om duizenden GPU's die weken- of maandenlang op volle capaciteit draaien. Volgens onderzoek van de Universiteit van Massachusetts Amherst kan het trainen van één groot AI-model evenveel CO₂-uitstoot veroorzaken als vijf auto's gedurende hun hele levensduur — inclusief productie. Dat is geen verwaarloosbaar detail.

De exacte cijfers zijn lastig te achterhalen, omdat veel AI-bedrijven hun energieverbruik niet openbaar maken. Maar wat we wel weten: hoe groter het model, hoe meer parameters, hoe meer rekenkracht nodig is. En die trend gaat omhoog. Modellen worden niet kleiner, ze worden steeds krachtiger — en dat heeft een prijs.

Inference: ook jouw dagelijkse vraag telt mee

Maar training is maar één kant van het verhaal. Misschien wel belangrijker op de lange termijn: inference — het moment waarop een getraind model jouw vraag beantwoordt. Elke keer dat je een tool gebruikt, moet een server ergens ter wereld werk verzetten.

Één zoekopdracht via een traditionele zoekmachine kost weinig energie. Maar één AI-gegenereerde tekst, beeld of video? Dat kost een veelvoud daarvan. Volgens schattingen van onderzoekers kan een AI-zoekopdracht 4 tot 5 keer meer energie kosten dan een gewone zoekopdracht. Vermenigvuldig dat met miljoenen gebruikers per dag, en je begint het probleem te zien.

Dat betekent niet dat je AI moet vermijden. Maar het betekent wel dat schaalgebruik ertoe doet. Een bedrijf dat AI inzet voor duizenden medewerkers, verbruikt ook duizenden keren die energie. En dat stapelt op.

Datacenters: de onzichtbare energieslurpers

Achter elke AI-tool staan datacenters — enorme gebouwen vol servers die 24/7 draaien. Die servers produceren warmte, en die warmte moet weer worden afgevoerd met koeling. Volgens het Internationaal Energieagentschap (IEA) is het wereldwijde elektriciteitsverbruik van datacenters de afgelopen jaren sterk gestegen, mede door de groei van AI.

In sommige landen staan datacenters onder druk om transparanter te zijn over hun energiebronnen. In Nederland bijvoorbeeld, waar veel grote datacenters staan, is er discussie over hoeveel stroom ze van het net mogen halen — en of die stroom wel hernieuwbaar is. Niet elk datacenter draait op wind- of zonne-energie. Sommige gebruiken nog steeds fossiele brandstoffen, of vragen stroom van een net dat niet volledig groen is.

Dat maakt het lastig om te zeggen: "AI is slecht voor het milieu" of "AI is groen". Het hangt af van wáár die AI draait, op welke servers, met welke energiebron. Maar de realiteit is: de vraag naar rekenkracht groeit sneller dan de infrastructuur voor groene energie kan bijbenen.

Is er zoiets als 'groene AI'?

Gelukkig zijn er ook positieve ontwikkelingen. Een aantal bedrijven werkt aan efficiëntere modellen — modellen die minder parameters gebruiken, slimmer getraind worden, of alleen worden ingezet wanneer het echt nodig is. Denk aan kleinere, gespecialiseerde modellen die niet alles hoeven te kunnen, maar wel goed zijn in één taak. Die verbruiken minder energie dan een alleskunner.

Daarom zie je ook steeds vaker dat bedrijven kiezen voor lokale of edge AI — AI die draait op je eigen apparaat in plaats van in de cloud. Een voorbeeld: een stem-assistent op je telefoon die offline werkt, zonder dat elke vraag naar een datacenter hoeft. Dat scheelt energie én privacy.

Een andere beweging: carbon-aware computing. Sommige systemen plannen rekenintensieve taken op momenten dat er veel hernieuwbare energie beschikbaar is — bijvoorbeeld overdag, als de zon schijnt. Dat is geen wonderoplossing, maar het helpt wel om de uitstoot te spreiden en te verminderen.

En dan is er nog de rol van AI zelf in duurzaamheid. AI kan bijvoorbeeld helpen om energienetten efficiënter te maken, om uitstoot in fabrieken te verlagen, of om klimaatmodellen nauwkeuriger te maken. Het is niet zwart-wit: AI heeft een voetafdruk, maar kan ook helpen die voetafdruk elders te verkleinen.

Wat betekent dit voor jou als professional?

Als je AI gebruikt in je werk, hoef je niet meteen te stoppen. Maar het is wel zinvol om je bewust te zijn van de keuzes die je maakt. Een paar vragen die je jezelf kunt stellen:

• Heb ik dit model écht nodig? Soms volstaat een simpelere tool, een sjabloon of een kleinere AI. Niet elke taak vraagt om het krachtigste model.

• Kan ik batchgewijs werken? In plaats van tien losse vragen te stellen, kun je soms beter één prompt maken met tien onderdelen. Dat scheelt serverbelasting.

• Weet ik waar mijn tool draait? Sommige aanbieders zijn transparant over hun energiegebruik en compenseren CO₂. Andere niet. Dat mag best een rol spelen in je keuze.

• Kan ik een lokaal alternatief gebruiken? Voor sommige taken — tekstverwerking, data-analyse, eenvoudige automatisering — bestaan tools die lokaal draaien en geen cloudverbinding nodig hebben.

Dat zijn geen verplichte stappen, maar het zijn wel keuzes die op schaal verschil maken. Als duizend bedrijven bewuster omgaan met AI-gebruik, telt dat op.

Regulering en transparantie: er komt meer aandacht

Ook beleidsmakers beginnen dit onderwerp serieus te nemen. In de Europese AI Act — de grote AI-regelgeving die nu van kracht wordt — staat weinig over milieu-impact, maar dat gesprek komt wel op gang. Er is druk op Big Tech om transparanter te zijn over hoeveel energie hun modellen verbruiken.

In de toekomst kun je verwachten dat bedrijven vaker rapporteren over de ecologische voetafdruk van hun AI-systemen. Vergelijkbaar met hoe autofabrikanten verbruikscijfers moeten delen. Dat maakt het voor jou als gebruiker makkelijker om een weloverwogen keuze te maken.

Een nuance om niet te vergeten

Het is verleidelijk om AI af te schilderen als klimaatboeman. Maar vergeet niet: ook traditionele IT, ook niet-AI cloud computing, ook het internet zelf verbruikt energie. AI is niet het enige probleem. En AI kan ook deel van de oplossing zijn — mits we bewust blijven over hoe we het inzetten.

Het gaat niet om stoppen met AI. Het gaat om slimmer gebruiken, efficiënter trainen, en eerlijk zijn over de trade-offs.

Wat kun je morgen doen?

Kies bewust wanneer je AI inzet. Vraag leveranciers naar hun energiebeleid. Gebruik zo mogelijk kleinere modellen of lokale alternatieven. En besef: elke prompt heeft een voetafdruk, al zie je die niet. Dat hoeft geen reden zijn om te stoppen — maar wel om na te denken over hoe en wanneer je AI gebruikt.

Want uiteindelijk bepalen wij, als gebruikers en professionals, de vraag. En vraag stuurt aanbod.