AI wordt vaak in één adem genoemd met torenhoge energierekeningen en gigantische rekencentra. En niet zonder reden: het trainen van grote modellen en het draaien van AI-workloads vraagt om enorme hoeveelheden rekenkracht – en dus stroom. Maar diezelfde AI biedt ook oplossingen om duurzamer met digitale infrastructuur om te gaan.
Het publieke debat over AI en duurzaamheid draait momenteel vooral om de negatieve impact. Datacenters die nauwelijks ruimte hebben voor nieuwe AI-racks, exponentieel stijgende GPU-verkoop, en klimaatrapporten die waarschuwen voor de footprint van een enkele AI-query. De zorgen zijn terecht, zeker als AI zonder beleid of begrenzing wordt uitgerold. Maar AI is niet alleen een energieconsument; het is ook een optimalisatiemachine. Goed ingezet, kan het helpen bij energiemanagement, workloadverdeling, efficiënter databeheer en zelfs reductie van hardwarebehoefte.
AI als energieorakel: voorspel wat je verbruikt
Eén van de meest directe toepassingen van AI in het kader van duurzaamheid is energievoorspelling. In moderne datacenters en cloudomgevingen wordt AI ingezet om het verbruik van systemen nauwkeurig te voorspellen – tot op rackniveau. Op basis van historische patronen, externe factoren (zoals weersomstandigheden) en realtime gebruiksdata, kunnen AI-modellen inschatten wanneer de energievraag toeneemt en waar het verbruik piekt. Operators kunnen daarmee bijvoorbeeld koeling proactief aanpassen of workloads slim spreiden.
Sommige hyperscalers, zoals Microsoft en Google, gaan nog een stap verder. Die gebruiken AI om workloads te plannen op basis van de beschikbaarheid van groene stroom. Als het aanbod van zonne- of windenergie op een bepaald moment hoger is, wordt het dataverkeer automatisch verplaatst naar regio’s waar de energiemix op dat moment duurzamer is. Deze zogeheten carbon-aware scheduling is nog in ontwikkeling, maar toont hoe AI kan helpen om digitale processen af te stemmen op de fysieke wereld.
Slimmer dataverkeer = minder verspilling
AI kan ook helpen bij het sturen en filteren van datastromen zelf. In veel organisaties worden enorme hoeveelheden gegevens verzameld, verstuurd en opgeslagen, vaak zonder duidelijke bestemming of nut. Denk aan logdata, sensordata of videostreams van camera’s die nooit bekeken worden. Door AI toe te passen op het punt van binnenkomst, kun je deze data beoordelen op relevantie, urgentie en context. Onbelangrijke of irrelevante informatie kan worden genegeerd of alleen in samengevatte vorm worden opgeslagen. Zogeheten intelligent edge processing speelt hier een sleutelrol: AI draait direct op edge-devices, zoals gateways of routers, en maakt daar al de eerste selectie.
Een voorbeeld: een logistiek bedrijf gebruikt camera’s en sensoren om vrachtbewegingen te volgen. In plaats van alle beelden live door te sturen naar het datacenter, analyseert AI ter plekke of er afwijkingen of incidenten zijn. Alleen die fragmenten worden verzonden. Het resultaat: 85% minder dataverkeer en lagere opslaglasten.
Predictive cooling en AI-gestuurde koelsystemen
Koeling is een van de grootste energieverbruikers in datacenters. Vooral bij AI-gerelateerde workloads, die veel hitte genereren, zijn traditionele koelsystemen soms onvoldoende efficiënt. Steeds vaker worden koelsystemen uitgerust met AI die op basis van hitteprofielen, rackdata en luchtstromen de koeling dynamisch aanpast. In plaats van een constante stroom koude lucht, kijkt het systeem welke delen van de ruimte op dat moment de meeste koeling nodig hebben en hoeveel precies.
Deze predictive cooling leidt tot flinke besparingen. Schneider Electric en Vertiv claimen bij proefopstellingen besparingen van 15 tot 25% op het energieverbruik van koeling, dankzij AI-gestuurde optimalisatie. Ook nieuwe technologieën, zoals vloeistofkoeling, profiteren van AI. De combinatie van sensoren en slimme algoritmes zorgt ervoor dat vloeistoffen op het juiste moment, met de juiste snelheid en temperatuur door systemen worden gepompt, zonder menselijke tussenkomst.
AI op de werkvloer: minder rekenkracht, meer efficiëntie
AI inzetten voor duurzaamheid betekent niet alleen processen automatiseren, maar ook kritisch kijken naar hoe AI zelf wordt ingezet. Veel modellen worden getraind op enorme hoeveelheden data, terwijl kleinere, getunede modellen vaak volstaan. De opkomst van zogeheten small language models (SLM’s) is hier een goed voorbeeld van. Deze compacte AI-modellen zijn getraind op specifieke taken of domeinen en draaien lokaal op energiezuinige hardware. Voor veel toepassingen, zoals chatbots, workflowautomatisering of documentanalyse, bieden ze vergelijkbare prestaties als hun grote broers, maar met een fractie van het energieverbruik.
Organisaties die AI willen inzetten op een duurzame manier, moeten dus niet alleen kijken naar waar ze de modellen draaien (bijvoorbeeld in groene cloudregio’s), maar ook naar welke modellen ze kiezen, hoe vaak ze inference uitvoeren, en of resultaten lokaal kunnen worden gecached in plaats van elke keer opnieuw berekend.
Van verspilling naar voorspelling
De kracht van AI ligt in het vermogen om te voorspellen en bij te sturen. In plaats van reactief managen, kun je met AI anticiperen op verbruik, vervuiling en belasting. En dat gaat verder dan alleen IT. Zo worden er inmiddels AI-systemen ingezet om duurzaamheidsdoelen te monitoren, ESG-rapportages te automatiseren, of milieueffecten van supplychains in kaart te brengen. Wat dat betreft is AI niet alleen een technologisch hulpmiddel, maar ook een bestuursinstrument.
Dat AI ook zélf veel energie verbruikt, kan niet worden gebagatelliseerd. De opmars van generatieve modellen de laatste paar jaar heeft het energieverbruik van sommige cloudomgevingen verdubbeld. Zonder duidelijke strategie dreigt AI meer problemen te veroorzaken dan op te lossen. Daarom is er steeds meer aandacht voor AI-governance, waarbij duurzaamheid wordt meegenomen in de keuze, inrichting en toepassing van AI-systemen. Bedrijven als IBM, SAP en Capgemini bieden inmiddels tools en frameworks om AI duurzaam en ethisch verantwoord te implementeren.
AI als groene versneller – als je het goed aanpakt
AI is niet per se een vijand te zijn van duurzaamheid. Sterker nog: mits goed ingezet kan het een katalysator zijn voor efficiëntere, slimmere en energiezuinigere IT-processen. Maar dat vereist wél de nodige visie. Niet elke AI-oplossing draagt bij aan een groenere toekomst. De kunst is om te kiezen voor toepassingen die het energieverbruik helpen reduceren in plaats van vergroten. En daarbij hoort ook de bereidheid om niet alles te automatiseren ‘omdat het kan’, maar juist te kijken naar wat écht waarde toevoegt.
