Hoe betalen we de steeds hogere rekening van kunstmatige intelligentie?

Tegen 2030 zullen de datacentra die kunstmatige intelligentie aandrijven wereldwijd 945 terawattuur aan elektriciteit verbruiken. Dat is bijna drie keer het gezamenlijke jaarlijkse elektriciteitsverbruik van Pakistan, Bangladesh en Nigeria, landen waar samen meer dan 650 miljoen mensen wonen. De bijbehorende watervoetafdruk is gelijk aan de basiswaterbehoefte van alle 1,3 miljard mensen in Sub-Saharaans Afrika voor een heel jaar. En de grondvoetafdruk zal meer dan 14.500 vierkante kilometer beslaan, ruwweg twee keer de metropolitane regio Jakarta, een stad waar meer dan 32 miljoen mensen leven.

Dit zijn de schokkende conclusies van een nieuw rapport van het United Nations University Institute for Water, Environment and Health (UNU-INWEH), getiteld Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints. Wetenschappers waarschuwden eerder al voor de uitstoot van broeikasgassen door datacentra, maar de VN-onderzoekers stellen nu dat de milieuketen van AI en datacentra niet begrepen kan worden als je alleen naar CO2-uitstoot kijkt. Ze brengen voor het eerst de koolstof-, water- en grondvoetafdruk van het mondiale elektriciteitsverbruik van AI in kaart en laten zien hoe enorm die verschillen tussen de twintig grootste datacentralocaties ter wereld.

“Dit rapport is geen pleidooi tegen kunstmatige intelligentie, een technologische omwenteling die het leven van miljarden mensen verbetert,” zegt Professor Kaveh Madani, directeur van UNU-INWEH en leider van het onderzoeksteam. “Het is een oproep om AI verantwoord in te zetten en de onbedoelde gevolgen proactief aan te pakken, zodat het duurzaam en rechtvaardig wordt. We hebben een smal venster om ervoor te zorgen dat de ruggengraat van de technologische revolutie van onze tijd zich ontwikkelt binnen de planetaire grenzen.”

Eén maatstaf is niet genoeg

Het rapport stelt vast dat de milieukosten van AI systematisch verkeerd worden gemeten. De meeste bestaande analyses richten zich op de CO2-uitstoot van het trainen van grote modellen. Maar elk kilowattuur dat wordt gebruikt om een AI te trainen of te draaien brengt ook een watervoetafdruk met zich mee, voor koeling en energieopwekking, en een grondvoetafdruk, voor energieinfrastructuur en toeleveringsketens. Die drie voetafdrukken bewegen niet in dezelfde richting. Overstappen van kolen naar bio-energie kan de koolstofvoetafdruk van elektriciteit gemiddeld met 70 procent verlagen, maar tegelijkertijd de watervoetafdruk meer dan dertig keer en de grondvoetafdruk maar liefst honderd keer vergroten. “Koolstofarm” is dus niet automatisch “waterarm” of “landarm”. Wie AI-duurzaamheid beoordeelt via één enkel getal, verbergt uitruilen en verschuift milieulasten naar regio’s die al kampen met water- of landstress.

De cijfers worden ook op infrastructuurniveau snel indrukwekkend. Wereldwijde datacentra verbruikten in 2025 naar schatting 448 terawattuur aan elektriciteit. Als ze een land zouden zijn, zouden ze de elfde grootste elektriciteitsverbruiker ter wereld zijn, net achter Frankrijk en net voor Saudi-Arabië.

“Wat ons het meest verraste, is hoe vaak de keuzes die er het groenst uitzien vanuit koolstofperspectief, slechter blijken te zijn voor water of voor land,” zegt Dr. Miriam Aczel, hoofdauteur van het rapport. “Als we AI-duurzaamheid blijven beoordelen op basis van koolstof alleen, denken we misschien dat hernieuwbare energie de AI-infrastructuur schoon maakt. Maar dat lost één probleem op terwijl het andere problemen creëert, vaak op plekken die daar niet om hebben gevraagd.”

Niet het trainen, maar het gebruik vreet energie

Het publieke debat is lange tijd gedomineerd door de energie die nodig is om grote modellen te trainen. Het trainen van GPT-3 vereiste naar schatting 1,3 gigawattuur aan elektriciteit, terwijl GPT-4 vermoedelijk tussen de 50 en 70 gigawattuur verbruikte. Maar dit beeld is achterhaald. Zodra een model is uitgerold, wordt inference, het continu draaien van modellen om dagelijkse gebruikersvragen te beantwoorden, de dominante kostenpost: goed voor 80 tot 90 procent van het totale energieverbruik van AI. ChatGPT alleen al verwerkt naar schatting zo’n 2,5 miljard prompts per dag, wat neerkomt op ongeveer 383 gigawattuur per jaar voor één enkel product. Om de bijbehorende CO2-uitstoot te compenseren, zouden 2,6 miljoen boomzaailingen tien jaar lang moeten groeien, genoeg bomen om een oppervlakte ter grootte van Manhattan te bedekken.

Video genereren is een opkomende milieucrisis

Niet elke vraag aan een AI-systeem kost evenveel energie. Een gemiddelde chatgespreksvraag vraagt ongeveer 200 keer meer energie dan een eenvoudige tekstclassificatie. Het genereren van één AI-afbeelding vraagt zo’n 1.450 keer zo veel als die basishandeling. Een korte AI-gegenereerde video kan evenveel elektriciteit verbruiken als 200.000 spam-classificaties. De keuze voor een model, de lengte van een prompt, het uitvoerformaat en de resolutie bepalen allemaal de voetafdruk. Toch worden de meeste van deze beslissingen onzichtbaar genomen, door standaardinstellingen van producten die de gebruiker nooit te zien krijgt.

Het rapport wijst ook op het zogenaamde rebound-effect, ook wel de Jevons Paradox genoemd. Naarmate modellen efficiënter worden, worden ze goedkoper en worden ze vaker gebruikt. Zonder expliciete limieten op tokens, resolutie of standaarduitvoerlengte worden efficiëntieverbeteringen op het niveau van een individuele query eenvoudigweg tenietgedaan door de groei in volume.

“Veel mensen denken dat de milieuvoetafdruk van AI kleiner wordt naarmate de technologie verbetert en processen efficiënter worden,” zegt Professor Madani, die onlangs werd uitgeroepen tot laureaat van de Stockholm Water Prize 2026. “Maar dat is slechts een gedeeltelijk beeld van het totale probleem. Efficiëntere en goedkopere AI en energie betekenen meer AI-gebruik, waardoor de totale voetafdruk veel groter wordt dan wat we besparen door efficiëntiewinst.”

De lasten liggen hier, de voordelen liggen elders

De voordelen en lasten van de massale wereldwijde uitbreiding van AI zijn sterk ongelijk verdeeld. In Ierland waren datacentra in 2023 goed voor 21 procent van het totale gemeten elektriciteitsverbruik, meer dan alle stedelijke huishoudens samen. De nationale netbeheerder heeft nieuwe goedkeuringen rondom Dublin opgeschort tot 2028. Ierland is daarmee een concreet, gedocumenteerd voorbeeld van wat er gebeurt als de groei van AI-infrastructuur de energieplanning voorbijloopt.

In Querétaro, Mexico, doet de groei van computerinfrastructuur een beroep op watervoorraden te midden van aanhoudende droogte. In Uruguay vielen plannen voor een waterintensief datacentrum samen met een droogte in 2023 die de zoetwaterreserves van Montevideo uitputte en het kraanwater onveilig maakte om te drinken.

Bovendien kan AI-infrastructuur tegen 2030 tot 2,5 miljoen ton elektronisch afval per jaar genereren, waarvan een groot deel wordt verwerkt in lage-inkomenslanden met beperkte veiligheidswaarborgen, terwijl kritieke mineralen worden gewonnen in gebieden met zwak milieutoezicht.

“Als je in kaart brengt waar datacentra worden gebouwd tegenover waar de waterstress het grootst is, zie je in sommige gevallen dezelfde regio’s opduiken,” zegt Dr. Mir Matin, coauteur van het rapport. “En de gemeenschappen die bij deze locaties wonen, zijn niet noodzakelijkerwijs degenen die de AI gebruiken die er wordt gedraaid. Die asymmetrie is het probleem. Zonder dat op te lossen, herhalen we gewoon oudere patronen, waarbij sommige plaatsen de kosten dragen en andere plaatsen de voordelen plukken.”

90 procent van de AI-rekenkracht zit in twee landen

Terwijl AI-infrastructuur gepaard gaat met milieukosten, brengt ze ook grote economische, veiligheids- en soevereiniteitsvoordelen met zich mee, wat rijkere landen ertoe aanzet om meer datacentra te bouwen. Slechts 32 landen ter wereld herbergen AI-gespecialiseerde datacentra, en 90 procent van die capaciteit is geconcentreerd in slechts twee landen: de Verenigde Staten en China. Meer dan 150 landen hebben momenteel weinig of geen toegang tot soevereine AI-rekenkracht. Het rapport beschouwt dit niet alleen als een economische kloof, maar als een kwestie van milieugerechtg: uitgesloten landen dragen de lasten van de winning van kritieke mineralen en elektronisch afval, terwijl de strategische voordelen elders naartoe vloeien.

“Het mondiale systeem dat kunstmatige intelligentie bouwt, moet het ook duurzaam en eerlijk besturen,” zegt Professor Tshilidzi Marwala, rector van de United Nations University. “De geconcentreerde ontwikkeling van AI-infrastructuur in de bevoorrechte delen van de wereld creëert een grote digitale kloof die een grote uitdaging vormt voor de rechtvaardige ontwikkeling van AI. Of AI dit op eerlijke wijze doet, is nu een bestuursvraag, geen technische.”

Wat moet er veranderen?

Het rapport roept op tot een verantwoord AI-ecosysteem gebaseerd op zes principes: transparantie, efficiëntie by design, gelijkheid en milieugerechtg, levenscyclusverantwoordelijkheid, mondiale samenwerking en duurzaam gebruik.

Overheden moeten AI-infrastructuur integreren in energie-, water- en ruimtelijke planning, en gestandaardiseerde rapportage van milieuvoetafdrukken verplicht stellen. De industrie moet modelkeuze, standaarduitvoer en routeringsbeslissingen behandelen als bepalende factoren voor de voetafdruk. Gebruikers en organisaties die AI inzetten, moeten kiezen voor het lichtste model en het energiezuinigste formaat dat bij de taak past. Investeerders moeten elektriciteits-, koolstof-, water- en grondvoetafdrukken behandelen als materiële risico’s in hun AI-infrastructuurportefeuilles. En gemeenschappen en maatschappelijke organisaties moeten vroeg worden betrokken bij beslissingen over de vestiging van datacentra, met afdwingbare transparantie en klachtenmechanismen.

De boodschap van het rapport is uiteindelijk constructief: het is mogelijk om AI te laten groeien binnen planetaire grenzen. Maar dat vereist meting, transparantie en gedeelde verantwoordelijkheid door het hele ecosysteem heen. Capability en rentmeesterschap kunnen samen groeien. Al is dat niet vanzelfsprekend.