Inleiding: De urgentie van duurzaamheid in het tijdperk van AI

Groene AI vertegenwoordigt een van de meest cruciale paradigma's van 2025 en is een noodzakelijk antwoord op de explosieve groei van kunstmatige intelligentie en de impact ervan op het milieu. Groene AI is milieuvriendelijker en inclusiever dan conventionele AI, omdat het niet alleen nauwkeurige resultaten oplevert zonder de computerkosten te verhogen, maar er ook voor zorgt dat technologische innovatie hand in hand gaat met verantwoordelijkheid voor het milieu.

De urgentie van deze aanpak blijkt uit de meest recente gegevens: volgens MIT News is de energiebehoefte van datacenters in Noord-Amerika gestegen van 2.688 megawatt eind 2022 naar 5.341 megawatt eind 2023, deels onder invloed van de vraag naar generatieve AI. Volgens MIT Technology Review gaat 4,4 procent van alle energie in de VS nu naar datacenters, waarbij de koolstofintensiteit van elektriciteit die door datacenters wordt gebruikt 48 procent hoger is dan het gemiddelde in de VS (volgens een onderzoek van de Harvard T.H. Chan School of Public Health).

De milieu-impact van AI: een zich ontwikkelende crisis

Explosief energieverbruik

De groei van AI heeft geleid tot een dramatische verandering in het wereldwijde energielandschap. Volgens MIT Technology Review zijn datacenters sinds 2018 goed voor 4,4 procent van de totale vraag, tegenover 1,9 procent in 2018. Toekomstvoorspellingen zijn zelfs nog alarmerender: volgens een rapport van het International Energy Agency zal het elektriciteitsverbruik van datacenters in 2030 meer dan verdubbeld zijn.

Generatieve AI-modellen stuwen deze cijfers omhoog. Zoals uitgelicht door MIT News, kan het trainen van een generatief AI-cluster zeven tot acht keer meer energie verbruiken dan een typische computerworkload. Om dit in context te plaatsen: het trainen van GPT-3 verbruikte 1.287 megawattuur elektriciteit (genoeg om ongeveer 120 gemiddelde Amerikaanse huizen een jaar lang van stroom te voorzien) en genereerde ongeveer 552 ton kooldioxide.

De escalatie van hardwarekracht

De race naar steeds krachtigere modellen heeft geleid tot een escalatie in hardwarekracht. Volgens Deloitte verbruikten GPU's voor AI tot 2022 400 watt, terwijl state-of-the-art GPU's voor generatieve AI in 2023 700 watt verbruiken en de volgende generatie chips in 2024 naar verwachting 1.200 watt zal verbruiken. Dit is een exponentiële toename die de wereldwijde energie-infrastructuur onder druk zet.

Hardware-oplossingen voor energie-efficiëntie

Gespecialiseerde chips: De AI-hardwarerevolutie

Het antwoord van de hardware-industrie op de AI-crisis komt tot uiting in steeds meer gespecialiseerde en efficiënte chips:

Tensor Processing Units (TPU): Volgens TechTarget zijn TPU's ASIC's die zijn ontworpen voor een hoog volume aan laagprecisie-berekeningen met meer input/output-bewerkingen per joule. De TPU v6e is de nieuwste Trillium-chip, uitgebracht in oktober 2024, met piekrekenprestaties per chip die 4,7 keer hoger liggen dan bij de TPU v5e.

Field-Programmable Gate Arrays (FPGA): Zoals door IBM aangegeven, zijn FPGA's ook zeer geschikt voor taken waarbij energie-efficiëntie belangrijker is dan verwerkingssnelheid, en bieden ze de flexibiliteit die nodig is om zich aan te passen aan de snelle evolutie van AI-algoritmen.

Application-Specific Integrated Circuits (ASIC): Volgens Geniatech bieden ASIC's de voordelen van laag energieverbruik, snelheid en een kleine footprint, waarmee ze de meest efficiënte oplossing vormen voor specifieke, grootschalige AI-werklasten.

De opkomst van Edge AI

Een cruciale trend voor duurzaamheid is de beweging in de richting van edge computing. Volgens Geniatech voorspelt Gartner dat tegen 2025 edge computing 75 procent van de gegevens zal verwerken die door alle use cases worden gegenereerd, waardoor de noodzaak voor datatransmissie naar gecentraliseerde datacenters en de daarmee gepaard gaande energie aanzienlijk zal afnemen.

Vooruitgang in energie-efficiëntie

Dramatische verbeteringen in prestaties per watt

De industrie boekt aanzienlijke vooruitgang op het gebied van energie-efficiëntie. Volgens NVIDIA is de efficiëntie van AI-training en inferentie van 2016 tot 2025 met 10.000 keer toegenomen, wat het potentieel voor dramatische verbeteringen aantoont.

De realiteit is echter complexer. Zoals David Mytton rapporteert in zijn DeVSustainability blog, verbruiken dual-socket servers nu tussen de 600-750 W, vergeleken met 365 W in 2007-2023, wat aangeeft dat terwijl de efficiëntie per bewerking verbetert, het totale vermogen van systemen blijft groeien.

Software en architectuuroptimalisatie

Softwarestrategieën worden een cruciale aanvulling op hardwareverbeteringen:

Modeloptimalisatie: Quantummodellen hebben doorgaans aanzienlijk minder parameters nodig voor training dan hun klassieke tegenhangers, wat wijst op alternatieve benaderingen om de rekenkundige complexiteit te verminderen.

Slim Energiebeheer: Volgens MIT Sloan zorgt het beperken van het gebruik tot 150 of 250 watt (ongeveer 60% tot 80% van hun totale vermogen), afhankelijk van de gebruikte processor, niet alleen voor een lager totaal energieverbruik van de werklasten; het verlaagt ook de bedrijfstemperaturen.

Bedrijfsinitiatieven en milieuverplichtingen

Microsoft: Leiderschap in CO2-negativiteit

Microsoft heeft een van de meest ambitieuze toezeggingen gedaan in de branche. Zoals vermeld in Microsofts officiële 2020-blog: "Tegen 2025 zullen we overgaan op een 100 procent hernieuwbare energievoorziening, wat betekent dat we stroomafnameovereenkomsten zullen hebben voor gecontracteerde groene stroom voor 100 procent van de koolstofemitterende elektriciteit die wordt verbruikt door al onze datacenters, gebouwen en campussen."

Het bedrijf richtte ook een nieuw klimaatinnovatiefonds van $1 miljard op om de wereldwijde ontwikkeling van technologieën voor koolstofvermindering, -afvang en -verwijdering te versnellen.

De realiteit brengt echter uitdagingen met zich mee. Volgens GeekWire stootte Microsoft vorig jaar meer dan 15,4 miljoen ton kooldioxide-equivalent uit, waarbij scope 3-emissies goed waren voor meer dan 96 procent van de CO2-voetafdruk.

Google: pionier in hernieuwbare energie

Google heeft belangrijke mijlpalen bereikt op het gebied van duurzaamheid. Volgens de officiële website van Google over duurzaamheid "heeft Google zich in 2017 verplicht om 100 procent van zijn energieverbruik te compenseren met hernieuwbare energie. Dit doel werd met succes bereikt in 2020."

Het bedrijf blijft fors investeren: volgens het duurzaamheidsrapport Google 2025 "hebben we in 2024 nog eens 19 GW aan nieuwe hernieuwbare energie gecontracteerd in 16 landen en hebben we onze activiteiten uitgebreid naar kernenergie met de ondertekening van onze eerste grootschalige koopovereenkomst voor kernenergie."

Amazon Web Services: de uitdaging van schaalbaarheid

AWS, 's werelds grootste cloudprovider, heeft ambitieuze doelen gesteld maar krijgt kritiek te verduren over transparantie. Volgens Climatiq "kondigde Amazon 18 nieuwe wind- en zonne-energieprojecten aan in AWS-regio's in de VS, Finland, Duitsland, Italië en het VK, met in totaal 5,6 GW aan nieuwe hernieuwbare energiecapaciteit."

Maar volgens dezelfde bron "kan de kritiek op de CO2-voetafdrukrapportage van AWS worden samengevat als niet fijnmazig, niet transparant en niet nuttig voor technologieteams die hun gebruik willen optimaliseren".

Kaders en hulpmiddelen voor groene AI

Hulpmiddelen voor emissiecontrole

De industrie heeft verschillende hulpmiddelen ontwikkeld om de milieu-impact van AI te controleren en te verminderen:

CarbonTracker en CodeCarbon: Volgens Carbon Credits: "Enkele van de tools die worden gebruikt om de koolstofvoetafdruk van AI-technologieën te schatten, zijn CarbonTracker, CodeCarbon, Green algorithms en PowerTop."

eco2AI: Zoals beschreven in Doklady Mathematics: "eco2AI is een open-source bibliotheek die in staat is om de equivalente koolstofemissies te volgen tijdens de training of inferentie van op Python gebaseerde AI-modellen, rekening houdend met het energieverbruik van CPU, GPU en RAM-apparaten."

Groen AI-implementatiekader

Volgens een onderzoek gepubliceerd in Industry Science "vertegenwoordigt een geavanceerd, op Python gebaseerd hulpmiddel op maat voor het bijhouden en beheren van de CO2-voetafdruk van het trainen van modellen voor machinaal leren en andere computertaken de evolutie naar geavanceerdere hulpmiddelen voor AI-duurzaamheidsbeheer."

Regelgeving en overheidsbeleid

De EU AI-wet: een wereldwijd model

De Europese Unie heeft het voortouw genomen bij het reguleren van duurzame AI. Volgens het Europees Parlement "heeft de EU in juni 2024 's werelds eerste regels voor AI aangenomen. De Artificial Intelligence Act zal 24 maanden na inwerkingtreding volledig van toepassing zijn."

Volgens de Green Software Foundation "krijgt de AI-wet van de EU nog meer betekenis als je bedenkt dat de EU momenteel een van de wereldleiders is op het gebied van milieu- en klimaatbeleid".

Lacunes in de regelgeving en aanbevelingen

Ondanks de vooruitgang zijn er nog steeds belangrijke hiaten. Zoals wordt benadrukt in een artikel dat is gepubliceerd in arXiv: "De huidige voorstellen voor AI-regelgeving, in de EU en daarbuiten, zijn gericht op het stimuleren van betrouwbare (bijv. AI-wet) en verantwoordelijke (bijv. AI-aansprakelijkheid) AI. Wat echter ontbreekt is een robuust regelgevend discours en een routekaart om AI, en technologie meer in het algemeen, ecologisch duurzaam te maken."

Deskundigen stellen concrete oplossingen voor: volgens een rapport van het Tony Blair Institute for Global Change: "Stel best-practice meetmethoden op voor het energieverbruik en de CO2-uitstoot van datacenters en isoleer AI-gerelateerde informatie".

Toekomstperspectieven en uitdagingen

Energie Groeiprognoses

Prognoses voor de toekomst zijn tegelijkertijd zorgwekkend en vol mogelijkheden. Volgens IDC "zal het wereldwijde elektriciteitsverbruik van datacenters tussen 2023 en 2028 meer dan verdubbelen met een vijfjarige CAGR van 19,5% en 857 Terawattuur (TWh) bereiken in 2028".

Meer specifiek voor AI wordt volgens hetzelfde IDC-rapport verwacht dat "het energieverbruik van AI-datacenters zal groeien met een CAGR van 44,7 procent, tot 146,2 Terawattuur (TWh) in 2027".

Innovatieve benaderingen van duurzaamheid

Er zijn innovatieve benaderingen in opkomst, zoals Sustain AI, dat in een MDPI-paper wordt beschreven als "een multimodaal diep lerend raamwerk dat Convolutional Neural Networks (CNN's) integreert voor defectdetectie, Recurrent Neural Networks (RNN's) voor voorspellende modellering van energieverbruik, en Reinforcement Learning (RL) voor dynamische energieoptimalisatie".

Green-in AI vs Green-by AI: twee complementaire paradigma's

Groene AI: Intrinsieke optimalisatie

Het 'Green-in AI'-paradigma richt zich op het ontwerpen van inherent efficiëntere algoritmen en modellen. Volgens een review gepubliceerd in ScienceDirect zijn dit "strategieën om meer energie-efficiënte algoritmen en modellen voor machinaal leren te ontwerpen door zich te richten op hardware- en softwareoptimalisatie."

Groene AI: AI voor duurzaamheid

Het 'Green-by-AI'-paradigma gebruikt AI om duurzaamheid in andere sectoren te verbeteren. Volgens dezelfde ScienceDirect review staat het voor "AI-benaderingen om milieuvriendelijke praktijken in andere sectoren te verbeteren, waarbij kunstmatige intelligentie wordt gebruikt om de energie-efficiëntie in buitentoepassingen te optimaliseren."

Conclusies: Naar een duurzame toekomst van AI

Groene AI vertegenwoordigt een fundamentele transformatie in de manier waarop we kunstmatige intelligentie bedenken en implementeren. Gegevens van 2025 laten zien dat we ons op een keerpunt bevinden: de groei in de vraag naar elektriciteit voor AI en datacenters is een testcase voor hoe de maatschappij zal reageren op de eisen en uitdagingen van een bredere elektrificatie.

Opkomende oplossingen - van gespecialiseerde hardware tot kwantumcomputers, van controlekaders tot regelgevend beleid - bieden een weg naar duurzaamheid. Het succes zal echter afhangen van het vermogen van de industrie om een evenwicht te vinden tussen innovatie en verantwoordelijkheid voor het milieu, zodat AI de belangrijkste drijvende kracht kan worden achter de wereldwijde inspanningen om CO2-neutraliteit te bereiken.

2025 presenteert zich als een cruciaal jaar waarin beslissingen die vandaag worden genomen, zullen bepalen of AI deel zal uitmaken van het klimaatprobleem of van de oplossing ervan. Groene AI is niet langer een optie, maar een absolute noodzaak voor een technologisch geavanceerde en ecologisch duurzame toekomst.

Veelgestelde vragen

Wat is Green AI?

Groene AI is een technologisch paradigma dat kunstmatige intelligentie milieuvriendelijker en duurzamer wil maken. Het richt zich op het produceren van nauwkeurige resultaten zonder de computerkosten te verhogen, zodat technologische innovatie hand in hand gaat met verantwoordelijkheid voor het milieu.

Waarom is Green AI in 2025 zo urgent?

De urgentie komt voort uit de explosieve impact van AI op het milieu. Gegevens van 2025 tonen aan dat:

De energiebehoefte van datacenters in Noord-Amerika is gestegen van 2.688 megawatt (eind 2022) naar 5.341 megawatt (eind 2023)
4,4% van alle energie in de Verenigde Staten gaat naar datacenters
De koolstofintensiteit van elektriciteit voor datacenters ligt 48% hoger dan het Amerikaanse gemiddelde

Hoeveel energie verbruikt AI eigenlijk?

De energie-impact van AI is dramatisch:

Sinds 2018 is het aandeel van datacenters in de totale energievraag gestegen van 1,9% naar 4,4%
Het trainen van een generatieve AI-cluster kan 7-8 keer meer energie verbruiken dan een typische rekenlast
Het trainen van GPT-3 verbruikte 1.287 megawattuur (genoeg voor 120 Amerikaanse huishoudens gedurende een jaar)
Naar verwachting verdubbelt het energieverbruik van datacenters tegen 2030

Hoe evolueert hardware om efficiënter te worden?

De industrie ontwikkelt gespecialiseerde chips:

Tensor Processing Units (TPU): De TPU v6e biedt 4,7 keer hogere prestaties dan de v5e

Field-Programmable Gate Arrays (FPGA): Geoptimaliseerd voor energie-efficiëntie en flexibiliteit

Application-Specific Integrated Circuits (ASIC): Bieden laag verbruik, snelheid en een kleinere footprint

Het totale vermogen blijft echter groeien: GPU's stegen van 400W (2022) naar 700W (2023), met voorspellingen van 1.200W voor 2024.

Wat is Edge AI en waarom is het belangrijk voor duurzaamheid?

Edge AI verwerkt gegevens lokaal in plaats van ze naar gecentraliseerde datacenters te sturen. Gartner voorspelt dat tegen 2025 edge computing 75 procent van de gegenereerde gegevens zal verwerken, waardoor het energieverbruik dat gepaard gaat met gegevensoverdracht aanzienlijk zal afnemen.

Welke vooruitgang is er geboekt op het gebied van energie-efficiëntie?

NVIDIA heeft een efficiëntieverbetering van 10.000x bereikt in AI-training en inferentie van 2016 tot 2025. Moderne servers verbruiken echter 600-750 W in vergelijking met 365 W van 2007-2023, waaruit blijkt dat terwijl de efficiëntie per bewerking verbetert, het totale vermogen blijft toenemen.

Wat doen grote techbedrijven op het gebied van duurzaamheid?

Microsoft: Streeft naar 100% hernieuwbare energie tegen 2025 en heeft een fonds van 1 miljard voor klimaatinnovatie. Toch stootte het bedrijf in 2024 15,4 miljoen ton CO2-equivalent uit.

Google: Bereikte in 2020 100% hernieuwbare energie en heeft in 2024 19 GW aan nieuwe hernieuwbare energie gecontracteerd in 16 landen.

Amazon AWS: Heeft 18 nieuwe hernieuwbare projecten aangekondigd voor 5,6 GW, maar wordt bekritiseerd vanwege een gebrek aan transparantie in de rapportage.

Bestaan er tools om de milieu-impact van AI te monitoren?

Ja, er zijn verschillende hulpmiddelen beschikbaar:

CarbonTracker en CodeCarbon: Voor het schatten van de koolstofvoetafdruk
eco2AI: Open-source bibliotheek voor het volgen van emissies tijdens training en inferentie
Green algorithms en PowerTop: Andere gespecialiseerde monitoringtools

Hoe wordt Green AI gereguleerd?

De EU heeft het voortouw genomen met de EU AI Act, aangenomen in juni 2024 - de eerste regels ter wereld voor AI die na 24 maanden volledig van toepassing zullen zijn. Toch wijzen experts op hiaten in het regelgevingsdebat om AI ecologisch duurzaam te maken.

Wat zijn de toekomstige projecties voor het energieverbruik van AI?

De voorspellingen zijn alarmerend:

Het wereldwijde verbruik van data centers zal tussen 2023 en 2028 verdubbelen (CAGR 19,5%)
Zal in 2028 857 TWh bereiken
Het specifieke energieverbruik voor AI zal groeien met een CAGR van 44,7%, en tegen 2027 146,2 TWh bereiken

Wat is het verschil tussen Green-in AI en Green-by AI?

Green-in AI: Richt zich op het ontwerpen van algoritmes en modellen die intrinsiek energie-efficiënter zijn, door hardware en software te optimaliseren.

Green-by AI: Gebruikt AI om de duurzaamheid in andere sectoren te verbeteren, door kunstmatige intelligentie in te zetten om de energie-efficiëntie in externe toepassingen te optimaliseren.

Waarom wordt 2025 beschouwd als een cruciaal jaar voor Green AI?

2025 vormt een keerpunt waarop beslissingen die vandaag worden genomen, zullen bepalen of AI deel zal uitmaken van het klimaatprobleem of van de oplossing ervan. De groei van de vraag naar elektriciteit voor AI is een test voor hoe de samenleving zal reageren op de uitdagingen van een bredere elektrificatie. Groene AI is niet langer een optie, maar een dwingende noodzaak voor een technologisch geavanceerde en ecologisch duurzame toekomst.