Een medewerker opent op maandagochtend zijn laptop, plakt een lange tekst in een AI-toepassing en vraagt om er in enkele seconden een samenvatting van te maken. Even later volgt een tweede opdracht: maak er een presentatie van. Daarna nog een afbeelding. Voor de gebruiker gebeurt er weinig spectaculairs. Een paar toetsen, een draaiend symbooltje op het scherm en vrijwel onmiddellijk verschijnt het resultaat.

Wat buiten beeld blijft, is veel indrukwekkender. Ergens in een datacenter beginnen duizenden gespecialiseerde chips berekeningen uit te voeren. Geheugensystemen verplaatsen enorme hoeveelheden gegevens, netwerkapparatuur stuurt die gegevens verder en koelinstallaties voeren de geproduceerde warmte af. Transformatoren, kabels en noodstroomvoorzieningen zorgen ervoor dat de machines geen moment zonder elektriciteit vallen. Achter de ogenschijnlijk gewichtloze wereld van kunstmatige intelligentie bevindt zich een steeds zwaardere fysieke infrastructuur.

Precies daar verandert de AI-revolutie van karakter. De wedloop om betere modellen wordt niet langer alleen uitgevochten met software, chips en talent. Steeds vaker draait ze ook om een technologie die ouder is dan de computer zelf: betrouwbare elektriciteit.

Datacenters waren al grote stroomverbruikers voordat generatieve AI doorbrak. Cloudopslag, videostreaming, sociale media, zoekmachines en zakelijke software draaiden al jaren in enorme serverhallen. Toch slaat de schaal waarop elektriciteit nodig is nu om. Wereldwijd verbruikten datacenters in 2024 naar schatting ongeveer 415 terawattuur elektriciteit, ongeveer 1,5 procent van het mondiale verbruik. Tegen 2030 kan hun vraag ongeveer verdubbelen. AI is daarbij de belangrijkste groeimotor.

Dat maakt elektriciteit plots tot een van de schaarse grondstoffen van het digitale tijdperk.

Van rekencapaciteit naar stroomcapaciteit

De eerste grote internetbedrijven bouwden hun succes rond de vraag hoeveel servers ze konden plaatsen en hoeveel gegevens ze konden verwerken. Bij de nieuwe generatie AI-infrastructuur komt daar een andere vraag naast te staan: hoeveel megawatt kan een locatie werkelijk leveren?

Dat verschil lijkt technisch, maar het verandert de manier waarop datacenters worden ontworpen. Een klassieke server verdeelt zijn rekenwerk doorgaans over relatief algemene processoren. Moderne AI-systemen gebruiken in toenemende mate GPU's en andere gespecialiseerde chips die enorme hoeveelheden berekeningen gelijktijdig kunnen uitvoeren. Dat maakt het mogelijk om taalmodellen te trainen, beelden te genereren en complexe patronen in grote datasets te herkennen. Het maakt de machines tegelijk veel energie-intensiever.

Daarbij gaat het niet uitsluitend om het trainen van een groot model. Training trekt veel aandacht omdat duizenden krachtige chips soms weken of maanden intensief rekenen. Zodra een model echter door miljoenen mensen en bedrijven wordt gebruikt, begint een andere vorm van stroomverbruik door te wegen: inference, het daadwerkelijk beantwoorden van opdrachten.

Iedere afzonderlijke vraag kan relatief weinig energie vragen, maar miljarden kleine berekeningen vormen samen een aanzienlijke belasting. Bovendien worden de opdrachten zwaarder. Een kort tekstantwoord vraagt iets anders van een computer dan een gegenereerde video, een lang redeneerproces of een AI-agent die zelfstandig tientallen opeenvolgende taken uitvoert.

Daar zit meteen een belangrijke nuance. AI wordt niet alleen energie-intensiever, ze wordt tegelijkertijd veel efficiënter. Nieuwe chips leveren meer rekenwerk per watt en ook software wordt beter in het beperken van onnodige berekeningen. Recente analyses laten zien dat het energieverbruik per eenvoudige AI-taak bijzonder snel is gedaald. Een eenvoudige tekstvraag vertegenwoordigt daardoor veel minder elektriciteit dan de spectaculaire cijfers over volledige datacenters soms doen vermoeden. Tegelijk kunnen complexere toepassingen honderden tot duizenden keren meer energie vragen dan een eenvoudige tekstgeneratie.

Het probleem is dus niet dat elke vraag aan een chatbot plots een kleine elektriciteitscentrale nodig heeft. Het is de combinatie van steeds lagere kosten, steeds meer gebruikers en steeds zwaardere toepassingen die de totale vraag omhoogduwt. Efficiëntie maakt AI goedkoper, waardoor mensen en bedrijven ze vaker gebruiken. Een deel van de bespaarde energie per berekening wordt zo opnieuw opgeslokt door groei.

In een datacenter telt niet alleen energie, maar ook vermogen

Bij elektriciteit wordt vaak gesproken over jaarlijkse consumptie, uitgedrukt in kilowattuur of terawattuur. Voor een datacenter is er nog een tweede grootheid minstens even belangrijk: vermogen.

Een elektriciteitsnet moet niet alleen voldoende energie over een heel jaar produceren. Het moet die stroom ook op het juiste moment, op de juiste plaats en via infrastructuur met voldoende capaciteit kunnen leveren.

Dat is precies waar AI voor nieuwe problemen zorgt. Een geavanceerd serverrek neemt niet veel meer ruimte in dan enkele grote koelkasten, maar de vermogensvraag neemt razendsnel toe. Volgens recente analyses kan een hoogwaardig AI-serverrek tegen 2027 op piekmomenten ongeveer evenveel vermogen vragen als tientallen huishoudens samen. De vermogensdichtheid van AI-servers is in enkele jaren tijd sterk gestegen en die ontwikkeling zet door.

Daardoor veranderen serverhallen bijna in industriële installaties. Elektriciteit moet via hoogspanningsverbindingen, onderstations en transformatoren naar gebouwen worden gebracht waarin duizenden chips vrijwel continu actief kunnen zijn. Hun warmte moet vervolgens worden afgevoerd. Bij hogere vermogensdichtheden volstaat klassieke luchtkoeling steeds minder gemakkelijk en wordt vloeistofkoeling aantrekkelijker.

Een efficiënter koelsysteem kan een deel van de stijging compenseren. Datacenters zijn de afgelopen vijftien jaar op dit vlak al veel efficiënter geworden. De verhouding tussen het totale elektriciteitsverbruik van een datacenter en het verbruik van de IT-apparatuur zelf is duidelijk verbeterd. Toch bereikt efficiëntie uiteindelijk een praktisch plafond. Zelfs een bijna perfect gekoeld datacenter kan de elektriciteit die de chips zelf nodig hebben niet wegoptimaliseren.

Dat verklaart waarom de bouw van nieuwe AI-capaciteit steeds vaker botst op een onverwachte grens. Een datacenter kan in enkele jaren worden gebouwd. Nieuwe hoogspanningslijnen, grote transformatoren en elektriciteitscentrales vragen vaak veel meer tijd. De digitale economie beweegt daardoor sneller dan de infrastructuur die haar van stroom moet voorzien.

Elektriciteit wordt een strategische grondstof

Die verschuiving is vooral zichtbaar in de Verenigde Staten, waar een groot deel van de mondiale AI-infrastructuur staat. Daar gebruikten datacenters enkele jaren geleden nog een relatief beperkt deel van alle elektriciteit. Recente Amerikaanse scenario's gaan ervan uit dat dit aandeel tegen 2030 kan oplopen tot ongeveer 9,5 tot 15,3 procent, afhankelijk van de snelheid waarmee datacenters en AI-systemen verder groeien.

Toch vertelt een nationaal gemiddelde maar de helft van het verhaal. Datacenters worden niet gelijkmatig over een land verspreid. Ze concentreren zich rond locaties met glasvezelverbindingen, geschikt terrein, fiscale voordelen, personeel en vooral voldoende elektriciteitsinfrastructuur.

Daardoor kan een sector die wereldwijd slechts enkele procenten van het elektriciteitsverbruik vertegenwoordigt lokaal een enorme impact hebben. Ierland laat zien hoe ver dat kan gaan. In 2015 namen datacenters daar ongeveer 5 procent van het gemeten elektriciteitsverbruik voor hun rekening. In 2025 was dat 23 procent.

Dat cijfer betekent niet dat ieder Europees land dezelfde richting uitgaat. Ierland is een uitzonderlijk geconcentreerde datacentermarkt. Het toont wel wat er gebeurt wanneer digitale infrastructuur zich in één regio ophoopt. Op dat moment wordt de vraag naar AI niet meer alleen een kwestie voor technologiebedrijven. Netbeheerders, energieproducenten, gemeenten en overheden worden rechtstreeks betrokken.

Ook Europa wil ondertussen meer eigen AI-capaciteit bouwen. De Europese Unie werkt aan AI-fabrieken en veel grotere AI-gigafabrieken waarin geavanceerde modellen kunnen worden ontwikkeld. Tegelijk is het de bedoeling om de Europese datacentercapaciteit sterk uit te breiden. Daarmee wordt toegang tot betaalbare en betrouwbare elektriciteit automatisch onderdeel van het Europese technologiebeleid.

De geografische kaart van de AI-industrie kan daardoor in de toekomst minstens gedeeltelijk samenvallen met de kaart van het elektriciteitsnet.

Technologiebedrijven worden bijna energiebedrijven

Voor grote technologiebedrijven betekent dat een opmerkelijke verandering. Een onderneming die haar concurrentiepositie vroeger vooral beschermde met betere software, snellere chips en meer data, moet nu ook nadenken over elektriciteitsproductie op een schaal die vroeger vooral thuishoorde bij zware industrie.

Dat verklaart de snel groeiende belangstelling voor langlopende stroomcontracten, zonne- en windparken, batterijopslag, kernenergie en nieuwe vormen van geothermie. Hernieuwbare energie ligt voor de hand omdat grote zonne- en windprojecten relatief snel gebouwd kunnen worden en elektriciteit tegen competitieve kosten kunnen leveren. Maar voor datacenters ontstaat een extra probleem zodra de zon niet schijnt of de wind wegvalt.

AI-infrastructuur is immers niet vergelijkbaar met een fabriek die haar productie eenvoudig enkele uren kan stilleggen. Gebruikers verwachten dat digitale diensten voortdurend beschikbaar blijven. Dat maakt regelbare productie, opslag, verbindingen met andere regio's en flexibiliteit in het stroomverbruik belangrijk.

Volgens energiescenario's zal ongeveer de helft van de wereldwijde groei van de elektriciteitsvraag van datacenters de komende jaren door hernieuwbare bronnen kunnen worden ingevuld. De rest zal uit een mix van onder meer aardgas, kernenergie en andere bronnen moeten komen. Daardoor kan AI zowel investeringen in schone elektriciteit versnellen als het gebruik van fossiele centrales langer ondersteunen wanneer voldoende koolstofarme capaciteit niet tijdig beschikbaar is.

Dat maakt de klimaatbalans van AI ingewikkelder dan een vergelijking tussen twee soorten chips. Een datacenter met identieke apparatuur kan in een regio met veel waterkracht, windenergie of kernenergie een heel andere CO₂-voetafdruk hebben dan hetzelfde gebouw in een elektriciteitssysteem dat vooral op steenkool of aardgas draait.

Locatie wordt daarmee een klimaatfactor.

Het net wordt de nieuwe flessenhals

Tot voor kort werd bij de uitbreiding van digitale infrastructuur vooral gekeken naar de beschikbaarheid van halfgeleiders. De wereldwijde chiptekorten van enkele jaren geleden maakten duidelijk hoe afhankelijk de technologie-industrie is van een beperkte productiecapaciteit.

Nu schuift een volgende schaarste naar voren. Grote transformatoren hebben lange levertijden. Nieuwe hoogspanningsverbindingen botsen op vergunningen en lokale weerstand. Elektriciteitscentrales kunnen niet overal onmiddellijk worden gebouwd. Bovendien concurreren datacenters om dezelfde netcapaciteit die ook nodig is voor warmtepompen, elektrische auto's en de elektrificatie van de industrie.

Dat betekent niet noodzakelijk dat een nieuw datacenter ervoor zorgt dat een huishouden geen elektrische auto meer kan opladen. Elektriciteitssystemen worden voortdurend uitgebreid. Maar wanneer verschillende vormen van elektrificatie tegelijk versnellen, moet die uitbreiding ook sneller gebeuren.

Daar ontstaat een opmerkelijke omkering. Jarenlang probeerden veel rijke landen hun elektriciteitsvraag vooral te stabiliseren of te verminderen door efficiëntere apparaten en gebouwen. Nu komen verschillende ontwikkelingen tegelijk samen. Auto's rijden steeds vaker op elektriciteit, verwarmingssystemen stappen over op warmtepompen, industrie vervangt fossiele brandstoffen door elektrische processen en daarbovenop ontstaat een snel groeiende digitale vraag.

AI staat dus niet alleen in de rij.

Toch heeft ze een bijzonder kenmerk: de groei kan buitengewoon geconcentreerd zijn. Duizenden elektrische auto's verspreiden hun verbruik over straten, wijken en steden. Een groot AI-datacenter kan in één keer een enorme nieuwe belasting op één aansluiting plaatsen. Voor een netbeheerder is dat een fundamenteel ander probleem.

De uitdaging wordt daardoor minder abstract dan ze op het eerste gezicht lijkt. Niet de vraag of er wereldwijd genoeg elektriciteit bestaat, maar of een specifieke regio op een specifiek moment honderden extra megawatts kan leveren, bepaalt steeds vaker waar digitale investeringen terechtkomen.

Meer rekenkracht hoeft niet automatisch meer verspilling te betekenen

Tegenover de groeiende elektriciteitsvraag staat een tweede ontwikkeling die gemakkelijk ondergesneeuwd raakt. De AI-sector heeft zelf een sterke economische prikkel om zuiniger te worden.

Elektriciteit kost geld. Warmte afvoeren kost geld. Transformatoren, koelsystemen en netaansluitingen kosten geld. Een chip die dezelfde berekening met de helft van de energie kan uitvoeren, is daarom niet alleen aantrekkelijk vanuit klimaatoogpunt maar ook commercieel.

Dat stimuleert een brede zoektocht naar efficiëntie. Chips worden gespecialiseerd voor bepaalde taken, modellen worden kleiner gemaakt waar een gigantisch model niet nodig is en software probeert alleen relevante delen van een netwerk te activeren. Datacenters kunnen sommige berekeningen verschuiven naar momenten waarop veel goedkope hernieuwbare elektriciteit beschikbaar is. Taken waarvoor geen onmiddellijke reactie nodig is, zouden zelfs geografisch verplaatst kunnen worden.

Daarmee ontstaat een vreemde wisselwerking. AI verhoogt de druk op het elektriciteitssysteem, maar kan tegelijk helpen dat systeem slimmer te beheren. Machine learning wordt al toegepast om weersverwachtingen te verbeteren, elektriciteitsvraag te voorspellen, netproblemen sneller te herkennen en industriële processen efficiënter te sturen.

De energiebalans van AI kan daarom niet worden afgeleid uit één spectaculair cijfer over het elektriciteitsverbruik van een chatbot. De relevante vraag is uiteindelijk hoeveel maatschappelijke en economische waarde met die elektriciteit wordt gecreëerd en welke energiebronnen daarvoor worden gebruikt.

Een AI-model dat helpt om een industrieel proces zuiniger te maken, kan indirect meer energie besparen dan het zelf verbruikt. Een miljoenen keren gebruikte toepassing zonder duidelijke meerwaarde kan precies het tegenovergestelde doen.

De digitale toekomst blijkt opvallend fysiek

Terug naar de medewerker met zijn laptop. Wanneer enkele seconden na zijn opdracht een samenvatting op het scherm verschijnt, ziet hij geen hoogspanningsmast, koelwaterleiding of transformator. De digitale interface verbergt vrijwel perfect wat er achter de schermen gebeurt.

Juist dat maakt de huidige AI-golf zo interessant. De technologie wordt vaak voorgesteld als iets abstracts, opgebouwd uit algoritmen, modellen en data. Maar naarmate ze groter wordt, wordt ze afhankelijker van zeer tastbare zaken: koper, chips, gebouwen, water, transformatoren, elektriciteitscentrales en duizenden kilometers elektriciteitsnet.

De economische waarde van betrouwbare stroom krijgt daardoor een nieuwe dimensie. Een regio met goedkope elektriciteit, voldoende netcapaciteit en mogelijkheden om snel nieuwe productie aan te sluiten, bezit plots niet alleen een voordeel voor klassieke industrie. Ze kan ook aantrekkelijk worden voor een van de snelst groeiende onderdelen van de digitale economie.

Dat betekent niet dat AI de wereldwijde elektriciteitsvraag volledig zal domineren. Zelfs bij sterke groei blijft haar aandeel kleiner dan dat van veel traditionele toepassingen. Maar lokaal kan de impact bijzonder groot worden, en juist daar moeten de komende jaren moeilijke keuzes worden gemaakt over netinvesteringen, energieproductie, klimaatdoelstellingen en ruimte.

De meest geavanceerde technologie van dit moment brengt ons zo terug bij een vraag die ingenieurs meer dan een eeuw geleden al bezighield: waar halen we voldoende betrouwbare elektriciteit vandaan?

Alleen is de klant dit keer geen nieuwe staalfabriek, spoorlijn of woonwijk. Het is een machine die teksten schrijft, beelden maakt, software programmeert en in enkele seconden antwoord geeft op een vraag die ergens op een laptop werd ingetikt.