Tech-sector

AI en datacenters in 2026: waarom elektriciteit het grootste knelpunt in de technologiesector aan het worden is

AI and Data Centers in 2026: Why Electricity Is Becoming Tech's Biggest Bottleneck

Door AI worden datacenters steeds grotere elektriciteitsverbruikers. Ontdek de meest recente cijfers van het IEA voor 2026, de rol van GPU’s en koeling, knelpunten in het elektriciteitsnet, milieuafwegingen en wat de stijgende energievraag betekent voor de technologiesector.

AI en datacenters in 2026: waarom elektriciteit de grootste knelpunt voor de technologiesector wordt

Kunstmatige intelligentie wordt vaak omschreven als een softwarerevolutie, maar elke AI-toepassing is afhankelijk van fysieke infrastructuur. Processors hebben elektriciteit nodig, servers produceren warmte en datacenters zijn afhankelijk van koelapparatuur, transformatoren en aansluitingen op het elektriciteitsnet. De beschikbaarheid van elektriciteit wordt een strategische beperking voor de inzet van AI.

Volgens de analyse van het Internationaal Energieagentschap (IEA) van april 2026 bedroeg het wereldwijde elektriciteitsverbruik van datacenters in 2025 ongeveer 485 TWh. De centrale prognose van het agentschap schat het verbruik op ongeveer 950 TWh tegen 2030, wat neerkomt op bijna 3% van de wereldwijde vraag naar elektriciteit. Dit laatste cijfer is een prognose, geen waargenomen resultaat.

Waarom AI de vraag naar elektriciteit doet toenemen

Het trainen van AI-modellen kan gepaard gaan met het gebruik van grote aantallen gespecialiseerde versnellers die gedurende langere tijd draaien. Ook inferentie, het proces waarbij een model voor gebruikers wordt uitgevoerd, verbruikt elektriciteit. De hoeveelheid varieert sterk, afhankelijk van de omvang van het model, de hardware, de lengte van de invoer en de uitvoer, en het soort taak.

Een kort tekstantwoord is niet te vergelijken met een lange redenering of een taak waarbij video’s worden gegenereerd. Er bestaat geen betrouwbaar algemeen cijfer voor de energiekosten van een AI-prompt.

Het IEA meldt dat het totale elektriciteitsverbruik van datacenters in 2025 met ongeveer 17% is gestegen, terwijl het verbruik bij op AI gerichte faciliteiten aanzienlijk sneller groeide. Traditionele clouddiensten en andere digitale workloads dragen ook bij aan de totale vraag.

Meer vermogen in elk serverrack

Moderne AI-installaties herbergen krachtige versnellers in steeds dichter gepakte racks. Een hogere vermogensdichtheid zorgt voor uitdagingen op het gebied van stroomdistributie, back-upsystemen en koeling. Een datacenter kan niet noodzakelijkerwijs worden uitgebreid door extra racks in een bestaande ruimte te plaatsen: de stroom- en koelinfrastructuur moet mogelijk ingrijpend worden gemoderniseerd.

Geavanceerde vloeistofkoelsystemen voeren warmte van processors in sommige installaties met hoge dichtheid effectiever af. Vloeistofkoeling staat echter niet automatisch gelijk aan een lager waterverbruik. De milieu-impact hangt af van het ontwerp van de koelkringloop, het externe warmteafvoersysteem, het lokale klimaat en de elektriciteitsmix.

Inzicht in PUE

Power Usage Effectiveness (PUE) is de verhouding tussen het totale energieverbruik van de faciliteit en het energieverbruik van de IT-apparatuur:

PUE = Totaal energieverbruik van de faciliteit / Energieverbruik van de IT-apparatuur

Bij een hypothetische PUE van 1,20 verbruikt een faciliteit 1,20 eenheden elektriciteit voor elke eenheid die door de computerapparatuur wordt verbruikt. Als de IT-belasting gedurende een jaar gemiddeld 1 MW bedraagt, verbruikt deze 8,76 GWh; het totale verbruik van de faciliteit zou dan ongeveer 10,51 GWh bedragen. De PUE geeft de overhead van de infrastructuur weer, niet de koolstofintensiteit of het nut van de uitgevoerde rekenkracht.

Aansluitingen op het elektriciteitsnet kunnen AI-projecten vertragen

De aanleg van elektriciteitsinfrastructuur duurt vaak langer dan die van computerinfrastructuur. Voor nieuwe datacenters zijn mogelijk onderstations, transformatoren, upgrades van het transmissienet en nieuwe opwekkingscapaciteit nodig. Vertragingen bij de levering van apparatuur, het verkrijgen van vergunningen en netaansluitingen kunnen projecten uitstellen, zelfs wanneer ontwikkelaars de servers al hebben aangeschaft.

Illustration of the article's main concept

Dit verandert de concurrentiedynamiek. Bedrijven met betrouwbare toegang tot geschikte locaties en elektriciteit kunnen mogelijk eerder rekencapaciteit inzetten dan concurrenten met vergelijkbare budgetten.

De effecten zijn lokaal. Een datacenter dat zich in de buurt van onbenutte opwekkingscapaciteit bevindt, kent andere uitdagingen dan een datacenter dat is aangesloten op een overbelast elektriciteitsnet.

Zullen datacenters de elektriciteitsprijzen doen stijgen?

Grote nieuwe elektriciteitsbelastingen kunnen de noodzaak creëren voor investeringen in het elektriciteitsnet en de opwekking. Afhankelijk van de tariefregels en de wijze waarop de kosten worden verdeeld, kunnen andere consumenten een deel van die kosten dragen.

Maar hogere prijzen zijn niet overal onvermijdelijk. Extra vraag kan soms de benutting van bestaande infrastructuur verbeteren. De gevolgen hangen af van de lokale capaciteit, regelgeving, elektriciteitscontracten en de vraag of faciliteiten hun verbruik kunnen verminderen tijdens periodes van belasting van het systeem.

De relevante vragen zijn wie er betaalt voor nieuwe infrastructuur, hoe snel het aanbod kan worden uitgebreid en welke betrouwbaarheidseisen de faciliteit stelt.

Hernieuwbare energie, kernenergie en aardgas

Technologiebedrijven onderzoeken verschillende benaderingen om de stroomvoorziening veilig te stellen.

Wind- en zonne-energie kunnen koolstofarme elektriciteit leveren, vaak via langlopende afnameovereenkomsten. Hun variabele opbrengst vereist passende regelingen voor balancering en betrouwbaarheid.

Kernenergie kan koolstofarme elektriciteit leveren zonder afhankelijk te zijn van het weer, maar nieuwe projecten kunnen te maken krijgen met lange bouwtermijnen en uitdagingen op het gebied van regelgeving.

Elektriciteitsopwekking uit aardgas is een andere optie, waaronder voorstellen voor opwekking ter plaatse wanneer aansluiting op het elektriciteitsnet vertraging oploopt. Dit kan de uitstoot verhogen en leidt tot afhankelijkheid van brandstof en apparatuur.

Geen enkele bron lost alle problemen op. Betrouwbaarheid, kosten, ontwikkelingstijd, lokale regelgeving en koolstofintensiteit spelen allemaal een rol.

Koolstofemissies en waterverbruik

Elektriciteitsverbruik is niet hetzelfde als de uitstoot van broeikasgassen. De uitstoot die verband houdt met een datacenter hangt in belangrijke mate af van het verbruikte elektriciteitsverbruik, evenals van de productie van apparatuur en de bouw.

Ook de watervoetafdruk varieert. Sommige koelingsontwerpen maken gebruik van verdampingssystemen; andere gebruiken andere methoden. Elektriciteitsopwekking en de productie van halfgeleiders kunnen zorgen voor indirect waterverbruik.

Beweringen dat elke AI-verzoek een vaste elektriciteits- of watervoetafdruk heeft, zijn een te grote vereenvoudiging van een systeem waarin locatie, hardware, werklast en bedrijfsomstandigheden aanzienlijk variëren.

Technical workflow illustration

Transparante rapportage moet een onderscheid maken tussen de totale activiteit van het datacenter en AI-specifieke werklasten, en tussen operationele effecten en effecten gedurende de levenscyclus.

Zullen efficiëntieverbeteringen de trend omkeren?

AI-hardware en -software worden steeds efficiënter. Kwantisering, kleinere gespecialiseerde modellen, caching, batchverwerking en verbeterde planning van inferentie kunnen de benodigde middelen voor een bepaalde taak verminderen.

Toch kunnen lagere kosten een breder gebruik stimuleren. Meer toepassingen kunnen AI gaan integreren, en sommige gebruikers kunnen steeds rekenintensievere diensten gaan eisen.

Bijgevolg kan het energieverbruik per taak dalen, terwijl de totale vraag naar elektriciteit stijgt. Efficiëntieverbeteringen zijn belangrijk, maar hun netto-effect moet worden afgewogen tegen de toename in gebruik en de groei van de werklast.

AI kan ook energiesystemen verbeteren

AI kan helpen bij het voorspellen van de vraag, het onderhoud van het elektriciteitsnet, het voorspellen van de opwekking van hernieuwbare energie en het optimaliseren van industriële processen. Deze toepassingen kunnen exploitanten helpen de infrastructuur effectiever te gebruiken.

Potentiële voordelen mogen niet automatisch worden beschouwd als compensatie voor het eigen elektriciteitsverbruik van AI. De daadwerkelijke besparingen hangen af van de kwaliteit van de implementatie, de toegang tot gegevens, het beheer en de metingen.

Wat ontwikkelaars en bedrijven kunnen doen

Softwareteams kunnen onnodige rekenkracht vermijden door modellen van de juiste omvang te kiezen, herhaalbare resultaten in de cache op te slaan, redundante verzoeken te verminderen en de werkelijke kosten van de werklast te meten. Bedrijven die AI-diensten inkopen, moeten rekening houden met betrouwbaarheid, prijstransparantie, gegevensopslaglocatie en milieurapportage.

Infrastructuurexploitanten moeten de stroomvoorziening, koeling, toegang tot het elektriciteitsnet en de aanschaf van apparatuur gezamenlijk plannen, in plaats van elektriciteit als een bijzaak te beschouwen.

Conclusie

De concurrentie op het gebied van AI draait niet langer alleen om algoritmen en processors. Elektriciteitsinfrastructuur, koeltechnologie, toegang tot het elektriciteitsnet en energieketens zijn nu bepalend voor hoe snel rekencapaciteit kan worden ingezet.

De prognose van het IEA van ongeveer 950 TWh aan wereldwijd elektriciteitsverbruik door datacenters tegen 2030 illustreert de omvang van de uitdaging, maar de uitkomst blijft onzeker. Betere hardware, slimmere software, investeringen in het elektriciteitsnet en verantwoorde planning zullen allemaal bepalend zijn voor het resultaat.

De volgende fase van de AI-revolutie zal niet alleen worden bepaald door wat computers kunnen berekenen, maar ook door hoe efficiënt en betrouwbaar we ze van stroom kunnen voorzien.

Officiële bronnen