Hoe vervuilend is AI? De ecologische afdruk van AI
Sinds de lancering van ChatGPT eind 2022, zijn enorm veel mensen in heel korte tijd generatieve AI beginnen gebruiken, om tekst, beeld, muziek, video, computercode... te genereren. De tools danken hun succes minstens ten dele aan hun gebruiksvriendelijke interfaces die een bijzonder complexe infrastructuur erachter verhullen.
Zoals Sam Altman, CEO van OpenAI (het bedrijf achter ChatGPT), het verwoordt: ’feels like magic'. De realiteit is echter dat deze tools in al hun eenvoud enorme hoeveelheden energie, water en mineralen verbruiken. Wim Casteels van AP Hogeschool legt de grootste pijnpunten bloot.
“ not gpt-5, not a search engine, but we’ve been hard at work on some new stuff we think people will love! feels like magic to me. ”
Hoe meet je de ecologische voetafdruk van AI?
Om de ecologische voetafdruk van een technologie te meten, moet je eerst weten waar de ecologische stappen juist gezet worden. Vervuiling en verbruik kunnen voorkomen in verschillende fasen van de AI-levenscyclus:
- grondstoffen winnen
- serverinfrastructuur produceren
- het AI-model ontwikkelen
- het AI-model gebruiken
- afvalverwerking
We weten nog niet alles: de volledige ecologische voetafdruk van de meeste stappen is onduidelijk omdat AI-processen complex zijn en de bedrijven die ze ontwikkelen niet helemaal transparant.
Het meeste onderzoek richt zich voorlopig op de afdruk van de ontwikkeling, en het gebruik van, de AI-modellen, omdat die fasen beter te meten zijn.
Waarom heeft AI zoveel stroom nodig?
AI-modellen worden almaar groter. Volgens empirische schalingswetten leiden meer data, parameters en computerkracht tot betere nauwkeurigheid. Daardoor zijn AI-modellen de afgelopen jaren enorm gegroeid en hebben ze steeds meer rekenkracht nodig.
We meten dit in FLOPS of "Floating Point Operation", een elementaire computerberekening. De grafiek illustreert dit door per model het aantal FLOPS weer te geven dat nodig was voor de ontwikkeling. Om al deze FLOPS uit te voeren, waren enorme hoeveelheden energie nodig.
Hoeveel energie kost het om GPT-4 te trainen?
Over de meeste modellen is er maar weinig informatie beschikbaar, maar wél over GPT-3. Dit OpenAI-model uit 2020, met 175 miljard parameters, maakte de eerste versie van ChatGPT mogelijk en lanceerde de wereldwijde populariteit van generatieve AI. Voor de ontwikkeling van GPT-3 werd 1.287 MWh gebruikt, oftewel het jaarlijks verbruik van 500 Vlaamse gezinnen. Daarbij werd ook 552 ton CO2 uitgestoten voor de ontwikkeling, het equivalent van 120 benzineauto's per jaar.
De nieuwere AI-modellen gaan daar los over: geschat wordt dat GPT-4 1,8 biljoen parameters telt, terwijl Gemini Ultra van Google nog veel groter zou zijn.
Hoeveel verbruikt het gebruik van AI?
Hoeveel stroom verbruikt één AI-prompt?
Na de ontwikkeling blijft het gebruik van een AI-systeem energie verbruiken, zelfs meer dan tijdens de ontwikkeling. ChatGPT bv., met zijn miljoenen dagelijkse gebruikers, overtrof het energieverbruik al na enkele weken dat van de training.
Per vraag kan het energieverbruik wel sterk verschillen: zo kosten afbeeldingen meer energie dan tekst: één afbeelding genereren kost evenveel energie als het opladen van een smartphone (220 wattuur).
Wat verbruikt het minste, Google of ChatGPT?
- Volgens Google kost een vraag via hun AI-model het bedrijf 10 keer meer dan een traditionele Google-zoekopdracht.
- Een typische ChatGPT-vraag verbruikt ongeveer 0,3 wattuur. Dit is minder dan een LED-lamp of laptop gedurende enkele minuten maar varieert sterk met de lengte van de vraag.
Veel gebruikers = veel prompts = veel verbruik
De meeste mensen stellen meer dan één vraag aan GenAI, en dan wordt de echte impact pas echt duidelijk: bij OpenAI sturen wekelijks 400 miljoen gebruikers dagelijks meer dan een miljard berichten naar ChatGPT. En OpenAI is niet alleen: er is ook nog Claude van Anthropic, Gemini van Google en anderen zoals het Chinese Deepseek - dat ChatGPT in januari onttroonde als populairste app in de Android Play en iPhone App Store. Bovendien wordt AI steeds vaker in andere toepassingen gebruikt, zoals bv. in Kate, KBC's AI-assistente.
AI verbruikt energie in datacenters
In 2022 werd het wereldwijde elektriciteitsverbruik van datacenters op 240-340 TWh geschat, ongeveer 1-1,3% van de mondiale finale elektriciteitsvraag. Amper twee jaar daarvoor, in 2020, stonden datacenters en de transmissie van data nog in voor 0,6% van de totale uitstoot van broeikasgassen, vergelijkbaar met de totale uitstoot van de luchtvaartindustrie.
Deze datacenters worden natuurlijk niet alleen voor AI gebruikt. AI zou momenteel instaan voor 10-20% van het energiegebruik, een aandeel dat naar verwachting razendsnel zal stijgen.
Hoeveel water verbruikt AI?
Van de energie die door AI gebruikt wordt in datacenters, wordt minder dan de helft aangewend om de servers te poweren: net zoals een laptop warm wordt tijdens het gebruik en een ventilator bevat om af te koelen, moeten serverruimtes actief gekoeld worden door speciale airco's. Voor datacenters volgepakt met servers is koeling een significante uitdaging: het slorpt zo'n 30 à 40% van het totale energieverbruik op.
En dat koelproces vraagt bovendien grote hoeveelheden water om de warmte af te voeren, water dat voor een flink deel verdampt. Onderzoek schat dat GPT-3, het AI-model achter ChatGPT, 500ml water verbruikt voor elke 10 tot 50 vragen. Zoals bij energie geldt ook bij water: hoe nieuwer het model, hoe groter het verbruik.
Hoeveel grondstoffen verbruikt AI?
Om AI-servers te maken, zijn er verschillende metalen nodig waarvan de ontginning grote ecologische schade veroorzaakt. Bovendien zijn sommige metalen, zoals kobalt en wolfraam, zogenaamde conflictmineralen die in conflictgebieden gewonnen worden. De ontginning en handel van deze mineralen dragen bij aan mensenrechtenschendingen en gewapende conflicten.
Is duurzame AI mogelijk?
De enorme energiebehoefte van AI-systemen heeft ervoor gezorgd dat verschillende technologiereuzen zoals Microsoft en Google hun eigen klimaatdoelstellingen niet halen en de gewenste broeikasgasreductie niet bereiken. Deze bedrijven zoeken nu naar alternatieve oplossingen om alsnog hun klimaatambities alsnog waar te maken.
Onder andere deze pistes worden onderzocht:
- het gebruik van groene stroom uit hernieuwbare energie om datacenters te voeden. Dit heeft van IJsland een aantrekkelijke locatie voor datacenters gemaakt want het land heeft geothermische en hydroelektrische energie. Door het koude klimaat is er bovendien minder energie en water nodig voor koeling. Maar milieuactivisten vragen zich af of dit wel een goede besteding van energie is en of het niet beter gebruikt kan worden voor IJsland zelf.
- kernenergie. Hoewel kernenergie geen broeikasgassen uitstoot, komt de technologie met andere uitdagingen zoals veiligheidsrisico's en de verwerking van radioactief afval. In Pennsylvania kwam Microsoft overeen om de kerncentrale Three Mile Island te heropenen, een centrale die bekend is vanwege een gedeeltelijke nucleaire meltdown in 1978.
- datacenters in de ruimte. Het Europese Ascend en het Amerikaanse Starcloud zoeken een buitenaardse oplossing: de ruimte heeft twee belangrijke voordelen: dag in dag uit zonne-energie en extreme koude om te koelen. Maar het is (voorlopig?) niet rendabel om de benodigde apparatuur te lanceren, ook al dalen de kosten gestaag.
Mondiale race voor meer rekenkracht
Ondertussen blijft de energiehonger van AI-toepassingen onverminderd groeien. De Amerikaanse president Donald Trump kondigde het Stargate-project aan met een geplande investering van 500 miljard dollar in AI-datacenters.
De Franse president Emmanuel Macron presenteerde op de AI Action Top in Parijs (2025) de overcapaciteit aan kernenergie als Franse troef. Waar hij de Amerikanen het motto "drill, baby, drill" geeft, positioneert hij het Franse "plug, baby, plug".
China's Deepseek zoekt de oplossing in minder energie en meer efficiëntie, wat een schokgolf door de AI- en financiële wereld stuurde. De langetermijnimpact van die verhoogde efficiëntie blijft voorlopig onvoorspelbaar: Jensen Huang, CEO van chipmaker NVIDIA, verwacht dat de vraag naar servers hierdoor verder zal toenemen (Jevon's paradox).
Een onvolledig beeld op de voetafdruk van AI
We weten dat AI veel energie en veel water verbruikt en nog meer grondstoffen vergt, maar het plaatje is zeker nog niet helder:
- We hebben te weinig informatie over de productie van servers, het industrieel afval van datacenters en de bijbehorende gevaren voor het milieu.
- Als we AI gebruiken om efficiënter te worden in vervuilende sectoren kan dit paradoxaal genoeg tot meer vervuiling leiden, zoals bij de exploratie van olie en gas.
- Ook AI-infrastructuur draagt bij aan de groeiende berg e-waste, die geschat wordt op wel 5 miljoen ton in 2030.
Doordachte keuzes en innovatieve oplossingen
De ecologische impact van AI vraagt bovenal om een breed maatschappelijk debat. Alleen met doordachte keuzes en innovatieve oplossingen kunnen we technologische vooruitgang boeken die niet ten koste gaat van het milieu:
- Bedrijven, overheden en consumenten moeten samenwerken om de energietransitie te versnellen en duurzame alternatieven te ontwikkelen.
- Alleen door milieukosten volledig mee te rekenen in de ontwikkeling en het gebruik van AI-systemen, kunnen we zorgen dat AI aan een duurzame toekomst bijdraagt, in plaats van ze te ondermijnen.
Duurzaamheid als sturend principe
Bij de AP Hogeschool nemen we die richtlijnen ter harte: duurzaamheid is er een belangrijk sturend principe. Dit vertaalt zich zo in de IT-opleidingen:
- Via het vak Sustainable IT krijgen studenten inzicht in de ecologische impact van de IT-toepassingen die ze ontwikkelen.
- Voor IT-studenten die zich specialiseren in AI via de afstudeerrichting Artificiële Intelligentie wordt in het vak AI & Society dieper ingegaan op de impact van AI op de samenleving.
- Bij de gekoppelde MDI onderzoeksgroep zetten we in op duurzame AI-toepassingen door gespecialiseerde systemen te ontwikkelen die gebruikmaken van een relatief klein AI-model met een beperkte ecologische voetafdruk. Een voorbeeld hiervan is het AI4Care project, waarin we een gespecialiseerde AI-tool ontwikkelen voor gebruik in de jeugdhulp.
Referenties
- Kaplan, J., McCandlish, S. Henighan, T. et al. (2020) Scaling Laws for Neural Language Models, Cornell University
- Varoquaux, G., Sasha Luccioni, A. & Whittaker, M. (2024) Hype Sustainability, and the Price of the Bigger-is-Better Paradigm in AI, Cornell University
- Dastin, J. & Nelis, S. (2023) Focus: For tech giants, AI like Bing and Bard poses billion-dollar search problem, Reuters
- You, J. (2025) How much energy does ChatGPT use?, EPOCH AI, Gradient Updates
- Kant, R. (2025) OpenAI's weekly active users surpass 400 million, Reuters
- Zeff, M. (2025) DeepSeek displaces ChatGPT as the App Store's top app, TechCrunch
- De Cleene, D. (2024) En de KBC-werknemer van het jaar is... "Kate": hoe de AI-assistente de bank naar nieuwe hoogtes stuwt, De Morgen
- Data Centres and Data Transmission Networks (2023) Tracking Clean Energy Process, IEA
- Powering Intelligence: Analyzing Artificial Intelligence and Data Center Energy Consumption (2024) White Paper EPRI
- AI is poised to drive 160% increase in data center power demand (2024) Goldman Sachs
- Pengfei, L. Yang, J., Islam, M. A. & Ren, S. (2025) Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models, Cornell University
- Rathi, A. & Bass, D., Microsoft's AI Push Imperils Climate Goal as Carbon Emissions Jump 30% (2024), Bloomburg
- Metz, R., Google's Emissions Shot Up 48% Over Five Years Due to AI (2024), Bloomburg
- Adalbjornsson, T. (2019) Iceland’s data centers are booming—here’s why that’s a problem, MIT Technology Review
- Brinson, K. (2024) Hungry for Energy, Amazon, Google and Microsoft Turn to Nuclear Power, The New York Times
- Crownhart, C. (2024) Why Microsoft made a deal to help restart Three Mile Island, MIT Technology Review
- Advanced Space Cloud for European Net Zero Emission and Data Sovereignty, ASCEND
- Starcloud
- Smith-Goodson P. & Kimball, M. (2025) The Stargate Project: Trump Touts $500 Billion Bid For AI Dominance, Forbes
- Caulcutt, C. (2025) ‘Plug, baby, plug’: Macron pushes for French nuclear-powered AI, Politico
- Metz, C., What to Know About DeepSeek and How It Is Upending A.I., The New York Times
- Masood, A. & Bhattacharya, A. (2024) Microsoft is building a data center in a tiny Indian village. Locals allege it’s dumping industrial waste, Rest of World
- Greenpeace Staff (2020) Greenpeace Report: Oil in the Cloud, Greenpeace.org
- Sellman, M. (2024) 'Thirsty’ ChatGPT uses four times more water than previously thought, The Times
- Tzackor, A. (2024). Generative AI could create millions of tons of e-waste by 2030. MIT Technology Review
Leer meer over duurzaamheid in IT
De maatschappelijke impact van AI
Blog door Wim Casteels, AP Hogeschool
Duurzame AI
Boek van Erik Mannens
Toepassingen van AI voor een duurzaam, beter leefmilieu in Vlaanderen
AI vervuilt niet alleen, wel integendeel: AI-systemen vormen ook een belangrijk hulpmiddel voor duurzame toepassingen in Vlaanderen. Stijn Vranckx en Tess Ysebaert van VITO beschrijven enkele succesvolle voorbeelden van AI-gebruik om ons kwetsbare milieu beter te begrijpen én te beschermen.
Wim Casteels
Wim Casteels behaalde zijn doctoraat in de fysica aan de Universiteit Antwerpen, waarna hij nog enkele jaren onderzoek deed naar het kwantumgedrag van atomen en lichtdeeltjes in Antwerpen en aan de Université Paris Diderot in Parijs. Daarna verlegde hij zijn focus meer richting data en Artificiële Intelligentie en werkte als data scientist bij het Data Analytics Office van Argenta. Na nog 2 jaar academische ervaring te hebben opgedaan als senior onderzoeker bij de imec onderzoeksgroep IDLab, startte hij in 2022 aan de AP Hogeschool. Daar doet hij onderzoek en geeft hij les over AI en het bouwen van data-applicaties.
Expertise: Data Science, Machine Learning, AI deployment, AI in onderwijs, Learning Analytics, Deep Learning, AI4GOOD
Gerelateerde opleidingen
HPC Café
Seminarie - Online, Karlsruhe - KIT, HammerHAI, Training geselecteerd in de Belgische AI Factory Antenna (AIFA)
Introduction to Parallel Programming with MPI and OpenMP
Training - Jülich - forschungszentrum jülich
AI voor Beginners - ChatGPT en co slim en verantwoord inzetten in je dagelijkse werk
Opleiding - Antwerpen - Thomas More Hogeschool, Syntra AB