AI wordt vaak gepre­sen­teerd als iets abstracts. Als software. Als intel­li­gentie in de cloud. Maar de werke­lijk­heid is fysiek. AI draait op datacen­ters, GPU’s, elektri­ci­teits­netten, koeling, water, grond­stoffen, chips, kabels, gebouwen en uitein­de­lijk ook afval­stromen. De “cloud” is geen wolk, maar infra­struc­tuur. En infra­struc­tuur heeft een voetafdruk.

Het recente rapport van UNU-INWEH over de milieu­kosten van AI laat precies zien waar het debat de komende jaren over zou moeten gaan. Niet alleen over innovatie, produc­ti­vi­teit en geopo­li­tieke autonomie, maar ook over energie­ge­bruik, CO₂-uitstoot, water­ver­bruik, landge­bruik, grond­stoffen en e‑waste. Het rapport stelt dat AI niet alleen een digitale techno­logie is, maar een materieel systeem met meetbare milieu­kosten. Die kosten worden nu nog te vaak onvol­doende zicht­baar gemaakt.

Daar zit wat mij betreft de kern: wat we niet meten, kunnen we niet sturen. En wat we niet herleid­baar meten, kunnen we niet vertrouwen.

Niet tegen AI, maar vóór volwassenheid

Laat één ding duide­lijk zijn: dit is geen pleidooi tegen AI. AI gaat een enorme rol spelen in zorg, onder­wijs, industrie, veilig­heid, energie, weten­schap en publieke dienst­ver­le­ning. De vraag is niet óf we AI gaan gebruiken. De vraag is onder welke voorwaarden.

Een volwassen AI-sector kan niet alleen leunen op beloftes over effici­ëntie, groene stroom of toekom­stige optima­li­sa­ties. Een volwassen sector maakt haar impact inzich­te­lijk. Niet in algemene marke­ting­taal, maar met concrete data.

Hoeveel energie wordt gebruikt? Waar wordt die energie opgewekt? Wat is de CO₂-voetaf­druk? Wat is het water­ver­bruik? Wat is de impact van koeling? Hoe lang gaat hardware mee? Wat gebeurt er met afgeschreven appara­tuur? Welke aannames worden gebruikt? En wie contro­leert of die cijfers kloppen?

Dat is geen rem op innovatie. Dat is een randvoor­waarde voor geloof­waar­dige innovatie.

Alleen CO₂ meten is onvoldoende

In veel duurzaam­heids­dis­cus­sies wordt de impact van techno­logie terug­ge­bracht tot CO₂. Dat is begrij­pe­lijk, maar inmid­dels te beperkt. Het UNU-INWEH-rapport benadrukt juist dat AI niet alleen een carbon footprint heeft, maar ook een water- en landvoet­af­druk. Een oplos­sing die op papier “laag in CO₂” is, kan alsnog zwaar drukken op water­ge­bruik of ruimte­be­slag. “Low carbon” is dus niet automa­tisch “low water” of “low land”.

Dat is belang­rijk voor Neder­land en Europa. We hebben te maken met netcon­gestie, schaarse ruimte, druk op drink­water, stikstof­dis­cus­sies, energie­ze­ker­heid en groei­ende behoefte aan digitale soeve­rei­ni­teit. In zo’n context kunnen we ons geen besluit­vor­ming veroor­loven op basis van halve informatie.

Wie AI-infra­struc­tuur wil bouwen, exploi­teren of finan­cieren, moet kunnen aantonen wat de werke­lijke belas­ting is. Niet alleen gemid­deld over een jaar. Niet alleen op basis van theore­ti­sche PUE-waarden. Niet alleen op basis van groene certi­fi­caten. Maar herleid­baar, opera­ti­o­neel en controleerbaar.

Van meten naar herleidbaar meten

Meten klinkt eenvoudig, maar in de praktijk is het dat niet. Veel duurzaam­heids­data zijn nu nog te algemeen, te laat beschik­baar of te weinig gekop­peld aan de echte belas­ting van systemen. Bij AI wordt dat probleem groter. Het energie­ge­bruik verschilt per model, per workload, per locatie, per tijdstip, per type output en per manier waarop gebrui­kers met systemen omgaan.

Het rapport wijst erop dat de milieu­kosten van AI niet alleen worden bepaald door het trainen van grote modellen, maar vooral ook door het dagelijkse gebruik ervan: inference. Zodra modellen breed worden uitge­rold, kunnen miljarden dagelijkse inter­ac­ties het grootste deel van het energie­ge­bruik veroorzaken.

Daarom is alleen meten op datacen­ter­ni­veau niet genoeg. We moeten toe naar meetme­thoden die energie­ge­bruik en milieu­be­las­ting kunnen koppelen aan workloads, toepas­singen, klantom­ge­vingen en gebruiks­pa­tronen. Niet om gebrui­kers te straffen, maar om inzicht te geven.

Een eenvou­dige tekst­taak heeft een andere impact dan beeld­ge­ne­ratie. Een intern rapport samen­vatten is iets anders dan massaal video’s genereren. En een licht model gebruiken is iets anders dan standaard het zwaarste model aanspreken.

Herleid­baar meten betekent dat je niet alleen een eindgetal presen­teert, maar ook kunt uitleggen hoe dat getal tot stand kwam. Welke brondata zijn gebruikt? Welke meetpunten? Welke periode? Welke alloca­tie­me­thode? Welke aannames? Welke hardware? Welke energiemix? Welke correc­ties? Welke onzekerheidsmarge?

Zonder die herleid­baar­heid blijven duurzaam­heids­claims kwets­baar. Dan ontstaat precies het risico dat we al kennen uit andere sectoren: groene taal zonder harde onderbouwing.

Verifiëren en certificeren worden noodzakelijk

De volgende stap is verifi­catie. Een markt waarin partijen hun eigen impact­cij­fers publi­ceren zonder onafhan­ke­lijke toetsing, zal nooit volledig vertrouwd worden. Niet door klanten, niet door finan­ciers, niet door overheden en uitein­de­lijk ook niet door de samenleving.

Daarom moeten meten, herleid­baar meten, verifi­ëren en certi­fi­ceren een essen­tieel onder­deel worden van de AI-infra­struc­tuur­keten. Niet als bureau­cra­ti­sche bijlage achteraf, maar als integraal onder­deel van ontwerp, exploi­tatie en rapportage.

Certi­fi­ce­ring hoeft niet te betekenen dat er een nieuw oerwoud aan regels ontstaat. Het kan juist helpen om complexi­teit te vermin­deren. Een goede standaard maakt duide­lijk welke gegevens nodig zijn, hoe ze worden gemeten, hoe ze worden gecon­tro­leerd en hoe ze verge­lijk­baar worden gemaakt. Dat voorkomt dat iedere partij zijn eigen definitie van “duurzame AI” hanteert.

Daarmee verschuift het debat van claims naar bewijs. Van inten­ties naar presta­ties. Van beloftes naar aantoonbaarheid.

We willen niet meer regeldruk, maar wel echte transparantie

Het is belang­rijk om dit scherp te formu­leren: de oplos­sing is niet automa­tisch méér regel­druk. Bedrijven zitten niet te wachten op extra formu­lieren, dubbele rappor­tages of onwerk­bare compli­ance-eisen. Innovatie moet niet verstrikt raken in papieren verplichtingen.

Maar het alter­na­tief kan ook niet zijn dat de markt zichzelf volledig contro­leert. De praktijk leert dat markten uit zichzelf vooral rappor­teren wat commer­cieel gunstig is. Lobby­ap­pa­raten zullen de nadruk leggen op innovatie, concur­ren­tie­kracht, econo­mi­sche groei en geopo­li­tieke noodzaak. Dat zijn relevante punten, maar ze mogen niet dienen als excuus om de werke­lijke milieu-impact buiten beeld te houden.

De markt gaat dit niet vanzelf oplossen. Niet omdat alle markt­par­tijen kwaad­wil­lend zijn, maar omdat de prikkels verkeerd staan. Trans­pa­rantie kost moeite. Volle­dige meetbaar­heid kan ongemak­ke­lijke uitkom­sten opleveren. Onafhan­ke­lijke verifi­catie beperkt de ruimte voor vrijblij­vende claims. En zolang klanten, finan­ciers, toezicht­hou­ders en burgers geen harde trans­pa­rantie eisen, blijft onvol­le­dige rappor­tage de makke­lijke route.

Daarom is het tijd dat de samen­le­ving trans­pa­rantie eist. En ja, waar nodig moet de overheid die trans­pa­rantie onder­steunen, struc­tu­reren en afdwing­baar maken.

De rol van de overheid: niet alles bepalen, wel de spelregels zetten

De overheid hoeft niet voor te schrijven welke AI-toepas­singen wel of niet mogen worden gebruikt. De overheid hoeft ook niet op de stoel van de onder­nemer, ontwik­ke­laar of datacen­te­r­ex­ploi­tant te gaan zitten. Maar de overheid heeft wel een rol in het bepalen van de spelregels.

Die rol bestaat uit vier onderdelen.

Ten eerste: standaar­di­satie. Er moeten eendui­dige defini­ties komen voor energie­ge­bruik, CO₂-impact, water­ge­bruik, landge­bruik, restwarm­te­be­nut­ting, hardwa­re­le­vens­duur en e‑waste in relatie tot AI-infrastructuur.

Ten tweede: trans­pa­ran­tie­ver­plich­tingen. Grote AI-aanbie­ders, cloud­pro­vi­ders en datacen­te­r­ex­ploi­tanten moeten op verge­lijk­bare wijze rappor­teren over hun werke­lijke impact. Niet alleen op concern­ni­veau, maar waar mogelijk ook per regio, type infra­struc­tuur en workloadcategorie.

Ten derde: onafhan­ke­lijke verifi­catie. Cijfers die maatschap­pe­lijk relevant zijn, moeten contro­leer­baar zijn. Dat vraagt om audit­bare meetke­tens, datakwa­li­teit, herleid­baar­heid en certificering.

Ten vierde: publieke belangen borgen. Energie, water, ruimte en digitale infra­struc­tuur zijn geen puur private onder­werpen. Ze raken aan publieke voorzie­ningen, betaal­baar­heid, leverings­ze­ker­heid, duurzaam­heid en soevereiniteit.

Dat is geen anti-markt­be­na­de­ring. Integen­deel. Heldere spelre­gels creëren juist een eerlijker markt. Partijen die daadwer­ke­lijk inves­teren in effici­ënte, trans­pa­rante en duurzame infra­struc­tuur worden dan niet langer op één hoop gegooid met partijen die vooral goed zijn in marketing.

Ook financiers en klanten moeten hun verantwoordelijkheid nemen

Niet alleen overheden zijn aan zet. Ook banken, inves­teer­ders, pensi­oen­fondsen, publieke inkopers en grote zakelijke klanten moeten hun rol pakken.

Wie inves­teert in AI-infra­struc­tuur, moet energie‑, water- en landim­pact behan­delen als materiële risico’s. Het UNU-INWEH-rapport benadrukt dat AI’s milieu­kosten niet alleen afhangen van hoeveel elektri­ci­teit wordt gebruikt, maar ook van waar die elektri­ci­teit wordt opgewekt en welke energie­bronnen daarvoor worden ingezet.

Dat betekent concreet: geen inves­te­rings­be­sluit zonder inzicht in netca­pa­ci­teit, energie­bron, koeling, waterim­pact, restwarm­te­po­tentie, locatie­keuze, hardwa­re­cy­clus en rappor­ta­ge­kwa­li­teit. Geen green bonds of duurzame finan­cie­ring op basis van alleen algemene duurzaam­heids­claims. Geen publieke aanbe­ste­dingen waarin “duurzaam­heid” een paragraaf is, maar geen meetbaar criterium.

Klanten moeten hetzelfde doen. Vraag niet alleen waar de data staan, maar ook wat het gebruik kost aan energie en water. Vraag niet alleen of de leveran­cier “groen” is, maar hoe dat is gemeten. Vraag niet alleen naar compli­ance, maar naar bewijs.

Transparantie is ook een kwestie van vertrouwen

De maatschap­pe­lijke accep­tatie van AI zal niet alleen afhangen van privacy, veilig­heid en ethiek. Ook de fysieke impact gaat een rol spelen. Burgers zullen steeds vaker vragen stellen over datacen­ters, stroom­ge­bruik, water­ver­bruik, ruimte­be­slag en de verde­ling van lasten en baten.

Dat is terecht. Als de voordelen van AI vooral terecht­komen bij techno­lo­gie­be­drijven, grote onder­ne­mingen en kapitaal­krach­tige regio’s, terwijl de lasten landen bij lokale gemeen­schappen, elektri­ci­teits­netten, water­bronnen en grond­stof­ke­tens elders, ontstaat een legiti­mi­teits­pro­bleem. UNU-INWEH plaatst AI daarom nadruk­ke­lijk ook in het kader van gover­nance en recht­vaar­dig­heid: de baten en lasten van AI zijn niet automa­tisch eerlijk verdeeld.

Trans­pa­rantie is dan geen technisch detail. Het is een maatschap­pe­lijke voorwaarde. Mensen hoeven niet tegen AI te zijn om te mogen vragen: wat kost dit ons werkelijk?

Van duurzaamheidsclaim naar bewijslaag

De komende jaren moeten we toe naar een bewijs­laag onder AI. Een laag waarin energie­ge­bruik, effici­ëntie, CO₂, water, land, restwarmte en hardware-impact niet inciden­teel worden berekend, maar struc­tu­reel worden gemeten. Een laag waarin data herleid­baar zijn tot bronnen. Een laag waarin onafhan­ke­lijke verifi­catie mogelijk is. Een laag waarin certi­fi­ce­ring zorgt voor verge­lijk­baar­heid en vertrouwen.

Dat vraagt samen­wer­king tussen techno­lo­gie­be­drijven, datacen­te­r­ex­ploi­tanten, meetbe­drijven, auditors, norma­li­satie-insti­tuten, weten­schap­pers, overheid, finan­ciers en maatschap­pe­lijke organisaties.

De inzet moet daarbij niet zijn: meer rappor­tage om de rappor­tage. De inzet moet zijn: betere besluit­vor­ming. Want goede data maken betere keuzes mogelijk. Waar plaats je infra­struc­tuur? Welke workloads draai je waar? Wanneer gebruik je welk model? Hoe benut je restwarmte? Hoe voorkom je piekbe­las­ting? Hoe stuur je op energie-effici­ëntie? Hoe maak je soeve­reine AI-infra­struc­tuur duurzaam én controleerbaar?

Conclusie: geen AI zonder aantoonbaarheid

AI zal blijven groeien. De vraag is of die groei blind plaats­vindt, of aantoon­baar verantwoord.

We moeten voorkomen dat AI dezelfde fout maakt als eerdere groei­golven in techno­logie: eerst opschalen, daarna pas ontdekken wat de werke­lijke maatschap­pe­lijke kosten zijn. De tijd van vrijblij­vende duurzaam­heids­claims is voorbij. De volgende fase vraagt om meetbaar­heid, herleid­baar­heid, verifi­catie en certificering.

Niet omdat we innovatie willen tegen­houden. Juist omdat we innovatie serieus nemen.

Echte vooruit­gang vraagt niet alleen om slimme modellen, maar ook om eerlijke meetge­ge­vens. Niet alleen om reken­ca­pa­ci­teit, maar ook om verant­woor­de­lijk­heid. Niet alleen om ambitie, maar ook om bewijs.

De markt gaat dit niet vanzelf doen. De lobby gaat dit niet vanzelf vragen. Daarom moet de samen­le­ving trans­pa­rantie eisen — en moet de overheid zorgen dat die trans­pa­rantie niet vrijblij­vend blijft.

AI kan alleen duurzaam, betrouw­baar en maatschap­pe­lijk geaccep­teerd groeien als we bereid zijn haar werke­lijke kosten zicht­baar te maken. Niet morgen, maar nu.