VN: AI bedreigt vitale hulpbronnen

De onzichtbare voetafdruk: Verder kijken dan CO2

Het rapport Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints, uitgebracht door het UNU Institute for Water, Environment and Health (UNU-INWEH), toont aan dat de milieukosten van AI systematisch verkeerd worden gemeten. Waar bestaande analyses zich voornamelijk focussen op de koolstofemissies (CO2) tijdens het trainen van grote AI-modellen, waarschuwen de VN-wetenschappers dat 'koolstofarm' niet automatisch synoniem staat voor 'waterarm' of 'landbesparend'.

De drie voetafdrukken—koolstof, water en land—bewegen zich namelijk vaak in tegenovergestelde richting. Een overstap van steenkool naar bio-energie kan de CO2-uitstoot met 70 procent verlagen, maar verhoogt het waterverbruik met meer dan dertig keer en de landoppervlakte met wel honderd keer. Dit risico dreigt de milieudruk te verschuiven naar regio's die al kampen met ernstige schaarste.

Duizelingwekkende cijfers: De impact in kaart

In 2025 verbruikten wereldwijde datacenters naar schatting 448 terawattuur (TWh) aan elektriciteit. Als datacenters een land zouden vormen, stonden ze hiermee direct op de 11e plaats van grootste elektriciteitsconsumenten ter wereld, net achter Frankrijk. De prognoses voor de nabije toekomst zijn eveneens fors:

Elektriciteit: Tegen 2030 zal het stroomverbruik naar verwachting stijgen tot 945 TWh, bijna het drievoudige van het gezamenlijke jaarlijkse elektriciteitsverbruik van Pakistan, Bangladesh en Nigeria.

Water: De bijbehorende watervoetafdruk stijgt naar 9,3 biljoen liter water, wat gelijkstaat aan de minimale jaarlijkse drinkwaterbehoefte van de gehele bevolking van Sub-Sahara Afrika (1,3 miljard mensen).

Land: De fysieke ruimte voor energie-infrastructuur en datacenters zal toenemen tot ruim 14.500 vierkante kilometer, grofweg twee keer de omvang van de metropool Jakarta.

De chatbot- en video-uitdaging

Hoewel de publieke discussie zich vaak richt op de energie die nodig is om modellen zoals GPT-3 (1,3 GWh) of GPT-4 (50 tot 70 GWh) te trainen, is dit beeld inmiddels achterhaald. Het operationele gebruik—de zogeheten inference-fase waarin getrainde modellen dagelijkse gebruikersvragen beantwoorden—is inmiddels verantwoordelijk voor 80 tot 90 procent van het totale energieverbruik van AI.

ChatGPT alleen al verwerkt naar schatting 2,5 miljard prompts per dag, wat neerkomt op circa 383 GWh aan elektriciteit per jaar. Om de CO2-uitstoot van louter deze applicatie te compenseren, zijn 2,6 miljoen bomen nodig die tien jaar groeien: een oppervlakte ter grootte van Manhattan.

Daarnaast zorgt de opkomst van AI-gegenereerde video voor een nieuwe milieucrisis. Terwijl een tekstvraag 200 keer meer energie kost dan een simpele tekstclassificatie, en een afbeelding genereren 1.450 keer die basislijn vereist, verbruikt de creatie van één korte AI-video evenveel elektriciteit als het verwerken van 200.000 spamberichten. Dit vertaalt zich direct naar natuurlijke bronnen: één AI-afbeelding kost ongeveer twee eetlepels water (29 ml), maar een complexe AI-video slokt al snel 4,1 liter water op—voldoende drinkwater voor één persoon voor twee dagen.

Efficiëntie lost de crisis niet op: De Jevons-paradox

Een veelgehoord argument is dat technologische vooruitgang de voetafdruk zal verkleinen. Professor Kaveh Madani, directeur van UNU-INWEH en tevens winnaar van de Stockholm Water Prize 2026, weerlegt dit via het rebound-effect (de Jevons-paradox). "Hoe efficiënter en goedkoper AI wordt, hoe massaler het wordt gebruikt. Zonder expliciete limieten op het aantal tokens, resoluties of standaard output-lengtes, heft de enorme volumegroei alle efficiëntiewinst direct op."

Lokale lasten versus mondiale lusten

Het rapport legt een diepe ongelijkheid bloot. De infrastructuur achter kunstmatige intelligentie is geografisch extreem gecentraliseerd: slechts 32 landen herbergen gespecialiseerde AI-datacenters, en meer dan 90 procent van die capaciteit bevindt zich in slechts twee landen: de Verenigde Staten en China. Meer dan 150 landen hebben geen enkele toegang tot soevereine AI-rekenkracht.

Tegelijkertijd dragen ontwikkelingslanden vaak wel de zwaarste lokale milieulasten. Zij leveren de kritieke mineralen onder matig milieutoezicht en verwerken tegen 2030 jaarlijks tot 2,5 miljoen ton aan elektronisch afval (e-waste).

Ook in westerse landen piept en kraakt de infrastructuur. In Ierland slokten datacenters in 2023 al 21 procent van alle beschikbare netstroom op, waarmee ze alle stedelijke huishoudens samen voorbijstreefden. De netbeheerder heeft daar de goedkeuring voor nieuwe datacenters rond Dublin tot 2028 stilgelegd. In Querétaro (Mexico) en Uruguay zorgt de bouw van datacenters voor frictie en acute druk op drinkwaterreserves te midden van aanhoudende droogte.

Een roadmap voor de industrie

Het rapport is nadrukkelijk geen pleidooi tégen AI, maar een dringende oproep tot verantwoord beheer. De VN formuleert een roadmap gebaseerd op zes pijlers: transparantie, efficiëntie via design, ecologische rechtvaardigheid, verantwoordelijkheid voor de gehele levenscyclus, wereldwijde samenwerking en duurzaam gebruik.

Overheden moeten AI-infrastructuur direct integreren in energie- en waterwetgeving, ontwikkelaars moeten lichtere modelopties als standaard instellen en investeerders doen er verstandig aan om de gecombineerde koolstof-, water- en landvoetafdruk mee te wegen als materiële risico's in hun portefeuilles.

Lees het rapport (PDF).