Onlangs vroeg het Nationaal Programma Regionale Energiestrategieën (RES) mij een essay te schrijven over de rol van kunstmatige intelligentie (AI) in de energietransitie. Een relevante, maar ook ongemakkelijke vraag: hoe draagt AI bij aan de opbouw van een toekomstbestendig energiesysteem, en onder welke voorwaarden?
Eerder deze week publiceerde ik mijn verkennend literatuuronderzoek en het vertrekpunt voor dit essay. In deze blog licht ik kort toe wat AI is en waarom het een sleutelrol speelt in de energietransitie.
De energietransitie vraagt om een fundamenteel andere ordening van ons energiesysteem. Waar energie vroeger centraal werd opgewekt en grotendeels voorspelbaar verdeeld, ontstaat nu een netwerk van duizenden kleine producenten, opslagpunten en verbruikers. Het systeem is niet langer hiërarchisch maar gedistribueerd. Niet meer statisch, maar dynamisch. Klassiek beheer via vaste regels, marktprijzen of handmatige coördinatie schiet tekort. Nieuwe vormen van organisatie zijn nodig, en zonder digitalisering en AI is dat niet haalbaar.
Volgens netbeheerders als TenneT en Alliander volstaan oude organisatieprincipes niet meer. De fysieke netten moeten in hoog tempo worden verzwaard én gedigitaliseerd. Alleen al TenneT investeert de komende tien jaar ruim 90 miljard euro in uitbreiding van het hoogspanningsnet, terwijl in Nederland één op de drie straten open moet voor nieuwe kabels en leidingen. Zonder AI en procesintelligentie is het coördineren van zo’n operatie onhaalbaar. Process intelligence, zoals Alliander en TenneT het toepassen, combineert realtimedatastromen, gezamenlijke toegang tot kritieke infrastructuur (zoals onderstations) en grootschalige visuele inspecties (16 miljoen foto’s van meterkasten) om sneller en preciezer te kunnen handelen.
Het voert te ver om in dit essay uitgebreid uit te leggen wat AI precies is; daarvoor verwijs ik graag naar de Nationale AI-cursus. In het kort: AI maakt het mogelijk om in real time inzicht te krijgen in wat er op honderden plekken tegelijk gebeurt, en daarop autonoom te reageren. Waar klassieke modellen werken met vooraf gedefinieerde regels en natuurkundige wetten, leert AI van data. Het herkent patronen in gedrag, weersverloop, netbelasting of prijsdynamiek en gebruikt die kennis voor besluitvorming. Zo ontstaat een vorm van intelligentie die processen niet alleen efficiënter maakt, maar ook geheel nieuwe vormen van coördinatie mogelijk maakt.
Dit is geen verre toekomst. In Nederland voorspelt bijvoorbeeld Alliander met AI de netbelasting op wijkniveau, waardoor investeringen in verzwaring of flexibiliteit gerichter kunnen worden ingezet. In Utrecht stuurt het FLEET-project laadpleinen voor elektrische voertuigen slim aan, waarbij algoritmes laadtijden afstemmen op netcapaciteit, piektarieven en zonne-aanbod. Internationaal ontwikkelde Google DeepMind een model dat de opbrengst van windparken tot 36 uur vooruit voorspelt, wat de marktwaarde van windenergie met twintig procent verhoogde.
De impact is ook fysiek meetbaar. Predictief onderhoud verlaagt kosten met gemiddeld twintig tot drieënveertig procent en voorkomt dure stilstand. Volgens het Internationaal Energieagentschap kan brede toepassing van AI in energiebeheer in 2035 tot vijf procent emissiereductie opleveren, goed voor 1,4 gigaton CO₂ per jaar.
Toch is er ook een schaduwzijde. De meeste AI-toepassingen richten zich op het optimaliseren van bestaande processen: efficiëntere netten, lagere kosten, maximale productie. Maar wat als we niet streven naar een slimmere versie van het oude, maar naar een radicaal ander energiesysteem? Wat als we niet alleen mikken op groene groei, maar op regeneratief samenleven?
Daarnaast groeit het energieverbruik van AI zelf snel. Het trainen van een model als GPT-4 kost naar schatting vijftig keer meer energie dan zijn voorganger. Het wereldwijde elektriciteitsverbruik van datacenters zal naar verwachting verdubbelen tussen 2024 en 2030 tot circa 945 TWh per jaar, vergelijkbaar met het totale verbruik van Japan. De paradox is duidelijk: AI helpt bij verduurzaming, maar verbruikt zelf zoveel energie dat een deel van de winst verdampt.
Ten slotte roept AI fundamentele governancevragen op. Welke doelen geven we het systeem mee? Welke waarden worden geoptimaliseerd, en welke blijven buiten beeld? Wie bepaalt wat ‘duurzaam’ of ‘efficiënt’ betekent? Zonder expliciete sociale, ecologische en ethische kaders dreigt AI de blinde logica van de markt te versterken en wordt het eerder een instrument voor digitalisering van het bestaande dan een katalysator voor werkelijke transformatie.
De belofte van AI is groot. Maar haar werkelijke waarde ligt niet in het slimmer optimaliseren, maar in het mogelijk maken van nieuwe vormen van collectieve intelligentie. Daarvoor is niet alleen technologie nodig, maar ook visie. Partnerschappen, robuuste datainfrastructuur en een rijk ecosysteem van sensoren vormen daarbij het fundament; zonder die basis blijft technologie slechts een belofte. Maar wat willen we dat AI leert? Waar willen we het voor inzetten? En durven we los te laten wat we al kennen?
Bronnen
- Alliander. (2024). Strategie digitalisering 2024–2030 (Publieksversie)
- Al Midfa, N. (2024). AI in energy transformation: Driving efficiency and sustainability in the modern energy sector. TRENDS Research & Advisory.
- DeepMind. (2023). Machine learning can boost the value of wind energy.
- FLEET-project. (2023). Slim laden met flexibele nettarieven in Utrecht (Openbare eindrapportage).
- International Energy Agency. (2025). Energy & AI.
- Management Scope. (2025, juni). Van de Rhee, R., & Suykerbuyk, M. Process intelligence in de energietransitie.
- Wang, Q., Li, Y., & Li, R. (2025). Integrating artificial intelligence in energy transition: A comprehensive review. Energy Strategy Reviews, 57, 101600.
- World Economic Forum. (2025). Artificial intelligence’s energy paradox.
