Regeneratie is meer dan duurzaamheid. Waar duurzaamheid vooral gaat over verantwoorde omgang met de natuurlijke leefomgeving en het beperken van schade, richt regeneratie, of regeneratieve processen, zich op het actief herstellen en versterken van natuurlijke, sociale en economische systemen.

De eerder beschreven transformatiematrix laat zien waar AI in de energietransitie nu en in de toekomst kan landen, maar nog niet hoe we daar bewust op kunnen sturen. Dat vraagt om twee lenzen tegelijk. De eerste gaat over macht en waarden: wie neemt beslissingen, en op basis van welke belangen? De tweede gaat over kennis en logica: welke data en regels bepalen hoe AI wordt ontworpen en gebruikt, en welke toekomstbeelden impliciet in de modellen zijn ingebakken.

De matrix maakt duidelijk dat veel toepassingen zich ophopen in de hoek van operationele en tactische optimalisatie. Dat is het terrein waar investeringen snel rendement opleveren, maar ook waar de kans op rebound het grootst is. Zonder sturing groeit deze kolom vanzelf, gedreven door de belangen van partijen die profiteren van efficiëntiewinst zonder het systeem fundamenteel te veranderen. De vraag is dus niet alleen wat AI kan, maar ook voor wie en onder welke logica zij wordt ingezet.

Technologie kan een hefboom zijn voor vernieuwing, maar alleen als instituties en waarden meebewegen. Dat vraagt om het bevragen van het groeiparadigma, waarin schaalvergroting en rendement centraal staan. Blijft dat ongewijzigd, dan wordt AI vooral een versneller van bestaande patronen. Carlota Perez liet zien dat technologische revoluties pas hun sociale potentieel bereiken als instituties meebewegen. Hans Stegeman betoogt dat zonder afscheid van economische groei duurzaamheid onhaalbaar blijft. Samen vormen zij de brug van analyse naar richting: AI in de energietransitie moet niet alleen slimmer worden ingezet, maar vooral gericht zijn op het herontwerpen van het systeem zelf.

Machtsarchitectuur en governance
AI in de energiesector is geen neutraal gereedschap. Het maakt deel uit van machtsstructuren die bepalen wie toegang heeft tot middelen en wie profiteert van innovatie. Vandaag ligt die macht grotendeels bij grote technologiebedrijven die cruciale infrastructuur, data en algoritmes beheren, en bij staten die AI inzetten voor strategische energieplanning, maar vaak afhankelijk zijn van geopolitieke verhoudingen en schaarse grondstoffen. Daarnaast bestaan er decentrale netwerken en burgercoöperaties die experimenteren met eigen toepassingen, maar hun invloed is nog beperkt.

Hier ontstaat een meervoudige spanning. Regionale energieregio’s opereren binnen mondiale digitale infrastructuren die zij niet controleren. Democratische besluitvorming vraagt tijd, terwijl algoritmen in milliseconden kunnen schakelen. Zonder expliciete governancekeuzes wint snelheid het van legitimiteit en blijft de schaalvoorsprong bij partijen die wereldwijd opereren. In de praktijk kan dit bijvoorbeeld leiden tot lock-in op commerciële cloudplatforms of afhankelijkheid van buitenlandse technologie, waardoor regionale autonomie structureel wordt beperkt.

De risico’s van machtsconcentratie zijn zichtbaar: gesloten systemen, afhankelijkheid en weinig ruimte voor democratische controle. Toch zijn er voorbeelden waar het anders kan. In Denemarken bijvoorbeeld maakt het project Energinet Open Data energieverbruiksgegevens openbaar, zodat lokale coöperaties en kleine bedrijven hun eigen AI-modellen kunnen ontwikkelen voor vraag- en aanbodsturing.

Van dominante logica naar meervoudige intelligentie
De logica achter veel AI-toepassingen is rationeel en utilitair: data wordt verzameld, patronen worden herkend, en uitkomsten worden geoptimaliseerd voor snelheid en efficiëntie. Maar energie is niet alleen een technische bron; ze is ingebed in ecosystemen en sociale relaties. Zie bijvoorbeeld de planetaire grenzen die in 2009 werden geïntroduceerd door Johan Rockström en collega’s in hun artikel ‘A safe operating space for humanity‘ in Nature.


Een bredere kennisbasis is nodig, waarin drie kernprincipes van meervoudige intelligentie leidend kunnen zijn: plaatsgebondenheid (technologie ingebed in lokale ecologie), ecologische integratie (impact op natuurlijke systemen even zwaar laten wegen als efficiëntie) en relationele besluitvorming (keuzes nemen in dialoog met de gemeenschap en het ecosysteem).

Een mooi voorbeeld is hoe in Nieuw-Zeeland de Māori-gemeenschap werkt met AI-modellen die waterbeheer koppelen aan traditionele kennis over rivierstromen en seizoensritmes. Het systeem houdt niet alleen rekening met energieproductie, maar ook met vismigratie en waterkwaliteit. Een vergelijkbare benadering in de energietransitie zou betekenen dat AI naast kosten en netbelasting ook de impact op lokale biodiversiteit en watervoorraden meeneemt. Zo verschuift de rol van AI van rekenmachine naar partner in een complex ecosysteem. Deze epistemologische verschuiving vormt de basis voor een ander ontwerpkader, waarin meervoudige intelligenties volwaardig worden meegenomen.

Welke data en regels?
De vraag welke data en regels een AI-model gebruikt, is niet technisch maar politiek. Als we AI uitsluitend voeden met historische gegevens en marktlogica die het groeiparadigma bevestigen, zal zij vooral de status quo reproduceren. Daarmee worden perspectieven, waarden en kennisvormen die buiten dit paradigma vallen onzichtbaar.

Die blinde vlekken hebben directe gevolgen. Een AI voor netoptimalisatie die geen rekening houdt met seizoensgebonden waterstanden kan bijvoorbeeld leiden tot overbelasting in droge periodes, met risico’s voor zowel energievoorziening als ecologie.

Een regeneratieve benadering vraagt dat we juist ook verloren gegane of gemarginaliseerde kennis integreren: inzichten uit inheemse tradities zoals die van de Māori of de Inuit, lokale ecologische observaties en ervaringen van gemeenschappen die direct met de gevolgen van energieopwekking te maken hebben.

Projecten als FNS-Metrics in Australië laten zien hoe inheemse seizoenskalenders als datalaag in AI-voorspellers zowel de voorspellingskwaliteit als de culturele rechtvaardigheid vergroten. Deze kennis kan worden gecombineerd met nieuwe wetenschappelijke inzichten en belangen van direct betrokkenen. Zo ontstaat een bredere, meerlagige dataset en regelbasis die niet alleen optimaliseert binnen bestaande grenzen, maar actief bijdraagt aan het hertekenen ervan.

Regeneratief ontwerp als strategisch kader
Regeneratieve AI beschouwt zichzelf niet als losstaand instrument, maar als onderdeel van een netwerk van menselijke en niet-menselijke relaties. Ontwerpprincipes krijgen dan een andere lading: technologie wordt begrensd om overmatig gebruik te voorkomen, afgestemd op de lokale ecologie en gemeenschap, en gericht op samenwerking en herstel.

In Beieren gebruikt een coöperatie AI om zonnepanelen te plaatsen op locaties die niet alleen veel zon vangen, maar ook bijdragen aan het herstel van insectenpopulaties en de landschapskwaliteit. Het Biodiv-Wind-programma laat zien hoe AI realtimemonitoring inzet om turbines stil te zetten bij aanwezigheid van beschermde soorten. Zo wordt energieopwekking gekoppeld aan biodiversiteitsherstel en groeit de maatschappelijke acceptatie. In Catalonië werken onderzoeksinstellingen als IRTA, Eurecat en CIDAI aan pilots voor AI-gestuurde irrigatiesystemen die gekoppeld zijn aan zonneparken, waarbij het watergebruik wordt aangepast aan regenval en de draagkracht van het lokale ecosysteem.

In het Amazonebekken wordt AI ingezet om de planning van waterkrachtcentrales te optimaliseren op basis van ecologische en sociale criteria, zodat de impact op gemeenschappen en ecosystemen minimaal is. Hier tellen koolstofbudget, waterbalans en biodiversiteit even zwaar mee als energieopbrengst. Zulke ontwerpkeuzes maken zichtbaar dat regeneratie alleen mogelijk is als ecologische indicatoren net zo zwaar wegen als economische.

Whole System in the Room
Een regeneratief kompas ontstaat niet in een gesloten vergaderkamer, maar door samenwerking tussen onder meer beleidsmakers, technici, energiecoöperaties, burgers, ecologen en kunstenaars. Het gesprek begint bij een toekomstbeeld waarin AI meerdere waarden tegelijk dient.

Deze aanpak is niet alleen participatief, maar ook een machtsinterventie: ze herverdeelt wie mag beslissen en wie het kader bepaalt. Ze haalt besluitvorming weg uit de exclusieve kring van beleidsmakers en ingenieurs, en brengt die in een gedeeld mandaat.

Op de Orkney-eilanden in Schotland werd deze aanpak toegepast. Bewoners, vissers, netbeheerders, wetenschappers en ontwerpers werkten met AI-simulaties om te zien hoe verschillende keuzes voor wind- en getijdenenergie uitpakken. Het leidde tot een gedeelde set criteria waarin zowel ecologische als sociale grenzen waren opgenomen. Door vanuit de toekomst terug te denken naar het heden werd duidelijk welke infrastructuur, regels en waarden nodig waren om die visie waar te maken.

Een toekomstbeeld voor 2035
Een regeneratieve energietoekomst betekent dat technologie, ecologie en gemeenschap onlosmakelijk verbonden zijn. Om een beeld te krijgen van hoe dat er in de praktijk uit zou kunnen zien een fictief scenario voor de Achterhoek:

Het is een heldere herfstdag in 2035. In de Achterhoek komen bewoners, boeren en bestuurders samen in het oude fabriekspand dat nu dienstdoet als Energiehuis. Op grote schermen is in één oogopslag te zien hoeveel energie er wordt opgewekt en gebruikt, en wat dat betekent voor het regionale koolstofbudget, de biodiversiteit en de waterbalans. Alles draait op een open AI-platform dat eigendom is van de gemeenschap. De algoritmes zijn vrij toegankelijk, de data voor iedereen inzichtelijk.

Elke maand rekent de AI verschillende scenario’s door, niet alleen over vraag en aanbod, maar ook over ecologische en sociale effecten. In het dorpsforum bespreekt men deze uitkomsten. De AI stelt mogelijkheden voor, maar de keuzes worden gezamenlijk gemaakt. Soms kiest men voor een scenario dat minder efficiënt is, maar beter past bij de afspraken over landschapsbescherming en een eerlijke verdeling van energie onder alle inwoners.

De AI is ontworpen met harde grenzen: geen voorstellen die de ecologische draagkracht overschrijden. Kennis van het landschap, seizoenscycli en lokale teeltpraktijken is opgenomen in de modellen. De rekenkracht staat in dienst van de gemeenschap, niet van externe partijen. Wie wil, kan precies zien op basis van welke gegevens de uitkomsten tot stand komen.

Tien jaar eerder begon de coöperatie met het slim aansturen van zonnepanelen, windmolens en batterijen. Dat leverde snel efficiëntiewinsten op, maar ook meer energieverbruik. Zonder ingreep had de regio in 2035 een robuust energiesysteem gehad, maar met verlies van landschapskwaliteit, toenemende ecologische druk en groeiende afhankelijkheid van externe dataplatforms. In 2029 werd daarom besloten het systeem opnieuw te ontwerpen: niet langer alleen sturen op kilowatturen, maar ook op herstel van houtwallen, waterberging en bodemkwaliteit. Energieplanning en waterbeheer werden met elkaar verbonden, boeren kregen vergoedingen voor het leveren van ecosysteemdiensten, en nieuwe projecten werden beoordeeld op hun bijdrage aan de brede welvaart van de regio.

Het ontwerp van deze aanpak ontstond in 2030, tijdens een grote bijeenkomst waarin iedereen die door de energietransitie werd geraakt aanwezig was. Met hulp van AI werden verschillende toekomstbeelden doorgerekend, inclusief hun gevolgen voor mens en natuur. Uit deze gesprekken ontstond een gezamenlijk kompas: technologie wordt alleen ingezet als ze aantoonbaar bijdraagt aan leven binnen ecologische grenzen én aan de veerkracht van de gemeenschap.

De energiegemeenschap van de Achterhoek is sindsdien verbonden met soortgelijke initiatieven elders in het land. Er wordt energie gedeeld bij overschotten, altijd met respect voor de eigen ecologische randvoorwaarden. De economie is meer lokaal geworden, met korte ketens en hergebruik van materialen. Jongeren leren op school werken met AI én kritisch kijken naar de effecten ervan.

Zo is AI in de Achterhoek geen onzichtbare kracht meer, maar een zichtbare partner. Een hulpmiddel om af te stemmen op elkaar, op het landschap en op de toekomst die men samen wil bouwen.

Tot slot
Zonder herverdeling van macht geen verandering in logica. Zonder nieuwe logica versterkt macht de patronen van het verleden. AI kan de stoommachine van onze tijd worden, die de problemen versnelt die zij juist zou moeten oplossen. Maar AI kan ook het kompas zijn dat richting geeft aan een regeneratieve toekomst.

Die keuze is niet voor later, maar voor nu. Tegelijkertijd is dit geen blauwdruk, maar een richting die we samen, stap voor stap, zullen moeten verkennen. Zoals Geert Teisman benadrukt, ontstaat transitie door te handelen in onzekerheid, te leren van iedere stap en koers te corrigeren waar nodig. Het kompas geeft richting; de route ontstaat in de dialoog tussen formele doelen en informele waardecreatie.

In het laatste hoofdstuk volgt de vertaling van deze keuze naar concrete strategische kaders. Daar wordt de stap gezet van visie naar normatieve uitgangspunten en selectiecriteria, zodat AI in de energietransitie kan functioneren binnen planetaire grenzen en sociale rechtvaardigheid, en publieke waarden daadwerkelijk richting geven aan ontwerp en toepassing.

Bronnen

• Alcott, B. (2005). Jevons’ paradox. Ecological Economics, 54(1), 9–21. https://doi.org/10.1016/j.ecolecon.2005.03.020
• Bridle, J. (2022). Ways of being: Animals, plants, machines — the search for a planetary intelligence. Penguin Books.
• Derksen, M. (2025, 10 augustus). AI voor een regeneratieve energietransitie. Koneksa Mondo.
• Rockström, J., et al. (2009). A safe operating space for humanity. Nature, 461(7263), 472–475.
• Stegeman, H. (2024). Transforming economics for sustainability: From incremental to radical change (Doctoral dissertation, EUR).
• Teisman, G. R. (2024, 8 oktober). Leren om spagaten te maken tussen doelen bereiken en waarde creëren. In Nieuwe paden zoeken in transitietijd – Reflecties en inspiratie voor het werk in de energietransitie. NP RES.
• Critical AI Literacy en publicaties duurzame digitalisering (met dank aan Geert Veneklaas)