Britse AI-plannen botsen met energieramingen: datacenters worden klimaatdossier

De Britse overheid wil tegelijk twee grote doelen halen: een leidende positie in AI én een snel schoner elektriciteitsnet. Maar een nieuw bericht van The Guardian laat zien dat die ambities intern nog niet netjes op elkaar aansluiten. Het Department for Science, Innovation and Technology (DSIT) rekent in zijn UK Compute Roadmap op minstens 6 gigawatt aan AI-geschikte datacentercapaciteit in 2030, terwijl energieprognoses elders in de overheid volgens The Guardian veel lager lijken uit te vallen. Dat maakt de discussie over AI ineens heel concreet: niet alleen chips en modellen tellen, maar ook stroom, netcapaciteit en uitstoot.

Waar zit de botsing precies?

Volgens The Guardian lijkt DSIT uit te gaan van een forse groei van AI-datacenters, onder meer via zogeheten AI Growth Zones. Tegelijk zou het Department of Energy Security and Net Zero (DESNZ) in zijn bredere ramingen geen apart, even zwaar scenario voor datacentergroei zichtbaar hebben meegenomen. Daardoor ontstaat een ongemakkelijke vraag: bouwt het VK beleid op basis van twee verschillende toekomstbeelden?

Voor de AI-sector is dat geen detail. Grote taalmodellen, inferentie op schaal en nieuwe enterprise-platformen vragen allemaal om meer rekenkracht. Dat zagen we eerder ook bij de aandacht voor Google’s nieuwe TPU 8t en TPU 8i en bij de recente AI-marktupdate over chips en infrastructuur.

DSIT heeft zijn klimaatcijfers inmiddels aangepast

De discussie werd extra gevoelig doordat DSIT op 23 april een correctie publiceerde in zijn Compute Evidence Annex. Daarin staat nu dat de cumulatieve uitstoot van AI-compute in het VK over tien jaar kan uitkomen tussen 34 en 123 megaton CO₂. Dat is veel hoger dan eerdere, veel optimistischere cijfers die eerder op de overheidswebsite stonden.

Die aanpassing kwam nadat Carbon Brief vraagtekens zette bij de plausibiliteit van de oorspronkelijke aannames. De kern van de kritiek: als AI-datacenters sneller groeien dan het stroomnet verduurzaamt, lopen energieverbruik en emissies veel sneller op dan op papier aantrekkelijk lijkt.

Leon Tindemans, die in zijn ChatGPT-training dagelijks met praktijkgebruik bezig is, legt het verband zo:

“Elke vraag aan een model kost ergens stroom. Hoe slimmer mensen leren werken met zo’n tool, hoe minder ze ernaast grijpen en opnieuw moeten beginnen. Efficiënt gebruik is dus ook een energievraag.” Leon Tindemans, AI-expert en Copilot- & ChatGPT-trainer

Waarom dit ook buiten het VK relevant is

Dit verhaal gaat niet alleen over Londen of Whitehall. Het raakt een bredere Europese vraag: hoe realistisch zijn nationale AI-ambities als energie-infrastructuur, vergunningen en klimaatdoelen niet op hetzelfde tempo meelopen? Die spanning zie je ook terug in discussies over EU AI-regelgeving en praktische compliance: beleid rond AI gaat steeds minder alleen over software en steeds meer over fysieke infrastructuur.

Voor bedrijven is dat relevant omdat datacentercapaciteit uiteindelijk invloed heeft op prijs, beschikbaarheid en snelheid van AI-diensten. Zelfs partijen die vooral focussen op modellen — denk aan de introductie van GPT-5.5 of nieuwe agentplatformen — zijn afhankelijk van dezelfde onderliggende energie- en compute-keten.

Wat betekent dit?

De Britse discussie laat zien dat de volgende fase van AI minder draait om demo’s en meer om uitvoerbaarheid. Landen kunnen pas echt een AI-koploper worden als hun cijfers over compute, stroomvraag en uitstoot op elkaar aansluiten. Voor de markt is dit dus meer dan een beleidsrel: het is een reality check voor hoe snel AI op nationale schaal kan groeien.

Bronnen:
The Guardian
UK Compute Roadmap (GOV.UK)
Compute Evidence Annex corrigendum (GOV.UK)
Carbon Brief