Tezelfdertijd is het besef diepgeworteld dat we steeds energie-efficiënter moeten worden, en terecht! Nieuwe Europese rapportagevereisten onder de Energy Efficiency Directive en de Corporate Sustainability Reporting Directive (CSRD) verscherpen bovendien de bestaande controlemechanismen.
Zijn de groei in artificiële intelligentie en de vraag naar meer energie-efficiëntie dan wederzijds exclusief? Helemaal niet! Ik durf zelfs het tegendeel te beweren: De energietransitie – en dan vooral langs de vraagzijde – kan niet plaatsvinden als we niet op een slimme manier artificiële intelligentie inzetten! AI heeft het potentieel om de uitstoot van koolstof te verminderen met een veel groter aandeel dan de eigen gegenereerde uitstoot . Hoe is dit mogelijk?
Data als basis
De eerste, voor de hand liggende en cruciale manier om de koolstofuitstoot te verminderen is het verlagen van het energieverbruik.
Denk bijvoorbeeld aan industriële fabricageprocessen of aan verwarming- en koelingsystemen in gebouwen. Om deze te optimaliseren heb je precieze modellen nodig. Zo kan je de belangrijkste invloeden op het energieverbruik in kaart brengen, afwijkingen in het verbruik detecteren en oplossen en verschillende scenario's uitwerken om de energiebehoefte te verminderen.
In veel gevallen is het echter onpraktisch om een precies model te construeren op basis van fysische formules en vergelijkingen, alleen al vanwege de complexiteit van een dergelijke taak. Om bijvoorbeeld een compleet energiemodel van een gebouw uit te werken, zou een leger van experts en wetenschappers nodig zijn.
Machine learning
Een alternatieve manier is het gebruik van kunstmatige intelligentie, en dan vooral machine learning, om veel sneller te leren van de gemeten gegevens een voorspellend model te bouwen.
Dergelijke toepassingen van het gebruik van AI om het energieverbruik te verminderen zijn breed inzetbaar; voor verwarming en koeling van gebouwen, industriële processen zoals waterontzilting, energie-optimalisatie van woningen, stadsverwarmingssystemen, en nog veel meer.
Groene elektriciteit
Bovendien zal de overstap naar groene energiebronnen zoals zonne-energie en elektrische voertuigen alleen succesvol zijn dankzij de ondersteuning van kunstmatige intelligentie. Door slimme voorspellingen te maken en vraag en aanbod in evenwicht te brengen, speelt AI een sleutelrol in het minimaliseren van koolstofuitstoot en het stabiliseren van energiegrids. De complexiteit van de fysieke modellering van een dergelijk systeem op grote schaal is enkel mogelijk via de kracht van artificiële intelligentie.
Een concrete toepassing zien we nu al in microgrids, die geoptimaliseerd zijn om de piekvraag naar het hoofdnet te verlagen, in oplaadsystemen voor elektrische auto's, in energiesystemen voor thuisgebruik, enzovoort. De symbiose tussen kunstmatige intelligentie en duurzaamheid is dus zonder twijfel cruciaal voor onze toekomst.
Artificiële Intelligentie slim inzetten
Intussen blijft het wel een feit dat telkens een AI algoritme draait we veel energie verbruiken. Daarom is het belangrijk om het enkel in te zetten waar het de enige en beste oplossing is. Gebruik dus geen ChatGPT om een standaardmailtje te schrijven. Gebruik geen complex machine learning model daar waar simpele fysische wetmatigheden een voldoende nauwkeurig resultaat geven.
Dit is niets nieuws onder de zon – we weten dit al veel langer dan vandaag : gebruik steeds het aangepaste gereedschap voor de taak. We moeten geen (klimaat)moker inzetten waar een klein hamertje volstaat. Maar als we AI op een slimme manier gebruiken, kan het ongetwijfeld een gamechanger zijn voor de energietransitie.
