AI en de energiecrisis: waar blijven de breincomputers?
Nu AI zorgt voor een explosieve groei in het stroomverbruik, zijn neuromorfische computers een onderdeel van de oplossing geworden.
Published on October 17, 2025
Prof. Hans Hilgenkamp
Medeoprichter van Media52 en hoogleraar Journalistiek, bouwt aan IO+, events en Laio, met focus op commerciële kansen—en blijft schrijven voor IO+.
Kunstmatige intelligentie herschrijft de regels van de technologie, maar ook de energiebalans van de wereld. Elke zoekopdracht in een groot taalmodel, elk geautomatiseerd beeldherkenningssysteem, elk aangesloten apparaat, rust op de schouders van miljarden kleine transistors die met duizelingwekkende snelheden aan- en uitgeschakeld worden.
Professor Hans Hilgenkamp, wetenschappelijk directeur van het MESA+ Instituut van de Universiteit Twente, beschrijft het met een opvallend contrast: “Eén transistorschakelaar verbruikt slechts 10⁻¹⁷ joules. Dat is onvoorstelbaar weinig. Maar vermenigvuldig dat met de ongeveer 10³⁶ schakelingen die de mensheid elk jaar uitvoert, en je komt uit op een energierekening die al enkele procenten van het wereldwijde elektriciteitsverbruik uitmaakt.”
En de vraag neemt alleen maar toe. De opkomst van AI, het internet der dingen en clouddiensten zorgt ervoor dat het aantal transistoroperaties – en daarmee ook het dataverkeer en de opslagbehoeften – explosief stijgt. “Het gaat niet alleen om het schakelen”, legde Hilgenkamp onlangs uit in een lezing. “Het verplaatsen van data, of dat nu op een chip is of naar een datacenter, verbruikt evenveel energie. Datacenters zelf moeten worden gekoeld, wat resulteert in een nog hoger elektriciteits- en waterverbruik. Het systeem als geheel wordt een belangrijke motor van energieverbruik.”
De nucleaire honger van AI
De implicaties zijn niet abstract. In heel Europa en daarbuiten belasten nieuwe datacenters de lokale elektriciteitsnetten, waardoor overheden gedwongen worden om de energie-infrastructuur te herzien. In sommige gevallen worden inactieve kerncentrales opnieuw in overweging genomen om aan de vraag te voldoen. Maar is dit de oplossing? “Je kunt vandaag één centrale herstarten”, rekende Hilgenkamp voor, “maar over twee jaar heb je er nog twee nodig. De groei is exponentieel.”
Analisten schatten dat informatie- en communicatietechnologieën (ICT) al ongeveer 5 procent van de wereldwijde elektriciteit verbruiken, een aandeel dat binnen tien jaar zou kunnen verdubbelen als de groei van AI ongecontroleerd doorgaat. De halfgeleiderindustrie nadert fundamentele fysieke grenzen: het veel efficiënter schakelen van transistors dan de verwachte drempel van 10⁻¹⁸ joule stuit op barrières van thermische ruis en astronomische kosten voor apparatuur.
Dat leidt tot een ontnuchterende realiteit: tenzij de informatica zelf verandert, dreigt AI een energiecrisis op zich te worden.
Watt Matters in AI
Watt Matters in AI is een conferentie die zich richt op het verkennen van het potentieel van AI met aanzienlijk verbeterde energie-efficiëntie. In aanloop naar de conferentie publiceert IO+ een serie artikelen die de huidige situatie en mogelijke oplossingen laten zien. Tickets voor de conferentie zijn te vinden op wattmattersinai.eu.
Op zoek naar antwoorden in de hersenen
Dit is waar neuromorfisch computergebruik om de hoek komt kijken. In plaats van te vertrouwen op de decennia oude “von Neumann-architectuur”, waarbij geheugen en verwerking gescheiden zijn en gegevens tegen hoge energiekosten heen en weer worden geschoven, laten neuromorfische benaderingen zich inspireren door de hersenen.
“Onze hersenen zijn de meest energiezuinige processors die we kennen”, aldus Hilgenkamp. " Ze werken een dag lang op het equivalent van een boterham met pindakaas, ongeveer 20 watt, maar presteren toch beter dan supercomputers op het gebied van patroonherkenning en leren."
Het belangrijkste verschil is dat in de hersenen geheugen en berekeningen met elkaar verweven zijn. Neuronen en synapsen slaan informatie op en verwerken deze, waardoor massaal parallelle, energiezuinige bewerkingen mogelijk zijn. Door deze structuur na te bootsen, kunnen neuromorfische chips de energiekosten van AI-taken met een factor tien verminderen.
Van synapsen naar silicium
Een deel hiervan is al zichtbaar in de huidige AI-hardware. Neurale netwerken, die worden gebruikt in toepassingen variërend van ChatGPT tot medische beeldvorming, zijn zelf een vereenvoudigde weergave van hoe biologische neuronen zich verbinden en leren. Chipfabrikanten zoals Nvidia zijn succesvol omdat hun grafische processors uitblinken in de kernbewerking waarop deze netwerken vertrouwen: vector-matrixvermenigvuldiging.
Maar Hilgenkamp benadrukt dat voor de volgende sprong nieuwe materialen en ontwerpen nodig zijn. Een veelbelovende route betreft memristors, resistieve elementen die hun toestand kunnen ‘onthouden’ en hun geleidbaarheid kunnen aanpassen in reactie op spanningspulsen, net zoals synapsen hun sterkte aanpassen wanneer we leren. Onderzoekers bij IBM Zürich en in Nederland experimenteren met faseveranderende materialen en ongeordende halfgeleiders om deze adaptieve componenten te bouwen. Vroege prototypes hebben al indrukwekkende verbeteringen laten zien bij taken zoals spraakherkenning.
Andere concepten, zoals spiking neurale netwerken, bootsen de methode van de hersenen na om informatie door te geven via spanningspieken in plaats van via constante digitale signalen. Intel, IBM en verschillende academische groepen hebben chips gedemonstreerd die dergelijke netwerken veel efficiënter kunnen uitvoeren dan conventionele processors.
Urgentie ontmoet kans
De inzet is duidelijk: zonder doorbraken in architecturen zoals neuromorfische computers kan de energiebehoefte van AI groter worden dan wat elektriciteitsnetten en samenlevingen aankunnen. Met deze doorbraken kunnen we niet alleen efficiëntie winnen, maar ook nieuwe vormen van computers die beter geschikt zijn voor de rommelige, adaptieve uitdagingen van intelligentie in de echte wereld.
Hilgenkamp wijst op het groeiende momentum op dit gebied. Nederlandse onderzoekers, startups en wereldwijde marktleiders verkennen allemaal wegen ‘voorbij von Neumann’. Nationale en Europese programma's beginnen financiering te kanaliseren naar neuromorfisch onderzoek en ontwikkeling. Op 26 november vindt in Eindhoven de conferentie “Watt Matters in AI?” plaats, gewijd aan precies deze vragen: hoe groot is het probleem, welke technologieën kunnen helpen en welk beleid is nodig om de voetafdruk van AI binnen de perken te houden. Hilgenkamp leidt het programmacomité voor deze conferentie.
“AI is niet alleen een technologische revolutie”, concludeerde Hilgenkamp. “Het is ook een energierevolutie. Om het duurzaam te maken, moeten we verder kijken dan de chips die we kennen en leren van de meest efficiënte computer die we al hebben: het menselijk brein.”