De AI-datacenters en de hitte-eiland: een serieus, maar genuanceerd onderzoek

De groei van datacentra voor kunstmatige intelligentie bevindt zich in een ongemakkelijke fase. Het gaat niet langer alleen over hun energie- en waterverbruik of waar ze op het elektriciteitsnet aangesloten moeten worden. Er komt nu een andere vraag naar voren: kunnen deze installaties de lokale temperatuur in de gebieden waar ze worden gebouwd verhogen?

Een studie gepubliceerd op arXiv in april 2026, ondertekend door onderzoekers verbonden aan de University of Cambridge en andere instellingen, behandelt precies dat. Het werk analyseert oppervlaktetemperaturen op aarde via satellietgegevens tussen 2004 en 2024, vergelijkt deze met de locaties van datacentra en concludeert dat na de ingebruikname van deze installaties een gemiddelde stijging van 2,07 ºC in de oppervlaktetemperatuur boven het onderzochte gebied wordt vastgesteld. De variatie ligt tussen 0,3 ºC en 9,1 ºC, met 95 % van de gevallen geconcentreerd tussen 1,5 ºC en 2,4 ºC.

Dit cijfer is opvallend, maar het is belangrijk het zonder slogans te lezen. De studie spreekt over oppervlaktetemperatuur, niet noodzakelijk de temperatuur van de lucht die iemand voelt wanneer hij door de straat loopt. Bovendien betreft het gegevens van datacentra die over twee decennia zijn gebouwd, van 2004 tot 2024. Dat detail is zeer relevant: een groot deel van deze installaties is opgericht vóór de recente boom van generatieve AI, dus het labelen van het hele fenomeen als “AI-island of heat” kan te vereenvoudigend zijn.

Wat zegt de studie echt?

Het onderzoek gebruikt MODIS-gegevens over oppervlaktetemperatuur, die wereldwijd met een verbeterde resolutie van 500 meter worden gereconstrueerd, en combineert deze met datalocaties van datacentra. De onderzoekers starten met meer dan 11.000 locaties, filteren de locaties in dichtbeboste stedelijke gebieden eruit en werken met 8.472 datacentra buiten deze gebieden. Na het verwijderen van problematische data en uitschieters blijven er 6.733 punten over voor de analyse.

De methode vergelijkt de temperatuur vóór en na de ingebruikname van elk datacenter. Volgens de auteurs is de temperatuurstijging niet beperkt tot de precieze locatie van het datacenter zelf. Het effect blijft meetbaar tot zo’n 10 kilometer afstand, maar neemt af met de afstand. De studie stelt dat een gemiddelde maandelijkse toename van 1 ºC kan worden gemeten tot ongeveer 4,5 kilometer, en dat de intensiteit duidelijk afneemt rond de 7 kilometer.

Daarnaast wordt geschat dat meer dan 340 miljoen mensen binnen de invloedssfeer van dit soort “data heat islands” kunnen wonen. Die schatting is gebaseerd op het kruisen van de straal van 10 kilometer rond datacentra met bevolkingskaarten van WorldPop.

Deze cijfers vragen om aandacht. Het probleem is dat niet iedereen ze zonder nuance mag interpreteren.

De methodologische nuance: AI-verhitting of landgebruikverandering?

De eerste nuance ligt in de terminologie. Het artikel spreekt over “AI data centers” en “AI hyperscalers”, maar de tijdreeks begint al in 2004. Toen bestonden de huidige modellen en de massale vraag naar GPU’s voor training en inferentie nog niet. Ook de race naar datacentra specifiek voor generatieve AI was toen nog niet op gang. Er waren datacentra, cloudservices, hosting, colocation, netwerken en digitale diensten, maar niet het consumptiemodel dat vandaag de dag wordt geassocieerd met AI.

Dat hoeft het onderzoek niet te invalidere. Het betekent wel dat we de titel moeten aanpassen. Wat de studie het beste aantoont, is de lokale thermische impact die verbonden is met de aanleg van datacentra op bepaalde locaties. Toeschrijven van het effect uitsluitend aan AI is daarom meer discutabel.

De tweede nuance is fysisch: een deel van de temperatuurstijging kan afkomstig zijn van de energieafgifte door de installaties zelf, maar een ander deel kan te wijten zijn aan landgebruikveranderingen zoals asfalt, daken, verharding, parkeerplaatsen, minder vegetatie, wegdekken en materialen met lage reflectie. Het klassieke stedelijke fenomeen, toegepast op specifieke infrastructuur.

De auteurs proberen deze methodologische vervuiling te beperken door datacentra in dichtbeboste stedelijke gebieden uit te sluiten, zodat de invloed van industrie, warmteafvoer, verkeer, woningen en industriële activiteiten niet door elkaar lopen. Toch blijft de vraag: een stuk land dat wordt omgezet in technische infrastructuur verandert niet enkel door het meetproces, maar vooral door verstedelijking.

Daarnaast is het goed te beseffen dat niet alle datacentra hetzelfde zijn. Een datazaal van 15 jaar geleden is niet te vergelijken met een hypergroeicampus van nu. Het verschil tussen luchtgekoelde en vloeistofgekoelde installaties, en de ligging in een droog klimaat of aansluitingen op stedelijk warmteterugwinningsnetwerk, speelt allemaal een rol.

Waar je niet in moet overdrijven

Een duidelijke verleiding is het beeld dat datacentra als een soort gigantische radiatoren hele wijken zouden verwarmen. De realiteit is veel complexer. Alle elektriciteit die in een datacenter wordt verbruikt, wordt uiteindelijk omgezet in warmte, maar de lokale impact hangt af van de dissipatie, oppervlakte, ontwerp, klimaat, wind, vegetatie, isolatie, koeling en de omgeving.

Met andere woorden: warmte is aanwezig, maar niet alléén door de servers. Vaak ligt de belangrijkste factor in de fysische verandering van de bodem door verstedelijking.

De methodologische kritiek moet dus niet worden gebruikt om het probleem te ontkennen, maar om het gerichter te benaderen en beter te begrijpen.

Het ware probleem: meer infrastructuur voor onzuinig software

Het reguleringskader voor datacentra in Europa is niet leeg. De EU heeft de Richtlijn Energie-efficiëntie geïntroduceerd, die rapportageverplichtingen voor datacentra met een geïnstalleerde IT-vraag van meer dan 500 kW bevat, en de Europese Commissie ontwikkelt een gemeenschappelijke databank en minimale prestatiestandaarden voor de sector.

Dat betekent niet dat de impact is opgelost. Het betekent wel dat de discussie moet verschuiven van “Het gebouw verpest het milieu” naar een meer prangende vraag: welk software gebruiken we en hoe efficiënt is dat?

Generatieve AI heeft een cultuur van rekenkracht genormaliseerd. Langere prompts, onnodig lange antwoorden, generalistische modellen voor kleine taken, opslag zonder opschoning, automatische herhalingen, agents die teveel tools gebruiken en systemen die slordige efficiëntie compenseren met meer hardware. Het zichtbare deel is het datacenter, maar veel beslissingen over consumptie worden al genomen bij het ontwerp van de software.

De International Energy Agency voorspelt dat het wereldwijde elektriciteitsverbruik door datacentra zal verdubbelen tot ongeveer 945 TWh in 2030, bijna 3 % van het mondiale elektriciteitsverbruik. Daarnaast meldt het dat tussen 2024 en 2030 het elektriciteitsverbruik door datacentra met ongeveer 15 % per jaar zal toenemen, veel sneller dan de rest van de sectoren.

Dit groeitempo wordt niet alleen gecontroleerd door betere koelsystemen. Het vereist ook het ontwikkelen van smallere modellen, efficiëntere inferentie, hergebruik van rekenkracht, betekenisvolle contextlimieten, carbon-aware scheduling, het uitschakelen van overbodige workloads, meer sobere architecturen en het integreren van duurzaamheid metrieken in de operatie.

Transparantie bij hyperscalers blijft een vraagteken

Een ander punt dat vaak onderbelicht blijft, is dat veel organisaties AI en cloud gebruiken zonder precies weten wat de ecologische voetafdruk is van elke klant, workload of dienst. Hoewel grote leveranciers duurzaamheidsrapportages publiceren, ontbreekt het nog vaak aan granulariteit die bedrijven nodig hebben om dit soort gegevens in hun eigen rapportages te verwerken.

Voor een bedrijf dat haar echte impact wil meten, zijn de totale verbruikscijfers niet genoeg. Men heeft gedetailleerde data per regio, type service, energieverbruik, watergebruik, emissies, hergebruik van warmte, PUE, WUE en evolutie over tijd nodig. Zonder die specificiteit blijft duurzaamheid vaak steken in grove schattingen.

Het onderzoek suggereert ook hardware- en softwaremaatregelen, zoals efficiëntere data-selectie, compressie, modelpruning en inferentiestrategieën met een kleinere voetafdruk. Op hardwarevlak worden efficiëntere circuits, dynamisch energiebeheer, gecoördineerde koeling en passieve technieken zoals radiatieve coatings genoemd om thermische belasting te verminderen.

Wat kunnen IT-teams doen?

De praktische les voor systeembeheerders, cloudarchitecten, DevOps-teams en infrastructuurverantwoordelijken is duidelijk: duurzaamheid moet in de technische KPI’s worden opgenomen en niet alleen in een jaarverslag.

Al jaren worden beschikbaarheid, latency, kosten, throughput, CPU-gebruik, geheugen, IOPS en fouten gemeten. Nu moeten daar efficiency per transactie, verbruik per query, energiekosten per inferentie, daadwerkelijke resource-occupatie, ongebruikte data, hergebruikratio, milieu-impact per omgeving en levensduur van hardware aan worden toegevoegd.

De grootste fout zou zijn het calorielandschap rondom datahosting te gebruiken voor een simplistische strijd tussen technofobie en afkeer van AI. Digitale infrastructuur is nodig, en datacentra blijven essentieel. Maar dat rechtvaardigt niet dat software wordt ontworpen alsof energie, water, grond en hardware oneindig zijn.

De Cambridge-studie opent een welkome discussie, al is die niet perfect. De resultaten wijzen op een fenomeen dat alertheid verdient, maar de interpretatie vereist voorzichtigheid: er kan een lokaal thermisch effect zijn verbonden aan datacentra, maar niet alles daarvan is exclusief voor AI en niet alles kan worden verklaard door computermateriaalwarmte.

De kernvraag is niet of we datacentra moeten stoppen, maar vooral hoe we voorkomen dat inefficiënt softwaregebruik wordt afgedekt door meer bodem, meer chips, meer koeling en meer megawattverbruik.

Veelgestelde vragen

Maakt AI hele wijken warmer?
De studie toont een verband tussen datacentra en een stijging van de oppervlaktetemperatuur in de omgeving. Alleen toeschrijven aan AI is discutabel, omdat het analysetijdperk al in 2004 begon.

Wat is het verschil tussen oppervlaktetemperatuur en luchttemperatuur?
De oppervlaktetemperatuur meet de hitte van bodem, daken en materialen via satelietbeelden. Het komt niet altijd overeen met wat mensen voelen, maar beïnvloedt wel het lokale microklimaat.

Is het alleen door servers dat er warmte ontstaat?
Niet per se. Ook asfalt, vegetatie, reflectiviteit, urbanisatie en landgebruik dragen bij.

Zijn datacentra in Europa gereguleerd?
Ja. De EU heeft rapportageverplichtingen voor datacentra met meer dan 500 kW vermogen, en ontwikkelt normen voor energie-efficiëntie.

Wat kunnen technische teams doen?
Ontwerpen van efficiëntere software, meten van verbruik per workload, minimaliseren van onnodige opslag, optimaliseren van inferentie, kiezen van passend model, en KPIs voor duurzaamheid integreren in de dagelijkse werking.

Bronnen: