Wat is de materiële voetafdruk van AI?

Een AI-model kan eruitzien als software op een scherm, maar om het te laten draaien is een lange fysieke keten nodig. Mijnen en raffinaderijen leveren grondstoffen; halfgeleiderfabrieken produceren processoren en geheugen; apparatuurproducenten assembleren servers; en datacenters zorgen voor stroomvoorziening, netwerkverbindingen en koeling.

Dit onderscheid is belangrijk, omdat het elektriciteitsverbruik tijdens het gebruik slechts één deel van de levenscyclus vormt. Voordat een server zijn eerste prompt verwerkt, zijn al energie en materialen gebruikt om de chips, printplaten, voedingen, opslagmedia en koelapparatuur te maken en het gebouw te realiseren waarin ze zijn ondergebracht.

Geen enkel getal geeft deze hele voetafdruk weer. De systeemgrenzen verschillen per onderzoek: sommige studies tellen alleen computerapparatuur mee, terwijl andere ook gebouwen, elektriciteitsinfrastructuur, water, netwerken, vervangingscycli of verwerking aan het einde van de levensduur omvatten. Een geloofwaardige schatting moet vermelden wat is meegenomen.

AI-acceleratoren combineren processoren, geheugen met hoge bandbreedte, printplaten, koelcomponenten en complexe chipbehuizingen. De productie vereist uiterst gecontroleerde fabricageomstandigheden, herhaalde bewerkingsstappen, ultrapuur water, elektriciteit, speciale gassen en chemicaliën.

Kleinere procesnodes voor halfgeleiders kunnen hogere rekenprestaties leveren, maar de fabricage wordt daarmee niet vrij van impact. Het overzicht van The Shift Project merkt op dat de impact op energie, water en broeikasgasemissies per eenheid siliciumoppervlak kan toenemen naarmate productieprocessen geavanceerder worden, terwijl openbare productgegevens onvolledig blijven.

Efficiëntie moet daarom op twee niveaus worden bekeken. Een nieuwere accelerator kan dezelfde werklast met minder elektriciteit verwerken, maar voortijdige vervanging van apparatuur veroorzaakt ook een nieuwe productievoetafdruk. Het beste resultaat hangt af van de efficiëntie bij het verwerken van de werklast, de nuttige levensduur, de benuttingsgraad en wat er met de vervangen hardware gebeurt.

Servers bevatten staal, aluminium, koper en silicium, naast veel kleinere hoeveelheden gespecialiseerde materialen voor elektronica, batterijen, magneten, connectoren en stroomvoorzieningssystemen. Het onderzoek van ADEME dat door The Shift Project wordt samengevat, vermeldt dat digitale apparatuur als geheel meer dan 50 metalen kan bevatten.

Het gaat niet alleen om de massa van elk materiaal. Mijnbouw, raffinage en componentenproductie vinden plaats in verschillende landen, met mogelijk sterk uiteenlopende omstandigheden op het gebied van energie, water, vervuiling, arbeid en bestuur. Een kleine hoeveelheid van een moeilijk te raffineren materiaal kan een impact hebben die niet zichtbaar is in het uiteindelijke gewicht van de server.

Toeleveringsketens zijn ook geografisch geconcentreerd. De AI Index van Stanford benadrukt de concentratie van geavanceerde halfgeleiderproductie en AI-rekencapaciteit in een klein aantal landen. Die concentratie kan industriële knelpunten veroorzaken en de voordelen en milieulasten ongelijk verdelen.

AI-infrastructuur vraagt om meer dan rekken met acceleratoren. Datacenters gebruiken beton, constructiestaal, elektrische onderstations, noodvoorzieningen, batterijen, transformatoren, schakelinstallaties, kabels, pompen, warmtewisselaars, koeltorens en netwerkapparatuur.

De ingebedde emissies uit productie en bouw zijn bij een elektriciteitsnet dat sterk op fossiele brandstoffen steunt vaak kleiner dan de operationele emissies, maar ze zijn niet verwaarloosbaar. Hun relatieve belang groeit wanneer elektriciteit CO₂-armer wordt, omdat beton, staal, elektronica en vervangende apparatuur deel van de levenscyclus blijven.

Het gebouw en de IT-apparatuur verouderen bovendien in een verschillend tempo. Een indiening uit 2026 voor Googles Agate-datacenter in Nebraska beschrijft een gebruikelijke ontwerplevensduur van meer dan 25 jaar voor de faciliteit en van 30 tot 50 jaar voor het bouwkundige casco, terwijl de interne computer-, elektrische en koelsubsystemen modulair worden vervangen of gemoderniseerd. Dit is de beschrijving van een exploitant voor één datacenter, geen universele regel voor de sector.

De vraag naar snellere acceleratoren kan de vervangingscycli in de praktijk verkorten, zelfs als oudere hardware nog werkt. Nieuwe apparatuur kan de prestaties per watt verbeteren, maar de productie vraagt opnieuw om materialen, industriële energie, transport en installatie.

Buiten gebruik gestelde hardware wordt niet automatisch afval. Sommige servers en componenten kunnen worden ingezet voor minder veeleisende werklasten, gereviseerd, doorverkocht of gebruikt als reserveonderdelen. Veilige gegevensverwerking, compatibiliteit, energie-efficiëntie en onderhoudskosten bepalen of hergebruik haalbaar is.

Wat niet kan worden hergebruikt, komt terecht in de verwerkingsketen voor elektronisch afval. Het rapport van UNU-INWEH noemt een prognose van maximaal 2.5 miljoen ton AI-gerelateerd elektronisch afval per jaar tegen 2030. Dit is een toekomstgerichte schatting en geen gemeten huidig totaal. De uitkomst hangt sterk af van aannames over uitrol en vervanging.

De productie van halfgeleiders en elektronica kan water verbruiken en het gebruik van oplosmiddelen, speciale gassen en persistente chemicaliën met zich meebrengen. PFAS worden gebruikt in sommige halfgeleiderprocessen en toepassingen voor warmteoverdracht, maar openbare gegevens bieden geen basis om een nauwkeurig wereldwijd PFAS-totaal aan uitsluitend AI toe te schrijven.

Landgebruik is een ander aspect van de systeemgrenzen. Mijnen, fabrieken, elektriciteitscentrales, hoogspanningslijnen en datacentercampussen nemen allemaal ruimte in, maar de berekende landvoetafdruk hangt sterk af van de elektriciteitsbron en de rekenmethode. Het rapport van UNU-INWEH laat zien waarom opties met een lage CO₂-uitstoot, een laag waterverbruik en weinig landgebruik niet altijd samenvallen.

Deze effecten kunnen optreden ver van de mensen die de uiteindelijke dienst gebruiken. Mineralen kunnen in de ene regio worden gewonnen, in een andere worden geraffineerd, elders tot chips worden verwerkt en worden geïnstalleerd in datacenters die gebruikers wereldwijd bedienen. Levenscyclusanalyse helpt deze verspreide effecten zichtbaar te maken, zonder te suggereren dat ze allemaal tot één score kunnen worden teruggebracht.

De meest directe maatregelen zijn een langere nuttige levensduur van hardware, een hoge benuttingsgraad van servers, repareerbare en modulaire systemen, hergebruik vóór recycling, schonere productie en betere terugwinning van waardevolle materialen. Exploitanten kunnen ook voetafdrukken per product en hun vervangingsbeleid publiceren, zodat verbeteringen kunnen worden gecontroleerd.

Ook softwarekeuzes zijn van belang. Kleinere modellen die geschikt zijn voor hun doel, efficiënte inferentie, batchverwerking, kwantisatie en het doorsturen van eenvoudige taken naar lichtere systemen maken nuttig werk met bestaande hardware mogelijk. Efficiëntie verkleint de totale voetafdruk alleen als de groei van de vraag de besparingen niet tenietdoet.

Betere metingen zijn essentieel. Rapportages moeten elektriciteitsverbruik tijdens de gebruiksfase onderscheiden van ingebedde emissies, de levenscyclusgrenzen benoemen en bedrijfsbrede gemiddelden scheiden van gegevens per faciliteit. Het doel is niet om aan elke prompt één exact materiaalcijfer toe te kennen, maar om infrastructuurbeslissingen transparanter en beter vergelijkbaar te maken.