Europese startups zetten duurzame AI op de kaart

Kunstmatige intelligentie vraagt om enorme hoeveelheden energie. Naarmate grote taalmodellen krachtiger en omvangrijker worden, stijgt ook de wereldwijde vraag naar elektriciteit. Dat zet niet alleen de energie-infrastructuur onder druk, maar maakt het behalen van klimaatdoelen ook steeds uitdagender. Terwijl Amerikaanse hyperscalers vooral inzetten op schaalvergroting en steeds grotere datacenters, kiezen verschillende Europese startups bewust voor een andere aanpak: maximale efficiëntie met zo laag mogelijk energieverbruik. Voor deze bedrijven is duurzame artificiële intelligentie geen marketingterm, maar een fundamenteel onderdeel van hun strategie. Ze richten zich op het slimmer ontwerpen van chiparchitecturen, energiezuinige datacenters en innovatieve systemen voor energiebeheer en opslag. Daarmee proberen zij AI-toepassingen niet alleen krachtiger, maar vooral ook duurzamer en beter schaalbaar te maken voor de toekomst.

Het energieprobleem als springplank voor groene AI in Europa

De energiehonger van AI neemt toe in een tempo dat beleidsmakers en energiebedrijven zorgen baart. Volgens het Internationaal Energieagentschap (IEA) verdubbelt het wereldwijde stroomverbruik van datacenters tussen 2022 en 2026, mede door de explosieve groei van generatieve AI. Europa staat daarbij voor een dubbele uitdaging: energiezekerheid garanderen én de klimaatdoelen van de Green Deal halen. Precies in die spanning zien vier startups hun kans. Ze zetten duurzame artificiële intelligentie Europa niet af als idealistisch streven, maar als zakelijk model.

Deep Green verwarmt zwembaden met serverrestwarmte

Deep Green tekent het datacenter volledig opnieuw in. Traditionele serverparken slorpen gigantische hoeveelheden energie op voor koeling, waarbij de vrijgekomen warmte simpelweg verloren gaat via koeltorens of de buitenlucht. Deep Green plaatst compacte, modulaire datacenters in publieke voorzieningen zoals zwembaden. De warmte die AI-berekeningen produceren, verwarmt het badwater. Zo ontstaat een circulair systeem dat de CO2-voetafdruk van het gebouw drastisch verlaagt én de servers efficiënter koelt. Het model is slim: de gemeente bespaart op stookkosten, en Deep Green krijgt een locatie met koelcapaciteit en stroomaansluiting. Een zeldzaam voorbeeld van duurzame technologie die direct maatschappelijke meerwaarde levert.

UPMEM rekent rechtstreeks in het geheugen

Bij conventionele processors gaat een groot deel van de energie verloren aan het constant heen en weer slepen van data tussen geheugen en rekenchip. Bij grootschalige AI-toepassingen wordt dat knelpunt alleen maar groter. Het Franse bedrijf UPMEM pakt dit aan met processing-in-memory (PIM). In plaats van data naar een aparte processor te sturen, plaatst UPMEM duizenden kleine rekenkernen direct in het DRAM-geheugen zelf. Data verwerkt het systeem op de plek waar het al staat, wat aanzienlijk minder energie en tijd kost. Voor de sector die duurzame artificiële intelligentie Europa nastreeft, biedt deze aanpak een concrete route: minder dataverkeer betekent minder watt per berekening.

Green Compute plant AI-trainingen op groene pieken

Software vormt een tweede laag in het terugdringen van het energieverbruik van AI. Het Nederlandse Green Compute ontwikkelde een platform dat zware AI-trainingen carbon-aware plant. Het systeem monitort het Europese stroomnet in realtime en detecteert wanneer de productie van wind- en zonne-energie piekt. Op die momenten plant het automatisch niet-urgente rekentaken in. Bedrijven trainen zo grote modellen met een aanzienlijk lagere CO2-intensiteit, zonder ook maar één regel code aan te passen. Dat is precies de pragmatische benadering die duurzame AI in de Europese industrie groot kan maken: geen ingewikkelde migraties, wel directe impact op de uitstoot.

TWAICE optimaliseert de batterijen achter het stroomnet

De Duitse startup TWAICE richt zich op een minder zichtbaar maar onmisbaar onderdeel van duurzame artificiële intelligentie Europa: de energieopslag achter het stroomnet. Digitale infrastructuur en hernieuwbare energie leunen in toenemende mate op grootschalige batterijsystemen. Slijtage, laadcycli en temperatuurgedrag bepalen hoe betrouwbaar en efficiënt die systemen presteren. TWAICE ontwikkelt AI-gestuurde voorspellingen en digitale tweelingen van batterijpacks. Operators volgen daarmee de prestaties in real time, voorspellen slijtage en optimaliseren laadstrategieën voordat er problemen opduiken. Storingen lossen ze dus niet achteraf op, maar ze voorkomen ze actief. Dat maakt batterijsystemen niet alleen langer bruikbaar, maar ook minder verspillend. Voor de Europese energietransitie, die sterk leunt op betrouwbare opslag, is dat geen bijzaak. Rapporten van het IEA onderstrepen dat batterijopslag een sleutelrol speelt in de integratie van duurzame energie in het net. TWAICE maakt AI zelf niet zuiniger, maar de energievorziening van AI-systemen wel stabieler en efficiënter. Zo sluiten groene technologie en slimme data-analyse elkaar steeds beter in.