---
title: "Zuinige AI modellen: meer stroom?"
date: 2026-11-21
author: "Daan Koster"
featured_image: "https://watisai.nl/wp-content/uploads/2026/11/zuinige-ai-modellen-jevons-rekenhulp.jpg"
categories:
  - name: "AI nieuws"
    url: "/category/ai-nieuws.md"
---

# Zuinige AI modellen: meer stroom?

**485 TWh**alle datacenters in 2025, IEA-schatting

**950 TWh**alle datacenters in 2030, IEA-raming





Zuinige AI modellen kunnen per opdracht stroom besparen terwijl het totale verbruik stijgt. De vraag is hoeveel vaker je ze gebruikt. Met de rekenhulp zie je bij welke groei de besparing verdwijnt, zonder een verzonnen stroomcijfer aan een chatbot te hangen.



Besparing per opdracht is maar één helft van de som**Per opdracht**Hoeveel energie kost hetzelfde bruikbare resultaat?



**Alle opdrachten**Hoeveel keer wordt dat werk werkelijk uitgevoerd?







## Wanneer slokken extra opdrachten de besparing op?

Neem een zelfgekozen scenario: één zware opdracht per dag wordt vervangen door 200 automatische opdrachten. Elke nieuwe opdracht gebruikt 90% minder energie. Dan wordt het totaal 200 × 0,10 = 20 keer het oorspronkelijke verbruik. Bij tien opdrachten is de besparing precies opgebruikt.

Dat is een rekensom, geen meting van een model. Vergelijk taken die hetzelfde bruikbare resultaat opleveren. Een korte classificatie en een lang document uitwerken zijn verschillende taken; alleen prompts tellen geeft dan een scheef beeld. De uitleg over [large language models](https://watisai.nl/large-language-models/) helpt om dat onderscheid te begrijpen.



Zelfgekozen scenario: 90% minder energie per opdrachtGebruik per dagTotaal, oud = 100Oud: 1 opdracht100Nieuw: 10 opdrachten100Nieuw: 200 opdrachten2.000

## Reken zelf met zuinige AI modellen

Pas het aantal opdrachten en de besparing per opdracht aan. Alle startwaarden zijn voorbeelden. Energie en stroomkosten verschijnen alleen als je zelf een verbruik invult. Die kosten zijn stroomkosten bij jouw tarief, geen factuur van een aanbieder.

Jouw gebruik vóór en na — rekent lokaal

Opdrachten per dag, vóórOpdrachten per dag, naBesparing per opdracht (%)Oud verbruik per opdracht (Wh, optioneel)Stroomtarief (€/kWh, voorbeeld)

Bereken mijn scenarioAutomatisch: 20 keer zoveelPrecies gelijkNog steeds besparing



**Bereken het scenario**De uitkomst vergelijkt totaalverbruik bij jouw aannames.



Deze rekenhulp gebruikt JavaScript. Zonder JavaScript: deel het nieuwe aantal door het oude aantal en vermenigvuldig met (1 − besparing / 100). Voor 200 ÷ 1 × 0,10 is de uitkomst 20 keer zoveel.

Formule: totaal na / totaal vóór = (aantal na / aantal vóór) × (1 − besparing / 100). Alleen het gebruik telt mee. Training, koeling en netwerk tellen uitsluitend mee als jouw invoer die omvat. Gegevens blijven in deze browser.









## Datacenters gebruiken meer, ondanks zuinigere taken

Een lezersbrief in het Nederlands Dagblad van 19 november 2026 stelt dat goedkopere AI tot vaker gebruik leidt. De [IEA-raming uit 2026](https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary) zet daar cijfers naast: alle datacenters samen gaan van naar schatting 485 TWh in 2025 naar 950 TWh in 2030. De op AI gerichte datacenters verdrievoudigen hun stroomverbruik in die raming.

Een terawattuur is een miljard kilowattuur. Die 950 TWh is dus geen cijfer voor alleen chatbots. De IEA wijst ook op zwaardere toepassingen. [Generatieve AI](https://watisai.nl/generatieve-ai/) omvat immers meer dan korte tekst, bijvoorbeeld video. Dat maakt een universeel getal per prompt onbruikbaar. Groei alleen bewijst bovendien niet dat lagere kosten die groei veroorzaakten.



Alle datacenters wereldwijd, IEA 2026. 2030 is een raming.**2025 — 485 TWh**

**2030 — 950 TWh**





## Efficiëntie afschrijven is óók een rekenfout

Sturen op minder energie per bruikbare taak blijft verstandig. Alleen dat getal als klimaatbelofte gebruiken is te makkelijk. Het totale aantal taken hoort erbij. Dat is precies de afweging bij [aan de slag](https://watisai.nl/ai-voor-bedrijven/) gaan met AI op het werk.

Het [IEA-rapport Energy and AI uit 2025](https://iea.blob.core.windows.net/assets/86ed1178-4d77-45ac-ab38-28e849f3b93f/EnergyandAI.pdf) beschrijft het reboundeffect: extra gebruik eet een deel van de besparing op. Bij de Jevonsparadox verdwijnt die besparing helemaal of slaat ze om in meer verbruik. Dat gebeurt niet automatisch. Als het aantal taken gelijk blijft, blijft de besparing in deze rekenhulp volledig staan.



Eigen rekenvoorbeeld: 50% minder energie per taak, oud 100 taken**120 taken na**120 ÷ 100 × 0,5 = 0,6. Nog 40% besparing.

**200 taken na**200 ÷ 100 × 0,5 = 1. Besparing opgebruikt.

**300 taken na**300 ÷ 100 × 0,5 = 1,5. Totaal 50% hoger.





## Automatisch samenvatten verdient een eigen teller

Als je AI standaard aanzet in mail of documenten, tel dan hoeveel verwerkingen er werkelijk starten. Een bewuste vraag kan veranderen in een functie die ieder document verwerkt. Beter [prompts schrijven](https://watisai.nl/prompts/) helpt bij een gerichte opdracht; het begrenst geen automatische stroom opdrachten.



1. **Tel de verwerkingen.** Neem ook automatische opdrachten en herhalingen na fouten mee.
2. **Vergelijk dezelfde taak.** Houd de gewenste kwaliteit en de meetgrens gelijk.
3. **Toets opnieuw bij uitbreiding.** Vul je nieuwe aantallen in voordat de functie voor meer documenten aanstaat.

Een volgende efficiëntieclaim wordt pas bruikbaar met een vergelijkbare taak én het totale gebruik erbij. De basisvraag [wat is ai](https://watisai.nl/) krijgt daarmee een praktische vervolgvraag: hoeveel werk laat je het uitvoeren?





## Bij tien keer zoveel gebruik telt elke besparing anders

Vergelijk je eigen aantallen. Zonder een meetwaarde blijft de uitkomst relatief.

[Vergelijk mijn gebruik](#verbruik-rekenhulp)