AI-datacenters kunnen het stroomnet helpen stabiliseren in plaats van overbelasten

Datacenters voor kunstmatige intelligentie verbruiken enorme hoeveelheden stroom. Maar misschien is dat niet het einde van de wereld. Onderzoekers hebben nu aangetoond dat diezelfde datacenters net kunnen helpen om het elektriciteitsnet in balans te houden, puur met slimme software.

De explosieve groei van AI-toepassingen zoals ChatGPT zorgt voor een evenredig groeiende vraag naar rekenkracht. Deze rekenkracht komt van datacenters en die verbruiken enorm veel elektriciteit.

Dat levert problemen op. Stroomnetten dreigen op veel plaatsen in de VS al overbelast te raken, vooral op piekuren. Steden waar datacenters worden geplaatst, moeten bovendien betalen voor dure infrastructuuruitbreidingen. En nieuwe datacenters moeten soms jaren wachten voordat ze aangesloten kunnen worden.

Een team van onderzoekers bedacht om dit probleem op te lossen een nieuwe aanpak: wat als datacenters juist zouden helpen om het stroomnet stabiel te houden? Ze ontwikkelden daarom software die het stroomverbruik van een AI-datacenter kan aanpassen aan de behoefte van het elektriciteitsnet. Tijdens piekuren, wanneer de vraag naar stroom hoog is, schakelt het systeem automatisch een tandje terug. Zodra de piek voorbij is, gaat alles weer op volle kracht verder. De studie werd gepubliceerd in het vakblad Nature Energy.

Getest in de woestijn van Arizona

Het systeem werd getest in een echt datacenter in Phoenix, in de staat Arizona, op een cluster van 256 krachtige AI-chips. De onderzoekers werkten samen met twee lokale energiebedrijven om te bewijzen dat het concept werkt.

Tijdens twee testdagen in mei 2025, toen de vraag naar stroom piekte door de hitte en het gebruik van airco’s, verlaagde het systeem het stroomverbruik met 25 procent gedurende drie uur. En dat zonder dat de AI-taken in de soep liepen.

Niet alle AI-taken zijn gelijk

Dit is mogelijk doordat verschillende taken verschillende noden hebben. Niet alle AI-werkzaamheden zijn even tijdkritisch. Het trainen van een AI-model, iets dat dagen of weken kan duren, kan best even wat langzamer. Maar een chatbot die direct moet antwoorden? Die mag niet haperen.

De software deelt taken daarom in qua ‘flexibiliteit’. Sommige taken mogen tot 50 procent vertraging oplopen als dat nodig is, andere helemaal niet. Door te schuiven met prioriteiten kan het datacenter flink besparen op piekuren, zonder dat gebruikers er iets van merken.

Hoe het werkt

Het systeem gebruikt drie methoden om stroom te besparen. Ten eerste kan het de chips vertragen door de kloksnelheid te verlagen, waardoor ze minder energie verbruiken. Ten tweede kunnen niet-urgente taken tijdelijk gepauzeerd worden. En ten slotte kan het systeem het aantal chips dat aan een taak werkt, verminderen.

Dit alles gebeurt puur met software. Er zijn geen dure batterijen of andere hardware-aanpassingen nodig. Het systeem kan dus gewoon draaien op bestaande datacenters.

Potentieel enorm

De onderzoekers schatten dat deze aanpak in de VS alleen al maar liefst 100 gigawatt aan nieuwe datacentercapaciteit mogelijk zou kunnen maken, zonder dat er nieuwe stroomcentrales of hoogspanningskabels nodig zijn. Dat is genoeg om de verwachte groei van AI voor de komende tien jaar op te vangen.

Flexibele datacenters zouden ook voorrang kunnen krijgen, zo stellen de onderzoekers, bij aansluiting op het stroomnet en lagere tarieven kunnen betalen, omdat ze bijdragen aan de stabiliteit van het systeem in plaats van het te belasten.

Nog niet perfect

Dit systeem is nog niet perfect. Niet alle AI-taken kunnen zomaar vertraagd worden. Real-time toepassingen, zoals spraakassistenten of medische systemen, kunnen niet zomaar even op pauze gezet worden. Bovendien is het systeem nog niet op grote schaal getest.

We schreven vaker over dit onderwerp, lees bijvoorbeeld ook AI slurpt nu al evenveel energie als Nederland tijdens piekuren en het watergebruik is nog gekker en Veroorzaakt AI écht zoveel CO2-uitstoot? Het antwoord ligt genuanceerd. Of lees dit artikel: Wie maakt de eerste quantumcomputer?.

Uitgelezen? Luister ook eens naar de Scientias Podcast: