Leder vi det forkerte sted efter løsningen på AI-datacentrenes bæredygtighedsudfordring?

Smartere forsyningskæder kan være nøglen til at mindske AI-boommens miljøpåvirkning

Bæredygtighedsledere verden over diskuterer AI’s paradoks. På den ene side vokser AI’s miljømæssige fodaftryk. På den anden side bidrager AI aktivt til at løse nogle af de mest udfordrende bæredygtighedsproblemer i den virkelige verden. 

Fordelene ved AI handler ikke kun om at øge produktiviteten i virksomheder eller automatisere processer; de rækker langt videre og har større konsekvenser. Når AI anvendes inden for videnskabelig forskning, sundhedsvæsenet og energisystemer, kan den være med til at redde liv. Når AI bruges til at løse bæredygtighedsudfordringer, kan dens evne til at forudsige og optimere reducere spild, energiforbrug og udledninger. Det Internationale Energiagentur (IEA) vurderer, at hvis eksisterende AI-anvendelser i industrielle processer blev taget i brug i hele industrien, ville energibesparelserne alene overstige Mexicos samlede nuværende energiforbrug. 

Vi kan ikke vende det blinde øje til AI’s og datacenterøkosystemets nuværende miljømæssige fodaftryk, men vi kan heller ikke ignorere den betydelige effekt og det potentiale, teknologien rummer. Hvis vi opgiver AI nu, vil det forhindre os i at få fuldt udbytte af dens fordele. Men hvis vi skal indfri dens løfter, må vi opbygge den fysiske infrastruktur, der understøtter den, og finde bæredygtige måder at gøre det på. 

Indtil videre har debatten om AI og bæredygtighed primært handlet om datacentre. Men hvis vi for alvor skal mindske AI’s miljømæssige fodaftryk, må vi også se ud over datacentrenes mure og følge materialernes, udstyrets og hardwarens vej gennem de forudgående led i forsyningskæden. 

En effektiv måde at mindske AI’s fodaftryk på er at optimere de globale forsyningskæder bag AI-infrastrukturen.

AI’s reelle miljømæssige fodaftryk omfatter også forsyningskæderne

Det er på mange måder forståeligt, at datacentre i øjeblikket står centralt i debatten om AI’s miljøpåvirkning. I dag tegner AI-arbejdsbelastninger sig for omkring 20 % af datacentrenes anvendelse. Det forventes at blive fordoblet til 40 % inden 2030. AI kræver enorm computerkapacitet, og den kapacitet kræver store mængder elektricitet til drift og vand til at køle systemerne. IEA oplyser, at et typisk datacenter, der fokuserer på AI, kan bruge lige så meget elektricitet som 100.000 husstande. 

Nogle af de skarpeste hjerner inden for bæredygtighed, design og infrastruktur arbejder for en bred indførelse af vedvarende energi til datacentre, grønne byggemetoder i alle anlæg og innovative køleløsninger med lavt vandforbrug. Disse tiltag er afgørende, men de løser kun en del af problemet. Forandringerne bør begynde med AI-drevet optimering af forsyningskæderne. 

AI’s miljømæssige fodaftryk begynder længe før et datacenter sættes i drift. Datacentret er slutpunktet for tusindvis af vidtstrakte forsyningskæder, der producerer og transporterer halvledere, servere, netværksudstyr, transformere, koblingsanlæg, kølesystemer, stål og beton. Disse produkters forsyningskæder omfatter flere leverandører på tværs af globale netværk. 

Dette system bliver i vid udstrækning overset i debatten om AI og bæredygtighed. Men forsyningskæderne udgør en væsentlig del af AI’s samlede fodaftryk og bør optimeres for at mindske spild og udledninger. 

Sådan mindsker bæredygtige, AI-drevne forsyningskæder datacentrenes miljøpåvirkning

En gennemgang fra 2026 af 112 fagfællebedømte studier, offentliggjort i Cogent Engineering, viste, at AI kan spille en afgørende rolle i optimeringen af forsyningskæder ved at forbedre processer, informationsdeling og gennemsigtighed. Sådan bidrager AI-drevet optimering af forsyningskæder til at mindske AI’s miljøpåvirkning:

• Mere effektiv produktion: AI kan bidrage til at reducere spild i produktionen ved at optimere energiforbruget, identificere udstyrsproblemer, der skaber bæredygtighedsproblemer, og afdække ineffektive processer. I AI-infrastrukturens forsyningskæde er disse effektivitetsforbedringer særligt vigtige, fordi de produkter, der fremstilles – herunder servere, kølesystemer, elektrisk udstyr og halvledere – kræver særligt mange ressourcer og meget energi at producere og ofte kræver udvinding af kritiske mineraler, ifølge BSR (Business for Social Responsibility). Vedligeholdelse af computerudstyret kræver hyppig udskiftning af servere og AI-hardware hvert andet til tredje år. Derfor er optimering af produktionen af produkter tidligere i forsyningskæden en af de største muligheder for at mindske datacentrenes samlede miljøpåvirkning. 
• Bedre koordinering af transporten af udstyr med mindre ressourcespild: Når hardwaren er produceret, skal den transporteres til byggepladsen for datacentret. AI kan bidrage til at mindske unødvendig kørsel og ressourceforbrug ved at understøtte planlægning af læs, transport og ruter. USA’s miljøbeskyttelsesagentur har bekræftet, at dette er en central del af arbejdet med at gøre forsyningskæder mere bæredygtige. 
• Bedre overblik og scenarieplanlægning: Med AI-forbedringer inden for overblik, prognoser og scenarieplanlægning behøver virksomheder ikke at opbygge lagre af overskydende varer eller dobbelt kapacitet for at forberede sig på potentielle forstyrrelser. En mere præcis forståelse af, hvor risiciene ligger, gør det muligt at udvikle en målrettet indsats i stedet for at opbygge buffere, der skaber spild.
• Netværksbaseret og effektiviseret samarbejde: Når AI er integreret i hele forsyningskædenetværket, kan producenter og andre partnere gøre kommunikationen og informationsdelingen så effektiv som muligt. Samarbejde i realtid betyder, at alle får den samme opdatering på samme tid. Så går hverken indsats, tid eller ressourcer til spilde.
• Overblik over livscyklussen forlænger udstyrets brugstid: I takt med at teknologien udvikler sig hurtigt, bliver elektronisk affald en stadig større bekymring. Ifølge Global E-waste Monitor genererede verden rekordstore 62 millioner ton elektronisk affald i 2022 – dobbelt så meget som i 2010. AI-forbedret overblik over livscyklussen kan bidrage væsentligt til at reducere mængden af elektronisk affald ved at understøtte beslutninger om reparation, istandsættelse og genanvendelse, når datacenterhardware opgraderes fremover. 

Dette er centralt for bevægelsen hen imod den cirkulære økonomi, som har et enormt potentiale til at gøre forsyningskæder mere bæredygtige. Inden for den cirkulære økonomi kan AI forbedre sorteringen af materialer for at øge genanvendelsesgraden, optimere returlogistikken for at indsamle produkter til istandsættelse og forudsige, hvilke genvundne materialer der matcher efterspørgslen.

Ved at undersøge hver enkelt del af forsyningskæden for AI-infrastruktur nøje og optimere driften, så den bliver mere effektiv og bæredygtig, kan virksomheder reducere AI’s miljøaftryk betydeligt. AI ændrer i sig selv grænserne for, hvad der hidtil har været muligt, og gør det muligt for planlæggere samtidig at analysere de mange komplekse variabler i datacentrenes forsyningskæde, så de kan træffe de bedst mulige beslutninger både for bundlinjen og miljøet.

Hvordan AI kan forbedre sin egen effektivitet

Trods bekymringer over datacentrenes ressourceforbrug er bæredygtighedsledere generelt fortsat optimistiske med hensyn til AI’s indvirkning— World Economic Forums Chief Sustainability Officers Outlook viste, at 73 % af CSO’erne forventer, at AI i væsentlig grad vil fremskynde fremskridtene på bæredygtighedsområdet.

Derudover forventes innovation inden for materialer og halvledere at føre til forbedringer af teknologien, som igen gør den mindre ressourcekrævende. Forskere og ingeniører bruger AI til at designe mere effektive chips, udvikle AI-modeller med et lavere energiforbrug, opdage nye materialer og forbedre køleteknologier og datacentrenes energisystemer.

Disse innovative løsninger vil sammen med omfattende optimeringer af forsyningskæderne gøre næste generation af datacentre mere effektiv og bæredygtig og dermed reducere AI’s miljøaftryk betydeligt.

AI-transformationen og bestræbelserne på at fremme bæredygtighed behøver ikke at modarbejde hinanden. Ved at anvende denne teknologi i hastig udvikling på datacentrene og forsyningskæderne, der driver dens vækst, kan vi fortsat udnytte fordelene ved AI og samtidig opbygge et mere effektivt fundament for fremtidens infrastruktur.