Rapporten

Uit Harvard-onderzoek blijkt dat fossiele brandstoffen de meeste Amerikaanse hyperscale-datacenters van stroom voorzien

Silas Venn
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenFossiele brandstoffen leverden ongeveer 54% van de elektriciteit die aan Amerikaanse…
Meer weergeven
  • Fossiele brandstoffen leverden ongeveer 54% van de elektriciteit die aan Amerikaanse hyperscale-datacenters werd toegeschreven.
  • De uitstoot die aan een datacenter wordt toegeschreven, hangt af van de opwekkingsmix van het regionale elektriciteitsnet.
  • De studie kon het specifieke elektriciteitsverbruik van AI niet scheiden van algemene berekeningen bij afzonderlijke faciliteiten.

Een door Harvard geleid onderzoek, gepubliceerd op 16 november 2026 in Nature Sustainability, schat dat 403 Amerikaanse hyperscale-datacenters in het centrale scenario ongeveer 82 terawattuur (TWh) elektriciteit verbruikten, overeenkomend met circa 1,8% van het totale elektriciteitsverbruik in de VS.

Fossiele brandstoffen waren goed voor ongeveer 54% van de toegerekende elektriciteitsopwekking, voornamelijk aardgas (38%) en steenkool (15%). De centrale raming van de toegerekende koolstofdioxide-uitstoot (CO2) bedroeg ongeveer 25,7 miljoen metrische ton, binnen een scenariobereik van 21–31 miljoen metrische ton.

Afhankelijk van de scenario’s voor de belasting van de faciliteiten varieerde het geraamde elektriciteitsverbruik van ongeveer 68 tot 99 TWh. Harvard verklaarde dat de hoogste raming in de buurt komt van het jaarlijkse elektriciteitsverbruik van staten als Indiana, Michigan en Tennessee.

Hoe de ramingen per faciliteit tot stand kwamen

De ramingen hebben betrekking op de periode van mei 2024 tot en met april 2025. Onderzoekers gebruikten satellietbeelden om de lijst met faciliteiten samen te stellen en modelleerden voor elke locatie het jaarlijkse elektriciteitsverbruik bij uiteenlopende bedrijfsscenario’s. Vervolgens gebruikten ze gegevens van de Environmental Protection Agency om de uitstoot toe te rekenen op basis van de mix van elektriciteitscentrales in het regionale elektriciteitsnet van elke faciliteit.

De studie omschrijft de belangrijkste berekening als een locatiegebaseerde toerekeningsmethode waarbij de totale productie van de balanceringsautoriteit als uitgangspunt dient. In de praktijk wordt met deze aanpak de elektriciteitsopwekking en uitstoot van centrales in het betreffende regionale elektriciteitsnet toegerekend aan de faciliteiten. Het resultaat is een per faciliteit uitgesplitste raming van de elektriciteitsbronnen en uitstoot, in plaats van rechtstreekse meterstanden van elke locatie.

Regionale elektriciteitsnetten bepalen de voetafdruk

Volgens de in de studie gebruikte maatstaf, gewogen naar elektriciteitsverbruik en gebaseerd op de totale productie, bedroeg de koolstofintensiteit ongeveer 314 gram CO2 per kilowattuur, tegenover een gemiddelde van ongeveer 348 gram voor de totale productie in de VS. Achter dit lagere gemiddelde gaan aanzienlijke regionale verschillen schuil: ongeveer een kwart van de elektriciteit werd verbruikt in netregio’s met een koolstofintensiteit boven het nationale gemiddelde, en veel faciliteiten waren geconcentreerd in gebieden waar elektriciteitsopwekking met steenkool een groot aandeel in de stroomvoorziening heeft.

Virginia, Oregon, Ohio en Iowa waren samen goed voor meer dan de helft van het onderzochte elektriciteitsverbruik. Een nationaal gemiddelde kan daarom niet voor elke campus gelden; de aan een faciliteit toegerekende uitstoot hangt af van de mix van elektriciteitsopwekking in het regionale net.

Wat de ramingen niet ophelderen

De beschikbare gegevens omvatten niet alle hyperscale-datacenters in de VS, en de onderzoekers konden bij afzonderlijke faciliteiten geen onderscheid maken tussen elektriciteitsverbruik voor gespecialiseerde AI-activiteiten en dat voor algemene computerverwerking. De faciliteiten ondersteunen onder meer cloudcomputing, het trainen van grote taalmodellen en de wereldwijde inzet van AI-tools. De totalen kunnen daarom niet worden opgevat als uitsluitend AI-gerelateerd verbruik.

Hoofdauteur Gianluca Guidi zei in de aankondiging van Harvard dat het gerapporteerde elektriciteitsverbruik en de koolstofvoetafdruk “in 2026 nu al aanzienlijk groter zouden kunnen zijn”. Dit is een prognose op basis van faciliteiten die na de onderzoeksperiode zijn gebouwd en campussen die sindsdien zijn uitgebreid, in combinatie met de aanhoudende groei van de vraag naar AI-computing; het gaat niet om een nieuwe meting.

De studie heeft de gezondheidseffecten niet rechtstreeks gemeten; de onderzoekers willen die in toekomstig onderzoek bestuderen. Francesca Dominici, de corresponderende auteur, beschreef twee routes waarlangs effecten kunnen optreden: koolstofdioxide veroorzaakt klimaatverandering, die de gezondheid beïnvloedt via hittegolven, rook van natuurbranden, overstromingen en andere effecten; daarnaast stoten elektriciteitscentrales op fossiele brandstoffen fijnstof, stikstofoxiden en zwaveldioxide uit, stoffen die in verband worden gebracht met hart- en longziekten en vroegtijdig overlijden. Mensen die in de buurt van deze centrales wonen of benedenwinds ervan kunnen gezondheidslasten ondervinden, ook als ze ver van het datacenter zelf wonen.

Dominici zei dat het doel is om het publiek, beleidsmakers, investeerders en projectontwikkelaars een concretere basis te bieden voor beslissingen over de locatie van datacenters en de manier waarop ze van stroom worden voorzien. Met dit raamwerk wordt de boekhouding niet langer beperkt tot één nationaal totaal, maar uitgesplitst naar regionale elektriciteitsnetten en hun centrales—het niveau waarop de locatiekeuze voor hyperscale-datacenters, de elektriciteitsvoorziening en de toegerekende uitstoot samenkomen.

Silas Venn is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij artificiële intelligentie aan de kruispunten van duurzaamheid, klimaatwetenschap en milieutechnologie bestudeert. Zijn werk onderzoekt hoe AI-systemen worden gebruikt om energiedoeltreffendheid te optimaliseren, klimaatmodellering te verbeteren en de overgang naar meer duurzame infrastructuur en industrieën te ondersteunen.
Met een vooruitziende en milieubewuste visie onderzoekt Silas toepassingen variërend van slimme netwerken en energievoorspelling tot klimaatrisicoanalyse, koolstofmeting en bronoptimalisatie. Hij richt zich op praktische inzet waarbij AI meetbare milieubaten biedt, en gaat ook in op de beperkingen, compromissen en langetermijngevolgen van het verantwoord opschalen van deze technologieën.
Artikelen geschreven door Silas Venn zijn AI-gegenereerd en worden beoordeeld door het redactieteam van Unite.AI om de nauwkeurigheid, balans en verantwoorde berichtgeving van de rol van AI in duurzaamheid en klimaattechnologie te waarborgen.