Gartner: Snelle opkomst van AI kan tot tekort aan elektriciteit voor datacenter leiden

“De explosieve groei van nieuwe hyperscale-datacentra om GenAI te implementeren, zorgt voor een onverzadigbare vraag naar elektriciteit die het vermogen van nutsbedrijven om hun capaciteit snel genoeg uit te breiden, zal overtreffen,” zegt Bob Johnson, VP Analyst bij Gartner. “Dit dreigt de beschikbaarheid van energie te verstoren en kan leiden tot tekorten, waardoor de groei van nieuwe datacentra voor GenAI en andere toepassingen vanaf 2026 beperkt wordt.”

Gartner schat dat de hoeveelheid energie die nodig is voor datacentra om AI-geoptimaliseerde servers te laten draaien in 2027 zal oplopen tot 500 terawattuur (TWh) per jaar, wat 2,6 keer het niveau van 2023 is.

'Energietekort houdt nog jaren aan'

Johnson geeft aan dat nieuwe, grotere datacentra worden gepland om de enorme hoeveelheden data te verwerken die nodig zijn voor het trainen en implementeren van de snel groeiende grote taalmodellen (LLM’s) die GenAI-applicaties ondersteunen. Korte-termijntekorten aan stroom zullen echter waarschijnlijk nog jaren aanhouden, aangezien de capaciteit van nieuwe stroomtransmissie, distributie en generatie meerdere jaren nodig heeft om operationeel te worden en de huidige problemen niet snel zal verlichten.

Op de korte termijn zullen het aantal nieuwe datacentra en de groei van GenAI afhangen van de beschikbaarheid van elektriciteit om deze te ondersteunen. Gartner raadt organisaties aan de risico's van mogelijke stroomtekorten voor hun producten en diensten te evalueren.

Energieprijzen stijgen

Door de aanstaande tekorten zullen de elektriciteitskosten stijgen, wat ook de kosten van het runnen van LLM's zal verhogen, aldus Gartner. Grote stroomverbruikers werken samen met grote producenten om op lange termijn gegarandeerde stroombronnen te beveiligen die onafhankelijk zijn van andere netwerkaanvragen, stelt Johnson. Ondertussen zullen de stroomkosten voor het runnen van datacentra aanzienlijk stijgen, omdat operators economische hefbomen gebruiken om de benodigde stroom te verkrijgen. Deze kosten zullen ook worden doorberekend aan de leveranciers van AI/GenAI-producten en -diensten.

Gartner adviseert organisaties om bij toekomstige plannen rekening te houden met hogere energiekosten en lange termijncontracten af te sluiten voor datacentrumdiensten tegen redelijke stroomtarieven. Daarnaast zouden organisaties moeten overwegen om plannen voor nieuwe producten en diensten te ontwikkelen die minder stroom vergen, en op zoek te gaan naar alternatieven die minder energie vereisen.

Duurzaamheidsdoelstellingen onder druk

Korte-termijnoplossingen om meer energie te leveren, zijn ook van negatieve invloed op duurzaamheidsdoelen. De stijgende vraag dwingt leveranciers om de productie op elke mogelijke manier te verhogen, wat in sommige gevallen betekent dat fossiele-energiecentrales die gepland waren voor sluiting langer in gebruik blijven.

Johnson benadrukt dat het verhoogde gebruik van datacentra op korte termijn leidt tot meer CO2-uitstoot voor de benodigde energie, wat het moeilijker zal maken voor datacenter-exploitanten en hun klanten om hun ambitieuze duurzaamheidsdoelen op het gebied van CO2-uitstoot te halen.

Continue stroomvoorziening nodig

Datacentra hebben een continue stroomvoorziening nodig, iets wat hernieuwbare energiebronnen zoals wind of zonne-energie niet kunnen leveren zonder een alternatieve bron tijdens perioden zonder productie. Op de lange termijn zullen nieuwe technologieën voor betere batterijopslag (zoals natrium-ion-batterijen) of schone energie (zoals kleine kernreactoren) beschikbaar komen en helpen bij het realiseren van duurzaamheidsdoelen.

Gartner raadt organisaties aan om hun duurzaamheidsdoelen met betrekking tot CO2-uitstoot te heroverwegen in het licht van toekomstige datacentervereisten en de stroombronnen voor de komende jaren. Bij het ontwikkelen van GenAI-applicaties zouden organisaties moeten streven naar een minimaal verbruik van rekenkracht en de haalbaarheid van alternatieven zoals edge computing en kleinere taalmodellen onderzoeken.