Maaike van Kesteren - AI als enabler in een verschuivend energielandschap

 

AI als enabler in een verschuivend energielandschap 

In de energietransitie lijken idealen en realiteit vaak met elkaar te botsen. We verlangen eenvoud voor de gebruiker, maar het systeem zelf wordt steeds complexer. We zoeken zekerheid, maar moeten juist leren omgaan met flexibiliteit. We willen snelheid maken, maar iedereen meenemen in het maken van beslissingen en alle meningen laten tellen. Ook als deze meningen helemaal niet verenigbaar zijn. We hebben steeds meer data, maar dat maakt beslissingen vaak niet eenvoudiger. Kunstmatige intelligentie of artificial intelligence (AI) kan in dit steeds complexere landschap een enabler zijn: niet de oplossing zelf, maar het middel dat de energietransitie uitvoerbaar(der) maakt. En de keuze om AI op een bepaalde manier in te zetten is niet iets van later – die wordt nú gemaakt. De wereld van morgen wordt vandaag gevormd, door de beslissingen die wij nú nemen.

Verduurzaming gaat vaak gepaard met elektrificatie. De schaal van de opgave is enorm: in slechts enkele decennia moeten we het energiesysteem volledig ombouwen, van fossiel naar hernieuwbaar, terwijl de vraag naar energie blijft groeien. Dat is geen verre stip, maar een acute uitdaging die alles vraagt van onze samenleving. Kijk bijvoorbeeld naar de bouwopgave van netbeheerders: Stedin alleen al legde in 2024 ruim 1000 kilometer nieuwe kabels en plaatste 353 transformatorhuisjes om de groeiende vraag bij te benen. [1] En dan zijn we er nog lang niet. Tot 2050 moeten de 6 regionale netbeheerders samen zo’n 100.000 kilometer kabels aanleggen en bijna 48.000 extra transformatorhuisjes realiseren. [2] Dat is vergelijkbaar met elke maand een kabel trekken van Groningen naar Maastricht, ruim 250 kilometer, 30 jaar lang. In zo’n complexe context wordt duidelijk waarom we hulpmiddelen nodig hebben die de transitie uitvoerbaar maken. Daar komt AI in beeld: niet als oplossing zelf, maar als enabler.

De energietransitie is geen rechte route naar een vast einddoel, maar een dynamische beweging waarin de horizon voortdurend verschuift. Toch spreken we vaak over de ‘stip op de horizon’ – een beeld dat richting geeft, maar ook een valkuil kan zijn. We zoeken houvast in een eindbeeld, terwijl de werkelijkheid vraagt om aandacht voor de kleine stappen die we nú zetten. Terwijl we dat doen, vergeten we soms dat we al midden in de transitie zitten: de keuzes die wij dagelijks maken, de kleine stappen die we zetten, hebben samen waarschijnlijk meer invloed op het slagen van de transitie dan het uittekenen van een ideaal systeem dat ooit werkelijkheid moet worden. Juist in die opeenstapeling van kleine, concrete beslissingen ligt de kracht van verandering.

Met dit essay wil ik laten zien hoe AI kan helpen de stap te zetten van waardengedreven ambities naar uitvoerbare keuzes. Niet als doel op zich, maar met oog voor zowel de mogelijkheden als de kwetsbaarheden van technologie.

AI als enabler, niet als driver

AI wordt zoals eerder internet ook vaak een ‘disruptieve technologie’ genoemd. En net zoals bij AI waren ook bij internet de beloften groot: iedereen zou superslim worden omdat iedereen toegang kreeg tot informatie. De praktijk was genuanceerder: misinformatie verspreidde zich even gemakkelijk als valide kennis, veel mensen konden en kunnen in het digitale landschap slecht navigeren in de overvloed aan data, en de kloof tussen hoog- en laaggeletterden bleef bestaan of werd zelfs versterkt. Internet veranderde onze samenleving ingrijpend, maar anders dan verwacht: via talloze kleine toepassingen en gewoontes die samen een maatschappelijke verschuiving teweegbrachten. Hetzelfde spanningsveld geldt voor AI: zij kan minstens zoveel problemen veroorzaken als oplossen, tenzij we haar bewust inzetten – of dat juist soms niet doen.

Systemische verandering komt nooit uitsluitend voort uit technologie. Technologie transformeert pas wanneer er maatschappelijke, culturele en institutionele condities aanwezig zijn en dit kost tijd waarin stap voor stap vooruitgang wordt geboekt. Dat geldt ook voor AI. AI is geen motor die de energietransitie vanzelf aanjaagt, maar eerder de smeerolie die ervoor zorgt dat de radertjes soepel samenwerken. Zonder olie loopt de machine vast, maar olie op zichzelf zet niets in beweging. En als je olie op goed ingeoliede radartjes smeert, gaat je motor er niet soepeler van lopen. AI is dus – bij gebrek aan een beter Nederlandstalig woord – een enabler. Hiermee bedoel ik een middel dat voorwaarden schept voor verandering, zonder daar zelf de drijvende kracht achter te zijn.

De opkomst van AI en generatieve AI verandert ook hoe wij als (energie)professionals en burgers werken. Zij verschuift de rollen tussen mens en machine nog verder dan het internet ooit deed. Juist daarom geloof ik dat er nu een kans en dus ook een verantwoordelijkheid ligt bij mijn generatie: om deze technologie niet slechts te ‘gebruiken’, maar actief vorm te geven. Deze verantwoordelijkheid ligt natuurlijk niet alleen bij jongeren, maar bij de gehele samenleving. Hierbinnen hebben jongeren wél een bijzondere positie als ‘digital natives’: wij (jongeren) zijn opgegroeid in een digitale wereld en zullen in belangrijke mate mede vormgeven aan de manier waarop deze digitale revolutie onze maatschappij beïnvloedt. Niet omdat wij méér of minder rechten hebben dan welke andere groep dan ook, maar omdat onze vanzelfsprekende omgang met digitale technologie een unieke bron van kracht en vernieuwing kan zijn. Tegelijkertijd zie ik nog een paradox: veel jongeren zijn zich sterk bewust van klimaatverandering en de urgentie om te handelen, maar maken in hun dagelijks leven vaak keuzes die daar haaks op staan. Vliegen voor stedentrips, fast fashion en het gemak van elektrische scooters lijken soms belangrijker dan het langetermijnbelang van het klimaat. Ik herken hierin wat wel omschreven wordt als ‘fatalistisch hedonisme’: het idee dat de problemen zo groot zijn dat ons individuele gedrag er weinig toe doet, waardoor genieten van het moment de voorkeur krijgt boven het maken van duurzame keuzes. Deze houding sluit aan bij wat in onderzoek naar klimaatfatalisme en doomism onder jongeren vaker naar voren komt: een mengeling van urgentiebesef en machteloosheid die kan leiden tot passiviteit of cynisme. Juist in deze spanning ligt volgens mij een belangrijke uitdaging én kans voor mijn generatie.

Hoewel AI veel mogelijk maakt, schuilt het risico in het blind vertrouwen op techniek, waardoor de menselijke toetsing verzwakt en onjuiste aannames of fouten makkelijk onopgemerkt blijven. Zonder duidelijke randvoorwaarden kan AI leiden tot uitsluiting, datamisbruik of versterking van bestaande ongelijkheid. Een bekend mechanisme hierbij is het zogenoemde rich-get-richer-principe: partijen die al over veel middelen, data of invloed beschikken, profiteren het meest van nieuwe technologie, waardoor de kloof met kleinere of kwetsbare spelers alleen maar groter wordt. Daarom pleit ik voor security en inclusivity by design als structurele uitgangspunten: systemen die al in hun ontwerp rekening houden met veiligheid, privacy en gelijke toegang, in plaats van die pas achteraf proberen te waarborgen. Lokale energie-initiatieven verdienen net zo goed ondersteuning als grote marktpartijen. Digitaal minder vaardigen verdienen net zo goed toegang als digitaal vaardigen. Huishoudens die moeilijk rond kunnen komen verdienen net zo goed de voordelen van slimme systemen als huishoudens met veel middelen. Maar het spiegelbeeld is net zo belangrijk: AI kan ook juist kansen creëren om deze verschillen te verkleinen. Digitale hulpmiddelen kunnen ingewikkelde informatie begrijpelijk maken, waardoor ook minder digitaal vaardigen mee kunnen doen. Slimme, ontzorgende systemen kunnen huishoudens die weinig tijd of middelen hebben helpen om automatisch mee te profiteren van goedkope, duurzame energie. En lokale initiatieven kunnen door samenwerking en gedeelde platforms sterker staan tegenover grote marktpartijen. De vraag is dus niet óf AI ongelijkheid vergroot of verkleint, maar hoe wij AI ontwerpen en organiseren.

Toch wordt AI vaak neergezet als doel op zich, terwijl zij in wezen slechts een middel is. Dat geldt ook voor energie: we spreken vaak over ‘energieopslag’, ‘energiegebruik’ en ‘energiezekerheid’, alsof energie het einddoel is. Maar energie is, net als productie of mobiliteit, geen intrinsiek doel. Het is altijd een middel om bredere waarden zoals comfort, welzijn en maatschappelijke ontwikkeling te realiseren. Of zoals bij NP RES wordt gezegd: wonen, werken en verplaatsen. Door dat uit het oog te verliezen, lopen we het risico verkeerde prioriteiten te stellen en managementhypes na te jagen zonder échte richting. AI is net zoals energie pas zinvol wanneer zij verbonden wordt met menselijke doelen en waarden. Daarmee kan AI ingezet worden als instrument voor een waardengedreven energietransitie: een verschuiving waarin technologie geen doel op zich is, maar een middel om concrete waarden zoals duurzaamheid (bijvoorbeeld minder CO₂-uitstoot), inclusiviteit (gelijke toegang tot slimme systemen) en rechtvaardigheid (voorkomen van energiearmoede) te realiseren.

Waarom een systeemverandering nodig is

Het huidige vraaggestuurde energiesysteem loopt vast: technisch door netcongestie en afschakeling van duurzame energie als er niet genoeg vraag is, sociaal door ongelijkheid, uitsluiting en energiearmoede. Duurzame bronnen vereisen dat vraag zich aanpast aan aanbod, niet andersom. Deze verschuiving is niet alleen technisch, maar ook sociaal en institutioneel, ofwel een echte systeemtransitie. We hebben niet alleen te maken met vraagpieken van huishoudens die massaal apparaten gebruiken op dezelfde momenten – zoals het opladen van de elektrische auto bij thuiskomst na een werkdag, gevolgd door het aanzetten van de elektrische kookplaat – maar ook met pieken stroomopwaarts: veel decentrale opwek uit zon en wind die gelijktijdig het net op komt. Dit is vergelijkbaar met water dat niet via de delta wegstroomt, maar terug de rivieren en zelfs de Alpen in zou moeten. Zo’n onnatuurlijke beweging waar het systeem niet op is gemaakt maakt duidelijk dat het oude model steeds minder werkt. De voor de hand liggende oplossing blijft nog altijd netverzwaring: meer kabels neerleggen. Maar daarvoor ontbreken niet alleen de mensen en middelen; ook rijzen de kosten daarvan de komende jaren explosief. Hier wordt duidelijk dat deze ontwikkeling vraagt om een andere manier van denken, waarin we juist de kracht van decentrale netwerken benutten. Dit punt is veel gemaakt, door verschillende partijen. Maar uiteindelijk lopen al deze principes vaak aan tegen de vraag: hoe dan precies in de praktijk?

Steeds vaker komt daarbij het systeem centraal te staan. Dat is logisch: energie, infrastructuur, gedrag, technologie en instituties hangen onlosmakelijk met elkaar samen. Een systeemaanpak is daarom nodig om de complexiteit van het systeem te begrijpen en verbanden te leggen. Maar hier schuilt ook een risico: hoe meer we het systeem centraal stellen, hoe sneller de mens uit beeld raakt. Uiteindelijk is het niet het systeem dat verandert, maar de mensen die erin leven, keuzes maken en gedrag aanpassen. Een mensgerichte aanpak waarin comfort, rechtvaardigheid en gebruiksgemak leidend zijn zou daarom het uitgangspunt moeten zijn. Het energiesysteem is er niet voor zichzelf, maar om het leven van mensen te ondersteunen.

De beperking van veel beleid is dat het ervan uitgaat dat mensen rationeel zijn en zich laten overtuigen door informatie of financiële prikkels. Maar veel onderzoek laat zien dat dit vaak onvoldoende werkt. Mensen hebben immers ook te maken met gewoontegedrag, beperkte aandacht en de gedoefactor [3], een begrip dat aangeeft hoeveel moeite iets in de praktijk kost. Daarbij komt dat energie en energie-infrastructuur typisch een low interest product zijn: een zogenoemde dissatisfier. De aanwezigheid ervan leidt zelden tot tevredenheid, maar de afwezigheid ervan veroorzaakt direct ontevredenheid. Denk aan de vanzelfsprekendheid waarmee we het licht aandoen: niemand is extra tevreden omdat het werkt, maar zodra de stroom uitvalt is de frustratie direct groot. Mensen reageren pas echt wanneer de energievoorziening hapert. Als het gedoe te groot wordt, haken mensen af, hoe goed ze de boodschap ook begrijpen of hoeveel subsidie er ook beschikbaar is. Als we dit gedoe niet serieus nemen, verliezen we draagvlak, hoe aantrekkelijk of goedkoop de techniek ook wordt aangeboden. Verandering vraagt altijd om gedragsaanpassing, en dat gaat gepaard met een bepaalde mate van ‘gedoe’. De acceptatie van de energietransitie kan worden verhoogd door de ervaren baten groter te maken of door het gedoe te verminderen. De kosten-batenverhouding moet verbeteren, waarbij kosten en baten niet alleen financieel maar ook in tijd en energie gemeten moeten worden. AI kan vooral in dat laatste veel betekenen: zij neemt complexiteit weg bij de gebruiker, terwijl de baten (duurzame energie en lagere kosten) behouden blijven. Denk aan een slim systeem dat zelf beslist wanneer de auto opgeladen wordt, of dat de vaatwasser pas start wanneer de energie goedkoop en duurzaam is – zonder dat de gebruiker hier telkens over na hoeft te denken. Ook beleid kan bijdragen aan het verminderen van gedoe. In plaats van alleen informatiecampagnes of subsidies, kunnen overheden investeren in ontzorgende platformen die regelwerk uit handen nemen of in speelse vormen van betrokkenheid, zoals buurten die samen een energiedoel halen en daarvoor zichtbaar beloond worden (gamification).

Wanneer de overheid burgers probeert te betrekken bij de energietransitie, zien we vaak dezelfde aanpak terugkomen: campagnes die informeren (‘zet de thermostaat lager’) of financiële prikkels zoals subsidies voor zonnepanelen of een belastingkorting. Maar dit is maar een deel van de gereedschapskist die beleidsmakers ter beschikking hebben. In de wetenschap zijn er verschillende frameworks die de middelen van een overheid categoriseren, zoals met de indeling van Christopher Hood: Nodality (informatie) en Treasure (geld en prikkels). Latere theorieën, zoals het EAST-model (Easy, Attractive, Social, Timely) van het Britse Behavioural Insights Team, laten zien dat gedrag veel sterker beïnvloed wordt als je de context slim vormgeeft. Mensen reageren beter op oplossingen die eenvoudig zijn, aantrekkelijk worden gepresenteerd, aansluiten bij wat anderen doen en precies op het juiste moment verschijnen. Denk bijvoorbeeld aan standaardinstellingen, waarbij een warmtepomp automatisch energie gebruikt wanneer er veel zon en wind is, of gamification, waarbij een buurt samen punten spaart door gezamenlijk het verbruik te verminderen. Zulke instrumenten gaan verder dan louter informeren of belonen: ze maken het gedrag dat we wíllen zien ook daadwerkelijk makkelijker en aantrekkelijker.

 

Er bestaat een rijke hoeveelheid theorie over hoe systeemverandering en transities tot stand komen. Maar in de praktijk blijkt de werkelijkheid altijd nét complexer, onvoorspelbaarder en weerbarstiger dan modellen suggereren. De energietransitie vraagt juist nu om de stap van theorie naar uitvoering: om het implementeren van oplossingen in al hun messy en contextspecifieke vormen. De energietransitie vraagt niet om meer theorie, maar om keuzes, lef en uitvoering. Niet later, maar nu. Met dit essay wil ik juist die vertaalslag maken: van theorie naar de weerbarstige praktijk, en laten zien hoe dat stap voor stap toch vooruitgang kan opleveren.

Wat is AI eigenlijk, en wat kan zij in de energietransitie?

Allereerst moeten we even ingaan op wat AI nou eigenlijk is. Iedereen denkt namelijk gelijk aan ChatGPT of machinelearning-algoritmes die sollicitanten selecteren. AI is namelijk zoals veel hypewoorden een enorm containerbegrip. Zij omvat verschillende deelgebieden: klassieke AI zoals machinelearning en data science, die in grote datasets patronen kunnen herkennen en voorspellingen doen; en recenter ook generatieve AI en Large Language Models (LLM’s), die nieuwe inhoud kunnen genereren op basis van bestaande data. Waar klassieke AI vooral draait om analyse en voorspelling, maakt generatieve AI het mogelijk om teksten, beelden en andere output te creëren. AI heeft verschillende generaties en hypes gekend. In de jaren tachtig en negentig waren er zogenaamde AI-winters, periodes waarin verwachtingen hooggespannen waren maar resultaten uitbleven. De huidige golf met generatieve AI en LLM’s kan opnieuw gezien worden als zo’n hype-cycle, maar met een wezenlijk verschil: toegankelijkheid en gebruiksvriendelijkheid zijn enorm toegenomen. Daardoor wordt AI nu niet alleen een domein van specialisten, maar iets waar burgers, bedrijven en overheden direct mee experimenteren. Met de lancering van bijvoorbeeld ChatGPT is AI breed toegankelijk geworden, waardoor zij voor veel meer mensen zichtbaar en dus ook bespreekbaar is geworden.

AI herkent patronen en coördineert complexe processen, maar is geen magische of neutrale intelligentie. Het unieke van AI is dat het algoritme ervan grote hoeveelheden data kan verwerken, veel meer dan een mens dat ooit zou kunnen. Binnen de energietransitie zou dat bijvoorbeeld kunnen betekenen dat zij miljoenen kleine beslissingen kan organiseren en zo de consument ontzorgt, zoals in een Home Energy Management Systeem (HEMS). Het geeft als het ware een gedoe-loze optie om incrementele gedragsverandering vorm te geven. Dit maakt een aanbodgestuurd systeem uitvoerbaar in de praktijk.

Huidige initiatieven zoals de campagne Zonwassen [4], die mensen oproept hun wasmachine aan te zetten wanneer de zon schijnt, vragen actieve keuzes van consumenten. Je moet eraan denken, het plannen en er tijd voor vrijmaken. Met AI kan hetzelfde principe veel vanzelfsprekender worden toegepast: een slim systeem dat automatisch de wasmachine start op het moment dat duurzame energie overvloedig en goedkoop beschikbaar is. Daarmee verandert Zonwassen van een bewustwordingscampagne in een geautomatiseerd onderdeel van het dagelijks leven.

Tegelijkertijd moeten we ook reëel zijn: AI doorloopt net als andere technologieën vaak een volgorde in toepassing: eerst digitaliseren, dan optimaliseren en uiteindelijk transformeren. Niet elke digitalisatie is een optimalisatie, maar elke optimalisatie is wél gebaseerd op digitalisatie. En pas wanneer we verder gaan dan optimalisatie ontstaat de mogelijkheid tot echte transformatie. Zo kan AI in het huidige energiesysteem al veel betekenen, bijvoorbeeld bij patroonherkenning, beeldherkenning in meterkasten of system operations, maar dat blijft vooral digitalisatie en optimalisatie. De paradox is dat AI zowel een middel is om bestaande processen slimmer te maken als een katalysator die de overgang naar een aanbodgestuurd energiesysteem versnelt. Het is dus niet óf optimalisatie óf transformatie, maar beide: afhankelijk van hoe we haar inzetten.

In de traditionele, neoklassieke economie wordt vaak uitgegaan van de homo economicus: een mens die volledig rationeel handelt, altijd alle opties afweegt en met perfecte informatie de meest voordelige keuze maakt. In de praktijk is dat beeld natuurlijk onrealistisch. Alsof iedereen elk jaar de tijd en energie heeft om zijn of haar energiecontract volledig te herzien en een weloverwogen beslissing neemt om wel of niet van energieleverancier te veranderen. Hier komt de transactiekostentheorie om de hoek kijken. Het idee is dat markten en organisaties juist bestaan om transactiekosten te verlagen: de moeite, tijd en informatie die nodig zijn om beslissingen te nemen. In de energiemarkt zijn deze kosten traditioneel hoog voor consumenten, die geacht worden rationeel hun contracten en verbruik te sturen. AI kan juist deze transactiekosten drastisch verlagen door complexe informatie automatisch te verwerken en keuzes te vertalen naar praktische acties. Je zou kunnen zeggen dat AI ingezet kan worden als een persoonlijke energieadviseur die dag en nacht paraat staat: zij leest alle contracten, checkt de netcapaciteit, volgt de weersverwachting en zet vervolgens automatisch de wasmachine aan op het meest duurzame en goedkope moment. Daarmee wordt de fictieve homo economicus vervangen door een digitale assistent die comfort en duurzaamheid combineert.

AI als enabler van een waardengedreven energietransitie in de praktijk

Technologische vooruitgang betekent niet altijd dat we oude logica loslaten. Het qwertytoetsenbord laat zien hoe een ontwerp uit de typmachinetijd nog steeds ons dagelijks werken bepaalt. Ooit was de indeling van toetsen bedoeld om hamertjes in een mechanische machine niet te laten vastlopen, omdat de typisten te snel typten voor de machine. Vandaag is dat probleem allang verdwenen. Toch gebruiken we massaal nog steeds hetzelfde ontwerp, alsof het vanzelfsprekend de beste optie is. Dit vasthouden aan oude structuren illustreert hoe gemakkelijk we ontwerpeisen uit het verleden meenemen naar een nieuwe context, zonder ons af te vragen of die context om iets anders vraagt. In de energietransitie en de inzet van kunstmatige intelligentie (AI) schuilt een vergelijkbaar risico: dat we bestaande processen simpelweg digitaliseren, terwijl de echte potentie pas zichtbaar wordt wanneer we bereid zijn processen ook fundamenteel te herzien. De toepassing van agentic AI zal dit proces van herziening bovendien automatisch in gang zetten, omdat zulke systemen niet alleen bestaande patronen volgen maar actief nieuwe handelingsmogelijkheden creëren. Met agentic AI bedoelen we systemen die zelfstandig doelen nastreven binnen gestelde kaders, beslissingen nemen en acties coördineren zonder voortdurende menselijke aansturing. Waar klassieke AI patronen herkent, gaat agentic AI dus een stap verder door zelfsturend en handelend op te treden. In de energietransitie kan je daarbij denken aan een agentisch systeem dat niet alleen berekent wanneer een wijkbatterij het beste kan laden of ontladen, maar ook zelf onderhandelt met buurtnetten, weersverwachtingen meeneemt en afspraken maakt met elektrische voertuigen in de wijk. Zo’n systeem herontwerpt processen dus in de praktijk automatisch.

Als we willen voorkomen dat AI het nieuwe qwertytoetsenbord wordt, moeten we verder kijken dan het simpelweg digitaliseren van oude patronen. Om dat onderscheid te begrijpen, helpt het om toepassingen van AI te zien langs een schaal van drie niveaus: digitalisering, optimalisering en transformatie. Deze schaal laat zien hoe AI in eerste instantie bestaande handelingen digitaal kan maken, vervolgens bestaande processen slimmer en efficiënter kan laten verlopen, en uiteindelijk kan bijdragen aan het fundamenteel opnieuw inrichten van het energiesysteem. Daarmee wordt zichtbaar dat AI niet alleen een technisch hulpmiddel is, maar ook een enabler van een bredere, waardengedreven transitie waarin sociale waarden als inclusiviteit, betaalbaarheid en weerbaarheid net zo belangrijk zijn als efficiëntie.

Digitalisering

Bij digitalisering verandert er in de kern nog weinig. We voeren dezelfde handelingen uit als voorheen, maar doen dat digitaal en met minder menselijke inspanning. Een voorbeeld is voorspellend onderhoud in windparken, waar sensoren en algoritmes afwijkingen in trillingen of temperaturen signaleren voordat een storing daadwerkelijk optreedt. Ook het automatisch inmeten van geografische data valt in deze categorie. Waar voorheen landmeters of technici ter plekke gegevens moesten verzamelen, kan AI beelden direct omzetten in GIS-data. Drones met beeldherkenning kunnen zonnevelden scannen om afwijkingen te detecteren, zoals beschadigde of vervuilde panelen. In de netbeheerpraktijk zien we vergelijkbare toepassingen, zoals slimme camera’s die automatisch kabeltracés inmeten of software die storingen voorspelt. Digitalisering voelt vaak vertrouwd: het lijkt op de overstap van een papieren agenda naar een digitale kalender. Je wint gemak, snelheid en overzicht, maar de manier van plannen blijft hetzelfde. Daarmee is digitalisering nuttig en noodzakelijk, maar ook begrensd: het verandert niets aan de spelregels van het systeem.

Optimalisering

Optimalisering gaat een stap verder. Hier gebruiken we AI niet alleen om bestaande handelingen digitaal te maken, maar ook om ze slimmer te coördineren en efficiënter te laten verlopen. Energy-as-a-Service is hiervan een voorbeeld: huishoudens of bedrijven hoeven niet zelf te investeren in kennis of technologie, maar profiteren toch van slimme energiediensten die collectief worden georganiseerd. In pilots met wijkbatterijen in Arnhem en Amsterdam wordt bepaald wanneer een batterij het beste kan laden en ontladen, zodat bewoners minder kosten maken en tegelijkertijd het lokale net wordt ontlast. [5] Ook elektrische voertuigen hebben hier potentie voor: met AI kunnen we van slim laden naar bidirectioneel gebruik gaan, waarbij auto’s niet alleen energie opslaan maar ook terugleveren. Het Utrechtse project We Drive Solar [6] laat zien hoe deelauto’s fungeren als flexibele batterijen voor de wijk. Optimalisering laat zien hoe AI kan zorgen voor soepelere coördinatie: apparaten en netwerken worden beter op elkaar afgestemd en de beschikbare energie wordt slimmer benut. Voor bewoners kan dit merkbaar zijn in lagere kosten of meer gemak, zoals een auto die altijd op tijd opgeladen is. Tegelijk roept het vragen op: wie beheert de data die deze afstemming mogelijk maakt, en hoe worden de voordelen verdeeld? En niet te vergeten: het huidige, vraaggestuurde model is óók al tot in de puntjes geoptimaliseerd door AI en datatoepassing. Het voorspellen, inbieden en dispatchen van energiecentrales, waarmee onbalans wordt geminimaliseerd, is een diep ingebedde, goed werkende machine die dienstbaar is aan het huidige systeem. Dus de vraag wordt steeds urgenter: optimalisering voor wie? Bovendien leidt optimalisatie vaak tot een vermindering van keuzevrijheid: wanneer systemen automatisch beslissingen nemen voor gebruikers, ervaren zij wel gemak en lagere kosten, maar hebben ze minder directe controle over hun eigen energiegedrag. Als alleen grote partijen toegang hebben tot de infrastructuur en kennis, kan optimalisering bestaande ongelijkheden juist verdiepen. Lokale coöperaties en publieke waarborgen zijn daarom onmisbaar.

Transformatie

Bij transformatie wordt het systeem daadwerkelijk opnieuw ingericht op basis van de mogelijkheden van AI. Real-time pricing is een krachtig voorbeeld: energieprijzen variëren dynamisch, afhankelijk van weersomstandigheden, productie en netbelasting. Apparaten, warmtepompen en laadpalen passen zich automatisch aan aan deze prijssignalen, zonder dat gebruikers daar steeds actief over na hoeven te denken. Daarmee verschuift de kern van het systeem: consumptie volgt het aanbod, in plaats van andersom. Tegelijkertijd schuilt hier ook een gevaar: gebruikers zijn vaak de pineut omdat ze niet begrijpen hoe wholesale partijen en prijsvorming werken, laat staan dat ze er zelf evenveel voordeel uit kunnen halen. In feite kunnen ze worden gegamed, wat het belang van vertrouwen en bescherming extra onderstreept.

Veel flexibiliteit ligt nu verspreid en ongebruikt bij huishoudens en kleine bedrijven. AI maakt het mogelijk om energieprijzen dynamisch te koppelen aan actuele netbelasting en productie. Via slimme aansturing van apparaten, laadpalen en warmtepompen kunnen gebruikers automatisch reageren op pieken en dalen – zonder in te leveren op comfort. Voor huishoudens betekent dit meer duurzaamheid zonder telkens keuzes te hoeven maken – apparaten regelen zich immers zelf. Maar juist omdat de verandering zo fundamenteel is, speelt acceptatie een grote rol: niet iedereen vertrouwt de techniek, en niet iedereen kan investeren in slimme apparaten of contracten. Zonder bescherming en beleid riskeren we dat kwetsbare huishoudens buitengesloten worden of extra risico’s dragen. Hier wordt duidelijk dat energierechtvaardigheid hand in hand moet gaan met technologische innovatie. Dynamische net- en energietarieven zijn een begin, maar pas wanneer tarieven ook lokaal worden bepaald, brengen we vraag en aanbod écht bij elkaar. Dit kan een enorme oplossing zijn voor netcongestie, maar roept tegelijk lastige vragen op: krijgen we dan delen van Nederland waar structureel meer betaald moet worden voor energie?

Deze verschuiving vraagt niet alleen om technologische innovatie, maar ook om sociale en institutionele keuzes. Real-time pricing kan leiden tot een eerlijker gebruik van duurzame energie, maar alleen als ook energierechtvaardigheid expliciet wordt meegenomen. Niet iedereen beschikt immers over de middelen of de kennis om te profiteren van dynamische prijzen of slimme apparaten. Zonder beleid dat toegankelijkheid en bescherming waarborgt, dreigen juist kwetsbare huishoudens de dupe te worden van prijspieken of buitengesloten te raken van de voordelen van slimme systemen. En dat raakt direct aan de huidige inrichting van de Nederlandse en Europese geliberaliseerde energiemarkt. Zolang de marktlogica vooral is gericht op winstmaximalisatie en het benutten van prijsschommelingen, worden digitalisering en optimalisering eerder ingezet ter versterking van bestaande verdienmodellen dan als motor voor systeemverandering. In de huidige marktlogica ligt de nadruk nog sterk op efficiëntie en kortetermijnwinst, terwijl stabiliteit, rechtvaardigheid en duurzaamheid vaak buiten beeld blijven. Zolang deze prikkels niet veranderen, zullen innovaties vooral gebruikt worden om bestaande verdienmodellen te versterken, niet om de energietransitie fundamenteel vooruit te helpen. Hier ligt dus een institutionele sleutel: alleen door hervorming van de marktregels kan AI van optimalisatietool veranderen in een echte transformatiekracht. Ook wordt duidelijk dat AI pas echt betekenis krijgt wanneer zij wordt ingezet in samenhang met bredere waarden zoals rechtvaardigheid, inclusiviteit en weerbaarheid.

Deze fase van de energietransitie vraagt niet alleen om technologische innovatie, maar ook om keuzes in beleid en ontwerp. Drie concrete punten kunnen daarbij richting geven:

1. Maak slimme technologie écht toegankelijk.
   De energietransitie komt pas echt op stoom als iedereen kan meedoen. Slimme apparaten, dynamische tarieven en energieplatforms horen niet alleen beschikbaar te zijn voor wie tijd, kennis of middelen heeft. Overheden en netbeheerders kunnen een grote rol spelen door programma’s te stimuleren die ook kwetsbare of drukbezette huishoudens helpen om zonder gedoe mee te bewegen met duurzame energie. Denk aan collectieve Home Energy Management Systemen (HEMS), eenvoudige standaardinstellingen of ondersteuning voor digitaal minder vaardigen. Toegankelijkheid is geen bijzaak, maar een basisvoorwaarde voor draagvlak én rechtvaardigheid.
2. Hervorm de marktlogica – van winst naar waarde.
   Zolang de energiemarkt vooral prikkels geeft voor efficiëntie en winstmaximalisatie, zal AI eerder bestaande verdienmodellen versterken dan systeemverandering mogelijk maken. Nationale en Europese beleidsmakers kunnen het verschil maken door de spelregels te herijken en prikkels te koppelen aan publieke waarden als stabiliteit, duurzaamheid en rechtvaardigheid. Daarmee wordt ruimte gecreëerd voor investeringen in flexibiliteit, lokale initiatieven en samenwerking. AI kan die nieuwe logica versterken, maar alleen wanneer het bredere systeem er ook op is afgestemd.
3. Bouw vertrouwen door transparantie.
   Digitalisering en real-time pricing maken de energiemarkt complexer en soms ook ondoorzichtiger. Transparantie in prijsvorming, algoritmes en besluitvorming helpt om dat vertrouwen in digitalisering te behouden. Wanneer toezichthouders en energieleveranciers prijsmechanismen begrijpelijk en controleerbaar maken, krijgen burgers zicht op hoe beslissingen tot stand komen en wie daarvan profiteert. Vertrouwen groeit niet uit techniek zelf, maar uit de manier waarop we technologie inzetten ten dienste van mensen.

Digitalisering legt de basis door bestaande processen te automatiseren, optimalisering benut die basis om flexibiliteit en efficiëntie te vergroten, en transformatie hertekent de spelregels van het hele energiesysteem. Daarbij is AI niet de motor die de transitie vanzelf aandrijft, maar de enabler die het mogelijk maakt de transitie waardengedreven vorm te geven. Zij helpt om de technische complexiteit hanteerbaar te maken, maar dwingt ons tegelijkertijd tot het stellen van normatieve keuzes: wie profiteert, wie wordt beschermd en welke waarden staan centraal. Juist in die combinatie van technologie en waarden schuilt de kracht van AI als enabler in de praktijk.

Randvoorwaarden én #hoedan

De inzet van AI roept niet alleen technologische, maar ook ethische en praktische vragen op. In het vorige hoofdstuk heb ik de inzet van AI langs de lijn van digitalisering, optimalisering en transformatie beschreven. In dit hoofdstuk bundel ik de belangrijkste randvoorwaarden onder drie thema’s: rechtvaardigheid, weerbaarheid en duurzaamheid. Deze thema’s spelen al bij eenvoudige digitalisering en worden urgenter naarmate we richting optimalisering en transformatie gaan. Het is daarom belangrijk ze niet met doemdenken te benaderen, maar met een realistische blik die risico’s én kansen in beeld houdt.

Rechtvaardigheid

Rechtvaardigheid lijkt een abstract ideaal, maar krijgt binnen de energietransitie een concrete invulling. Het gaat om recognition justice: wie wordt gezien en erkend in de manier waarop we systemen ontwerpen, distributive justice: hoe verdelen we baten en lasten van slimme technologie, en procedural justice: wie krijgt inspraak en toegang tot informatie. Zonder aandacht hiervoor dreigt AI ongelijkheid te vergroten. Zo bleek in de VS een AI-tool die met vuilniswagens wegen in kaart bracht achtergestelde wijken nauwelijks te registreren, omdat daar minder vaak vuilniswagens reden. In Nederland zien we een vergelijkbaar risico bij toegang tot slimme Home Energy Management Systemen (HEMS). Voor huishoudens die al flexibel energie gebruiken, maken zulke systemen het eenvoudig om verbruik te verschuiven naar goedkope en duurzame momenten. Maar voor huishoudens in energiearmoede zijn deze systemen vaak onbereikbaar. Daardoor lopen zij voordelen mis en groeit de kloof. Tegelijkertijd kan AI ook helpen ongelijkheid te verkleinen, bijvoorbeeld met laagdrempelige en goedkope of collectieve HEMS-oplossingen waarmee juist kwetsbare huishoudens hun energieverbruik eenvoudig kunnen sturen naar goedkopere momenten en energiearmoede juist afneemt.

Weerbaarheid

De energietransitie maakt ons energiesysteem steeds digitaler en daarmee kwetsbaarder. Weerbaarheid kan je opdelen in drie lagen: security: kunnen kwaadwillenden het systeem binnendringen, resilience: hoe snel is het systeem weer op te tuigen na een storing of aanval, en privacy: hoeveel en welke data moeten gedeeld worden. Naarmate we meer digitaliseren en optimaliseren, ontstaan talloze toegangspunten. Bijvoorbeeld real-time pricing vraagt om grote hoeveelheden datastromen, en demand response koppelt talloze apparaten aan centrale systemen. Daarmee ontstaan kwetsbaarheden waarbij weerbaarheid cruciaal is. Hierbij is het ook belangrijk waar de data staan. De gascrisis liet zien hoe afhankelijk we waren van Russisch gas en hoe belangrijk lokale energie is voor onze onafhankelijkheid. Met digitalisering dreigt een vergelijkbare afhankelijkheid te ontstaan van Amerikaanse cloud- en datadiensten. Lokale of Europese alternatieven kunnen helpen deze afhankelijkheid te verkleinen en digitale soevereiniteit te versterken. AI kan juist hier juist een rol spelen door de weerbaarheid te vergroten. Een AI-gedreven Security Information en Event Management-systeem (SIEM-systeem) kan bijvoorbeeld continu netwerkverkeer, gebruikersgedrag en logboeken analyseren en zo sneller en effectiever bedreigingen detecteren.

Duurzaamheid

Ook duurzaamheid in relatie tot AI kent een paradox: datacenters en algoritmes verbruiken veel energie, maar kunnen tegelijk juist helpen energiekosten en uitstoot te verminderen. Aan de ene kant is er het directe verbruik van digitale infrastructuur, aan de andere kant de besparing doordat fysieke processen worden vervangen en doordat digitale systemen slim aan een duurzaam energiesysteem worden gekoppeld. Digitalisering kost veel energie: onderzoeken waarschuwen dat AI inmiddels goed is voor 11 tot 20 procent van het wereldwijde datacenterverbruik. [7] De discussie over het hyperscale datacenter in Zeewolde roept de vraag op of digitale groei past binnen onze klimaatdoelen. Zulke enorme datacentra vragen namelijk ook enorm veel elektriciteit, terwijl het netwerk al overbelast is. Tegelijkertijd moet altijd de vraag gesteld worden: ten opzichte van wat? In veel oude meterkasten is jute gebruikt als isolatiemateriaal, maar dit is niet brandveilig en moet dus verwijderd worden. Het kost misschien 50 kWh om een jute-detectietool te ontwikkelen en te draaien, maar die tool heeft ervoor gezorgd dat er 300.000 fysieke inspecties niet plaats hoefden te vinden. Dat zijn 300.000 autoritten die bespaard zijn. Digitale groei en duurzaamheid kunnen soms botsen, maar juist ook hand in hand gaan. Hier ligt de #hoedan in ‘green AI’: energiezuinige modellen, meer lokale dataverwerking in plaats van altijd de cloud en digitale infrastructuur die slim wordt ingebed in een duurzaam energiesysteem, door bijvoorbeeld gebruik te maken van de restwarmte van datacentra.

Conclusie/reflectie

Ik probeer regelmatig een probleem om te denken. Omdenken is de kunst om niet tegen een probleem te vechten, maar het te bekijken als een kans om iets nieuws te zien of te doen. [8] Laatst zag ik op de snelweg een mooi voorbeeld: ‘Je staat niet in de file, je bént de file.’ Precies zo is het met netcongestie. Congestie is helemaal geen op zichzelf staand probleem, maar (net als een file) het gevolg van het feit dat té veel mensen op hetzelfde moment gebruik willen maken van een beperkte infrastructuur. Niet het systeem staat centraal, maar de mensen die het maken en gebruiken.

AI is voor deze waardengedreven energietransitie de ultieme enabler, door beter te meten, slimmer te sturen en eerlijker te verdelen. De voorbeelden hiervan zijn legio, zoals het afstemmen van vraag en aanbod in real time, het optimaal benutten van netcapaciteit, voorspellend onderhoud en het organiseren van lokale flexibiliteit. Die toepassingen vormen samen een groeipad: digitalisering geeft inzicht en automatiseert, optimalisering benut flexibiliteit en verlaagt pieken, en transformatie herontwerpt de spelregels van het energiesysteem. Hoe verder we opschuiven, hoe groter de potentiële waarde. Mits we inclusiviteit, weerbaarheid en duurzaamheid vanaf het begin verankeren.

AI is daarbij geen doel en zeker geen black swan. Zij is gereedschap dat vraagt om bewuste keuzes over wat we belangrijk vinden. Die keuzes gaan over waarden, niet over algoritmen. Over wie profiteert, wie beschermd wordt en wie mee kan doen. De drie richtingen die ik eerder schetste – toegankelijkheid van slimme technologie, hervorming van de marktlogica en transparantie in prijsvorming – laten zien hoe technologie en beleid elkaar kunnen versterken. Samen laten ze zien dat de weg naar een duurzame energietransitie niet alleen draait om slimme oplossingen, maar vooral om hoe we ze vormgeven met oog voor mensen en waarden.

Juist daarom wil ik terugpakken op het begin van dit essay. Daar schreef ik dat mijn generatie een kans en verantwoordelijkheid heeft om AI niet alleen te gebruiken, maar ook actief vorm te geven. Die rol ligt niet exclusief bij jongeren, maar onze vanzelfsprekende omgang met digitale technologie kan wel een unieke bron van kracht zijn. In de spanning tussen urgentiebesef en gemak, tussen fatalisme en vernieuwing, ligt voor mijn generatie de uitnodiging om de vertaalslag te maken van risico’s naar mogelijkheden.

Ik heb niet overal een antwoord op, en dat hoeft ook niet. Antwoorden ontstaan gaandeweg, in de praktijk en in het gesprek met elkaar. Wat voor mij telt, is dat we blijven leren, het gesprek blijven voeren en samen blijven zoeken naar wat werkt. Niet radicaal om, maar stap voor stap vooruit.

Zo kan AI bijdragen aan een energiesysteem dat niet alleen efficiënter en schoner is, maar ook rechtvaardiger en veerkrachtiger. Niet door te staren naar de horizon, maar door ervoor te zorgen dat iedereen op een eigen manier kan bijdragen. Daarin schuilt, wat mij betreft, de echte transformatie.

---

Voetnoten

1.  https://www.stedingroep.nl/pers-en-media/persberichten/stedin-boekt-investeringsrecord-maar-ziet-knelpunten-op-stroomnet-toenemen 
2. https://www.netbeheernederland.nl/feiten-en-cijfers 
3. https://dehoutenwaarheid.nl/nieuws/in-de-houtgreep-gerdien-de-vries-over-grijze-massa-en-groen-gedoe/ 
4. Netbeheerder Stedin roept Nederlanders op om te wassen als de zon schijnt.
5. https://www.liander.nl/over-ons/nieuws/2024/liander-en-zonneplan-ronden-congestiepilot-af 
6. https://www.stedin.net/over-stedin/pers-en-media/persberichten/utrecht-zet-grootschalig-elektrische-autos-in-voor-opslag-van-duurzame-energie 
7. https://nos.nl/nieuwsuur/artikel/2568297-nieuw-onderzoek-ai-verbruikt-11-tot-20-procent-van-wereldwijde-stroom-datacenters 
8. https://www.omdenken.nl/omdenken