Kunstmatige intelligentie is geen hype meer. Het groeit in rap tempo uit tot het besturingssysteem van de energie-economie. Op congressen wordt nog druk gesproken over voorbeelden en use cases, maar in de dagelijkse praktijk zien we al een werkelijkheid waarin AI netwerken in realtime aanstuurt, miljoenen decentrale installaties coördineert en nieuwe grootverbruikers zoals datacenters binnen milliseconden in het systeem opneemt.
Tegelijkertijd neemt de druk op het energiesysteem toe. De wereldwijde vraag naar stroom voor datacenters en AI‑toepassingen zal naar verwachting ongeveer verdubbelen tegen 2030. Alleen al in Europa kan dit tot wel vijf procent van het elektriciteitsverbruik bedragen. Voor energiebedrijven betekent dit dat AI niet alleen een hulpmiddel is om efficiënter te werken. AI wordt zélf een aanjager van nieuwe belastingpieken, businessmodellen en discussies met toezichthouders.
Hoe kan AI in deze context helpen? En waarom is het voor veel bedrijven zo lastig om het potentieel ervan echt te benutten? Om daar zicht op te krijgen, brengen we drie perspectieven samen: professor dr. Marko Sarstedt van de Ludwig-Maximilians-Universität in München, hoogleraar Marketing en vooraanstaand onderzoeker naar de ‘attitude‑behavior gap’ bij datagedreven beslissingen; Claudia Schulze, Global Lead AI bij adviesbureau Eraneos, dat energiebedrijven helpt AI‑modellen in de praktijk te brengen; en Felix Schwerin, die al meer dan twintig jaar klanten in de energiesector begeleidt bij hun transformatie.
Veel mensen geloven in AI, maar weinig bouwen hun energiesysteem erop.
Vraag: Als AI zo belangrijk wordt, waarom zijn veel bedrijven dan toch terughoudend met de implementatie ervan?
Dr. Marko Sarstedt:
“Wat we zien, kun je een ‘attitude‑behavior gap 2.0’ noemen: in strategiedocumenten staat AI centraal in de toekomstige waardecreatie, maar investeringsbeslissingen volgen vaak nog de logica van het vorige decennium. Over tien jaar zal het verschil tussen bedrijven die AI als experiment blijven zien en bedrijven die hun systeemontwerp er echt op inrichten, bepalend zijn. Dat kun je vergelijken met de stap die we ooit maakten van Nokia naar smartphone‑ecosystemen.”
Claudia Schulze:
“Over vijf tot tien jaar zal de techniek achter AI grotendeels standaard zijn. De echte knelpunten liggen dan bij datakwaliteit, integratie en governance. Energiebedrijven die nu geen consistente, domeinspecifieke datamodellen opbouwen, krijgen in 2030 moeite om tegelijk te voldoen aan regelgeving, autonoom netbeheer en nieuwe verdienmodellen.”
Felix Schwerin:
“Op dit moment zien we veel pilots die mikken op een paar procent efficiencywinst. De echte vraag is: wie durft zijn operating model zo te ontwerpen dat straks zeventig procent van de operationele beslissingen door AI wordt ondersteund, van netbeheer tot klantcontact?”
Een energiesysteem dat zonder AI niet meer te sturen is
Vraag: Waar liggen in het energiesysteem van de jaren 2030 de grootste kansen en de grootste noodzaak voor AI?
Felix Schwerin:
“Tegen het midden van de jaren 2030 hebben we te maken met honderden miljoenen decentrale energieproducenten, opslagfaciliteiten en aanstuurbare verbruikers – van pv‑daken en thuisbatterijen tot elektrische voertuigen die in vehicle‑to‑grid‑modus rijden, waarbij auto’s niet alleen laden, maar ook energie terugleveren aan het net. Het aantal mogelijke combinaties van productie, opslag en verbruik in het systeem neemt daardoor explosief toe. Klassieke manieren van plannen en dispatchen lopen dan tegen fysieke en organisatorische grenzen aan. AI‑gestuurde besturing is op dat moment geen ‘nice to have’ meer, maar een randvoorwaarde om de leveringszekerheid te waarborgen bij een hoog aandeel hernieuwbare energie.”
Claudia Schulze:
“Op korte termijn zien we vooral sterke effecten op prognoses, onderhoud en assetbeheer. De volgende stap komt wanneer deze modellen onderdeel worden van gesloten regelkringen: netsegmenten die zelf stroomstromen optimaliseren, virtuele energiecentrales die realtime reageren op markt- en weerdata, en een operatie die onderhoudsvensters dynamisch inplant op basis van continu opnieuw geëvalueerde storingskansen.”
Dr. Marko Sarstedt:
“Dat verandert ook de rol van mensen. In veel controlecentra en handelsafdelingen verschuift het werk van operationele besluitvorming naar monitoring, scenario‑analyse en governance. Bedrijven die nu hun functieprofielen en opleidingen niet aanpassen, zullen over tien jaar met een flinke vaardigheidskloof te maken krijgen.”
Waarom veel AI-programma’s in de pilotfase blijven steken
Vraag: Waarom blijven veel energiebedrijven in de pilotfase hangen, terwijl de toekomst zo duidelijk datagedreven is?
Claudia Schulze:
“Veel initiatieven zijn volgens de klassieke ‘IT‑project‑logica’ opgezet: je bouwt een model, rekent een businesscase door en hoopt dat de organisatie het oppakt. Voor een energiesysteem dat steeds meer door AI wordt aangestuurd, hebben we juist een architectuur en investeringslogica nodig die tientallen jaren meegaat, vergelijkbaar met de uitbreiding van het elektriciteitsnet. Dat betekent: dataproducten, MLOps‑platforms en gestandaardiseerde interfaces die over vijf of tien jaar nog steeds bruikbaar zijn.”
Dr. Marko Sarstedt:
“Zolang AI als iets extra’s wordt gezien, blijft risicomijding domineren. Bestuurders zien reputatie- en regelgevingsrisico’s wel, maar onderschatten het risico van niets doen.”
Felix Schwerin:
“Om echt vooruit te komen, heb je een duidelijk AI‑doelbeeld voor 2030 nodig: welke onderdelen van het netbeheer worden dan geautomatiseerd? Hoe ziet volledig digitaal klantcontact eruit? Welke delen van de asset‑levenscyclus draaien dan op voorspellende modellen? Vanuit dat doelbeeld werk je terug naar roadmaps, investeringsplannen en organisatiestructuur. En behandel je AI niet als los innovatieproject, maar als kern van je infrastructuurstrategie. Dan reikt je horizon automatisch verder dan de volgende pilot.”
AI is er klaar voor. De meeste organisaties nog niet.
AI-initiatieven mislukken zelden vanwege de technologie. Ze lopen vast wanneer organisaties nog niet klaar zijn om op een nieuwe manier te werken. Ontdek hoe wij leidinggevenden helpen om de manier waarop het werk verloopt opnieuw vorm te geven.
Unieke omstandigheden, unieke kansen
Vraag: Wat betekent deze transformatie concreet voor een sterk gereguleerde, kritische sector als de energiesector?
Felix Schwerin:
“Regelgeving schuift op van het achteraf goedkeuren van losse projecten naar het actief vormgeven van AI‑gestuurd systeembeheer. De eerste discussies over normen voor kritieke infrastructuur en de EU AI Act laten zien dat we richting een praktijk gaan waarin toelatings- en certificeringsprocessen, audittrails en realtime monitoring van algoritmen net zo standaard worden als de netveiligheidsberekeningen van nu.”
Claudia Schulze:
“Tegelijkertijd hebben energiebedrijven een voordeel: ze beschikken al over veel gestructureerde meet‑, belasting‑ en marktdata. Organisaties die die data nu al als strategisch bezit zien, inclusief synthetische data voor zeldzame extreme situaties, kunnen robuuste modellen bouwen die netstoringen, extreem weer of overbelaste markten kunnen simuleren vóórdat ze optreden.”
Dr. Marko Sarstedt:
“Ook het begrip ‘compliance’ kan daardoor verschuiven. De vraag is niet alleen ‘mogen we dit?’, maar ook ‘zijn we verplicht de beschikbare informatie te gebruiken om systeemrisico’s te verkleinen?’. Zodra autonome netwerken aantoonbaar storingen en emissies terugdringen, wordt het negeren van oplossingen als AI-gebruik zélf een risico.”
Technologie, vertrouwen en nieuwe rolmodellen
Vraag: Als de technologie beheersbaar is, wat moeten organisaties dan de komende jaren fundamenteel veranderen?
Claudia Schulze:
“We krijgen een nieuwe generatie businessmodellen waarin AI‑beslissingen eerst naast menselijke beslissingen lopen, daarna steeds vaker meewegen en uiteindelijk zelfstandig handelen binnen duidelijke grenzen. Daarvoor heb je transparante modellen, uitlegbare voorspellingen en heldere escalatiepaden nodig; anders brokkelt het vertrouwen af, zeker op plekken waar veiligheid cruciaal is.”
Dr. Marko Sarstedt:
“Onderzoek laat zien dat mensen algoritmen eerder accepteren als ze de sterke punten en beperkingen ervan begrijpen, en als er feedbackloops zijn. Succesvolle bedrijven positioneren AI daarom niet als ‘black box’, maar als partner: met training die medewerkers in staat stelt modeluitkomsten te bevragen, te verbeteren en zo vertrouwen op te bouwen.”
Felix Schwerin:
“Cultureel betekent het dat je afstapt van de tegenstelling ‘specialisten versus IT’ en gaat werken met productteams waarin data‑experts, netwerk- of salesengineers en regelgevingsexperts samenwerken. Over tien jaar springen vooral die energiebedrijven eruit die AI‑kennis niet incidenteel inkopen, maar verankeren in hun organisatie‑DNA.”
2035: Hoe ziet een volwassen AI-gedreven energiebedrijf eruit?
Vraag: Als je 10–15 jaar vooruitkijkt, hoe zou een typisch beeld er dan uitzien?
Claudia Schulze:
“Veel processen zullen dan niet meer als ‘AI‑toepassing’ worden gezien, maar gewoon als standaard werkwijze. Netwerkcentrales werken met digital twins die elke topologische wijziging en grote verbruikers zoals datacenters realtime simuleren. Generatieve AI maakt automatisch operationele orders, rapportages, onderhoudsplannen en stukken voor toezichthouders. Mensen grijpen alleen in bij uitzonderingen, randgevallen en strategische keuzes.”
Felix Schwerin:
“We krijgen een energiemarkt waarin AI zowel vraag als aanbod vormgeeft: aan de ene kant intelligente datacenters die hun belasting dynamisch verschuiven, aan de andere kant huishoudens en bedrijven waarvan flexibiliteit automatisch in de portfolio’s wordt geïntegreerd. Het concurrentievoordeel komt dan minder van één slim algoritme, en meer van het vermogen een krachtig ecosysteem van partners, data en platforms te bouwen.”
Dr. Marko Sarstedt:
“Misschien is de kloof tussen houding en gedrag dan kleiner. Niet omdat iedereen ineens ‘meer in AI gelooft’, maar omdat mensen dagelijks ervaren dat een systeem met goede AI-ondersteuning stabieler, efficiënter en duurzamer werkt dan de oude manier. De interessante vraag wordt dan: hoe ziet de volgende fase van samenwerking tussen mens en systeem eruit, als we verder gaan dan puur automatiseren?”
De energiesector staat daarmee op een kantelpunt. In het komende decennium zal blijken of AI vooral een onderwerp blijft voor mooie presentaties, of uitgroeit tot het onzichtbare zenuwstelsel van een energiesysteem dat grotendeels draait op hernieuwbare bronnen. Energiebedrijven die nu investeren in datafundamenten, MLOps‑platforms, governance en vaardigheden leggen de basis voor die toekomst. Tegen 2035 draagt AI dan niet alleen bij aan meer efficiëntie, maar ook aan leveringszekerheid, klimaatdoelen en nieuwe businessmodellen.
