Waarom de industrie haar klimaatdoel mist (en hoe AI kan helpen)

Minder reductie dan gepland: waar staat de industrie nu?

Tussen 2021 en 2030 leveren de huidige plannen voor verduurzaming van de Nederlandse industrie 19 megaton (Mton) broeikasgasreductie op. Twee jaar geleden lag dat nog 7 Mton hoger. Dat verschil staat gelijk aan ongeveer 3 procentpunt van het nationale doel van 55% reductie in 2030.

Dit beeld komt uit de nieuwste reflectie op de Cluster Energiestrategieën (CES 3.0) van PBL, TNO en RVO. Voor iedereen die bezig is met de energietransitie – van plantmanager tot dataspecialist of beleidsmaker – is dit een wake-up call. De plannen zijn ambitieus op papier, maar de realiteit van infrastructuur, businesscases en doorlooptijden haalt ons in.

Dit artikel zet de belangrijkste conclusies op een rij én laat zien waar kunstmatige intelligentie (AI) helpt om dit gat kleiner te maken. Want binnen de serie “AI voor Nederlandse Energie: Duurzame Transitie” gaat het niet alleen over wat er misgaat, maar vooral over wat je vandaag wél kunt doen.

---

1. De cijfers: waarom de industrie haar 2030-doel niet haalt

De kern is helder: met de huidige industrieplannen wordt het indicatieve 2030-doel niet gehaald.

• Doel: restemissie industrie in 2030 rond 29,1 Mton
• Raming KEV 2024: 33,3 tot 42,5 Mton
• Geplande reductie in CES 3.0: 19 Mton (2021–2030)
• Dat is 7 Mton minder dan in CES 2.0

Het probleem is dus niet dat er geen plannen zijn, maar dat de optelsom ervan te klein én te onzeker is.

Drie grote kanttekeningen bij de plannen

PBL noemt drie structurele problemen die je in vrijwel elk industriecluster terugziet:

1. Plannen zijn nog pril
   Meer dan 60% van de geplande emissiereductie komt uit projecten die nog in een vroege fase zitten. Dat betekent:

   • Onzekere realisatiedata
   • Grote afhankelijkheid van vergunningen en financiering
   • Hoge kans op vertraging tot ná 2030

2. Infrastructuur loopt achter
   De plannen rekenen in 2030 op in totaal 21 Mton CO₂-afvang en -opslag (CCS) in industrie en elektriciteitssector. Maar de bekende projecten bieden minder capaciteit:

   • Porthos: circa 2,5 Mton per jaar
   • Aramis: 5–14 Mton per jaar (en timing is onzeker)

   Daarnaast zijn er knelpunten rond:

   • Netverzwaring voor elektrificatie
   • Waterstofinfrastructuur voor groene waterstof en industriële feedstock

3. Businesscase groene waterstof rammelt
   De CES-plannen mikken op 11 GW elektrolysecapaciteit in 2030. Dat is simpelweg niet realistisch:

   • Klimaatakkoord-doel: 3–4 GW in 2030
   • KEV 2024-raming: maximaal 1,5 GW

   De kloof tussen plannen en haalbare uitvoering (factor 7) heeft alles te maken met:

   • Onzekere prijsontwikkeling van elektriciteit
   • Onvoldoende duidelijkheid over subsidies en langetermijncontracten
   • Onzekerheid over afname door industrie en mobiliteit

De les: plannen stapelen is niet genoeg. Zonder harde keuzes, versnelling van infrastructuur en betere businesscases blijft 2030 buiten bereik.

---

2. Wat is er veranderd sinds twee jaar geleden?

Dat de totale geplande emissiereductie nu 7 Mton lager uitvalt dan in CES 2.0, heeft twee duidelijke oorzaken:

• Minder CCS-plannen in de industrie
  Sommige projecten zijn vertraagd, afgeschaald of geschrapt. CCS blijft politiek gevoelig, en dat vertaalt zich in uitstel.

• Extra uitstoot door synthetische brandstoffen
  De productie van synthetische brandstoffen (e-fuels) zorgt in de industrie voor extra emissies, maar levert in de mobiliteitssector een veel grotere uitstootdaling op. Netto is dat gunstig voor het klimaat, maar het maakt de industriecijfers minder fraai.

Hier zie je meteen de crux van de energietransitie: sectorale doelen en nationale doelen botsen soms. Een raffinaderij die e-fuels maakt, kan op papier ‘vuile’ industrie blijven, terwijl het totale Nederlandse CO₂-plaatje juist sterk verbetert.

Dit is precies zo’n vraagstuk waar AI-gedreven systeemanalyse waarde toevoegt:

• Waar is een ton CO₂-reductie het meest effectief in de hele keten?
• Welke combinatie van maatregelen (industrie, mobiliteit, gebouwde omgeving) geeft de hoogste reductie per geïnvesteerde euro?

Modellen die deze keteneffecten simuleren – gevoed met actuele data uit de clusters – helpen beleidsmakers en bedrijven om slimmere keuzes te maken dan alleen per sector optimaliseren.

---

3. De bekende knelpunten: vergunningen, ruimte, mensen

Veel van de problemen uit CES 2.0 zijn in 2025 nog steeds niet opgelost. Dat herken je waarschijnlijk direct als je bij een industriebedrijf, overheid of netbeheerder werkt.

Trage vergunningen en onduidelijke regels

• Vergunningstrajecten duren jaren in plaats van maanden
• Regelgeving rond waterstof is nog niet stabiel en verschilt per domein
• Ruimtelijke inpassing van leidingen, conversiestations en installaties is complex

Gevolg: projecten schuiven naar achteren, investeringsbeslissingen worden uitgesteld en daardoor komen ook netbeheerders later in actie.

Tekort aan mensen – óók bij de overheid

De energietransitie vraagt om:

• Ingenieurs
• Installateurs
• Projectmanagers
• Juristen en vergunningverleners

Die zijn er simpelweg niet genoeg. Onderbemensing bij overheden betekent:

• Langere behandeltermijnen
• Minder capaciteit voor maatwerkafspraken
• Tragere besluitvorming over grote infrastructuurprojecten

Waar past AI in dit verhaal?

Hier doet AI niet alleen ‘leuke innovatie’, maar kan het concrete doorlooptijdwinst opleveren:

• Vergunningondersteuning: AI-tools die dossiers structureren, standaardteksten genereren en juridische checks versnellen
• Ruimtelijke optimalisatie: algoritmes die snel doorrekenen waar leidingen, kabels en installaties ruimtelijk en milieutechnisch het beste passen
• Capaciteitsplanning: AI die helpt bij het plannen van schaarse technische teams over meerdere projecten, zodat minder tijd verloren gaat aan wachttijden en misplanning

De realiteit is dat we de personeels- en kennis­schaarste niet snel genoeg oplossen met opleiding alleen. Slimme automatisering is geen luxe, maar noodzaak.

---

4. Het kip-ei-probleem van infrastructuur – en hoe data dat kan doorbreken

Eén van de grootste blokkades in de industrieclusters is het klassieke kip-ei-probleem:

• Netbeheerders willen pas grootschalig investeren als er voldoende zekere vraag is
• Industriebedrijven willen pas elektrificeren of overschakelen op waterstof als de infrastructuur gegarandeerd op tijd beschikbaar is

Je ziet dit terug bij:

• Netverzwaring voor grote elektrolysers en e-boilers
• CO₂-transportleidingen voor CCS
• Waterstofbackbones tussen clusters en havens

De rijksoverheid probeert dit te adresseren via het Nationaal Programma Verduurzaming Industrie (NPVI), waar overheid, industrie en netbeheerders met elkaar om tafel zitten om cruciale infrastructuur sneller van de grond te krijgen.

Waar AI het verschil kan maken

AI kan helpen om dit kip-ei-probleem minder risicovol te maken door beter voorspelbare scenario’s en gedeelde data:

1. Vraagvoorspelling voor elektriciteit en waterstof
   Met historische productiegegevens, orderportefeuilles en beleidsplannen kun je met AI-modellen de toekomstige vraag naar stroom en waterstof per cluster veel nauwkeuriger inschatten.

   • Netbeheerders krijgen beter onderbouwde investeringssignalen
   • Bedrijven kunnen zien hoe hun eigen plannen zich verhouden tot de rest van het cluster

2. Risico-analyse van infrastructuurprojecten
   AI-modellen kunnen scenario’s doorrekenen:

   • Wat gebeurt er als 30% van de projecten vertraging oploopt?
   • Welke investeringen zijn ‘robuust’ onder veel scenario’s?
   • Waar zijn lock-ins of stranded assets het grootste risico?

3. Data Safe House als basis
   In de CES-gesprekken groeit de steun voor een Data Safe House: een veilige omgeving waar bedrijven vertrouwelijke data delen met netbeheerders en overheden.

   Met zo’n Data Safe House kun je:

   • AI-modellen trainen op realistische, maar geanonimiseerde data
   • Clusterbrede scenario’s maken die iedereen vertrouwt
   • Sneller tot gezamenlijke beslissingen komen, zonder bedrijfsgevoelige informatie ‘op straat’ te leggen

Hier zie je een direct raakvlak met onze serie “AI voor Nederlandse Energie: Duurzame Transitie”: zonder goede data-infrastructuur geen goede AI, en zonder goede AI blijven beslissingen trager, conservatiever en minder onderbouwd.

---

5. CES 4.0: hoe houden we bedrijven aangehaakt?

Uit gesprekken met industrieclusters en netbeheerders blijkt dat het draagvlak voor een volgende CES-ronde (CES 4.0) afneemt.

Bedrijven geven aan dat ze behoefte hebben aan:

• Duidelijkheid van netbeheerders: welke infrastructuur komt zeker niet en welke waarschijnlijk wel, en wanneer?
• Minder zware rapportage- en planningsrondes
• Meer focus op daadwerkelijke besluitvorming in plaats van nieuwe plannenboeken

Een lichtere CES 4.0, met nadruk op:

• Alleen de belangrijkste wijzigingen in plannen
• Praktische dialoog tussen bedrijven en netbeheerders
• Goede data-uitwisseling via een Data Safe House

…kan helpen om het proces werkbaar te houden.

Hoe AI hier een praktische rol krijgt

Als je CES 4.0 slimmer wilt organiseren, is het zonde om opnieuw te werken met Excel-overzichten en pdf’s. Een modernere aanpak kan er zo uitzien:

• Digitale cluster-twin: een dynamisch digitaal model van het cluster met installaties, netcapaciteit, geplande projecten en tijdslijnen
• Scenario-dashboard: bedrijven passen hun plannen (vermogen, timing, technologie) aan en zien direct de impact op netbelasting, CO₂-uitstoot en benodigde infrastructuur
• Automatische rapportage: AI genereert CES-overzichten, grafieken en tekstsamenvattingen op basis van de data in het model

Zo wordt CES 4.0 geen extra administratieve last, maar een beslisomgeving waar alle partijen zelf baat bij hebben.

---

6. Wat kun je nú doen als industriebedrijf of netbeheerder?

Je lost de 7 Mton kloof niet met één maatregel, maar je kunt als organisatie wél vandaag stappen zetten.

Voor industriebedrijven

• Maak je datakwaliteit op orde
  Zonder goede data over verbruik, productie en emissies heeft AI weinig zin. Investeer in meetinfrastructuur en dataplatformen.

• Begin klein met AI-toepassingen
  Denk aan:

  • Energie- en grondstofverbruiksvoorspellingen per lijn
  • Optimalisatie van boilers, compressoren en koelsystemen
  • Predictive maintenance op kritieke assets om stilstand (en verspilling) te voorkomen

• Koppel je investeringsplannen aan scenario’s
  Laat doorrekenen wat een elektrificatieproject doet onder verschillende prijsscenario’s voor stroom en ETS-prijzen. Dat maakt je businesscase robuuster – en geloofwaardiger richting financiers.

Voor netbeheerders en overheden

• Investeer in voorspellende modellering
  Gebruik AI om industriële vraagontwikkeling per cluster te voorspellen. Niet op projectniveau, maar op portefeuille-niveau.

• Ontwikkel het Data Safe House actief
  Bouw aan een omgeving waar:

  • Bedrijven grip houden op hun data
  • AI-modellen veilig kunnen draaien
  • Beleidsmakers toegang hebben tot geaggregeerde inzichten

• Gebruik AI om vergunningprocessen te versnellen

  • Tekstanalyse op ingediende stukken
  • Automatische checks op volledigheid
  • Snellere interne afstemming met samenvattende AI-memo’s

Wie hier in 2026 al serieus mee bezig is, heeft in 2028 een enorme voorsprong op partijen die nog in spreadsheets en losse pdf’s werken.

---

Slot: minder plannen op papier, meer slimme uitvoering met AI

De nieuwste analyse van de Cluster Energiestrategieën laat weinig ruimte voor wensdenken: met de huidige koers haalt de Nederlandse industrie haar indicatieve 2030-doel niet. We zitten 7 Mton onder de eerdere plannen en blijven steken op een restemissie die hoger is dan beoogd.

Toch is dit geen somber verhaal. Het industrieel systeem is groot, traag en complex – maar zeker niet onbeïnvloedbaar. Door betere data, slimme AI-modellen en een praktische CES 4.0-aanpak kun je als sector sneller tot robuuste keuzes komen dan met nog een stapel nieuwe plannen.

De vraag voor de komende jaren is niet alleen: welk project bouwen we? De vraag is ook: hoe organiseren we de besluitvorming zo dat elke geïnvesteerde euro maximaal CO₂-reductie oplevert? AI is daarbij geen toverstok, maar wel een gereedschap dat je niet meer kunt negeren.

Wie nu begint met het opbouwen van data, modellen en samenwerking rond een Data Safe House, maakt van 2030 geen onhaalbare deadline, maar een concrete horizon waar met verstandige keuzes naartoe gewerkt wordt.