Minder CO₂-reductie in industrieplannen? Zo kan AI helpen

Minder reductie in CES 3.0: waar staan we nu?

De nieuwste analyse van het PBL laat iets ongemakkelijks zien: de industrie levert tot 2030 zo’n 19 Mton broeikasgasreductie op papier, 7 Mton minder dan twee jaar geleden. Dat is ongeveer 3 procentpunt van het nationale klimaatdoel van 55% reductie. In een traject waar elke megaton telt, is dat geen detail.

Dit gat raakt rechtstreeks de Nederlandse energietransitie. De grote industriële clusters – Noord-Nederland, Noordzeekanaalgebied, Rotterdam-Moerdijk, Zeeland-West-Brabant en Chemelot – zijn cruciaal voor het slagen of falen van de doelstellingen voor 2030. Tegelijk loopt de infrastructuur achter, zijn vergunningen traag en zijn veel businesscases wankel.

In deze blog kijk ik naar wat er uit de Cluster Energiestrategieën (CES 3.0) naar voren komt, waarom de reductie achterblijft én – passend in de serie “AI voor Nederlandse Energie: Duurzame Transitie” – hoe slimme inzet van data en AI kan helpen het gat kleiner te maken.

Waar gaat het mis in de huidige industrieplannen?

De kern is helder: de optelsom van plannen volstaat niet om de indicatieve restemissie van 29,1 Mton in 2030 te halen. Volgens de KEV 2024 ligt de geschatte uitstoot van de industrie in 2030 ergens tussen 33,3 en 42,5 Mton. We zitten er dus flink naast.

Daar zitten drie grote pijnpunten achter:

1. Te veel plannen in een vroege fase
   Ruim 60% van de geplande emissiereductie komt uit projecten die nog in de beginfase zitten. Dat zijn verkenningen, haalbaarheidsstudies, of vroege ontwerpstadia. De kans dat een deel hiervan vóór 2030 niet rond komt, is groot.

2. Infrastructuur loopt achter op ambities
   In de CES-plannen wordt gerekend op 21 Mton CO₂-afvang en -opslag (CCS) in 2030, bij industrie en elektriciteitssector samen. Maar de concrete transportcapaciteit van initiatieven als Porthos (±2,5 Mton) en Aramis (±5–14 Mton) blijft daar ruim onder. De beschikbaarheid en timing van Aramis worden daardoor cruciaal. Ook de verzwaring van het elektriciteitsnet en de aanleg van waterstofinfrastructuur lopen achter op de gewenste planning.

3. Businesscase voor elektrolyse rammelt
   Op papier staat er in de CES’en 11 GW elektrolyse voor 2030. Dat klinkt ambitieus, maar is simpelweg niet realistisch. Het Klimaatakkoord noemt 3–4 GW als doel, terwijl de KEV 2024 maximaal 1,5 GW verwacht. Het verschil tussen plannen en haalbaarheid is dus factor zeven. Zolang de businesscase voor groene waterstof niet sluit – door hoge kosten, beperkte afnamezekerheid en onduidelijk beleid – blijft dit vooral een papieren ambitie.

De realiteit: we plannen groot, maar sturen blind op uitvoering. En dat is precies waar data en AI een verschil kunnen maken.

Waarom de reductie lager uitvalt dan in CES 2.0

In CES 2.0 lag de verwachte emissiereductie nog 7 Mton hoger. Wat is er veranderd?

• Minder CCS-plannen bij de industrie
  Bedrijven zijn voorzichtiger geworden met CO₂-afvang en -opslag. Discussies over maatschappelijke acceptatie, kosten, risico’s en afhankelijkheid van grote infrastructuur spelen mee.

• Extra uitstoot door synthetische brandstoffen
  Nieuwe plannen voor de productie van synthetische brandstoffen zorgen voor extra industriële uitstoot. Tegelijk leidt die brandstof elders – bijvoorbeeld in de luchtvaart en scheepvaart – juist tot een forse emissiedaling. Op systeemniveau is dat gunstig, maar het maakt de industriële cijfers minder fraai.

Mijn observatie: we schuiven emissies binnen het systeem heen en weer, terwijl onze monitoring en besluitvorming nog sterk per sector zijn ingericht. Zonder integraal zicht op het energiesysteem blijft het debat hangen in deeloptimalisatie.

Hardnekkige knelpunten: vergunningen, ruimte, mensen

Veel knelpunten die twee jaar geleden al speelden, zijn nauwelijks opgelost:

1. Trage en onzekere vergunningstrajecten

Vergunningen voor grote infrastructuur- en industrieprojecten kosten jaren. Dat komt door:

• stapeling van procedures en regels
• beperkte capaciteit bij overheden
• juridische onzekerheid rond stikstof, geluid, veiligheid

Gevolg: bedrijven wachten met investeringsbesluiten, projecten schuiven op richting 2030 en daarna. Hoe meer tijd we verliezen, hoe groter de kans dat reductiedoelen niet op tijd gehaald worden.

2. Ruimtelijke inpassing en draagvlak

Waar komen leidingen, conversiestations, waterstoffabrieken, transformatorstations? In een klein, dichtbevolkt land als Nederland is ruimte schaars en omstreden. Dat vertaalt zich in vertraging, bezwaarprocedures en soms afstoten van plannen.

3. Financiering en arbeidsmarkt

Zelfs met subsidieprogramma’s blijft het risico groot bij investeringen die tientallen jaren moeten renderen, terwijl beleid en marktprijzen onzeker zijn. Daarbovenop:

• tekort aan technisch personeel voor ontwerp, bouw en onderhoud
• onderbezetting bij overheden, waardoor vergunningverlening en beleidsuitwerking vertragen

Kort gezegd: het is niet alleen een technisch of financieel probleem, maar ook een capaciteits- en organisatiedilemma.

Het klassieke kip-ei-probleem in de industrie

De PBL-analyse beschrijft het treffend: netbeheerders willen eerst zekerheid over toekomstige vraag, terwijl bedrijven pas investeren als infrastructuur is gegarandeerd.

• Netbeheerder: “Ik versterk het net als ik zeker weet dat er vraag komt.”
• Industrie: “Ik investeer als ik zeker weet dat er netcapaciteit is.”

Resultaat: uitstel aan beide kanten.

De rijksoverheid probeert dit te doorbreken met het Nationaal Programma Verduurzaming Industrie (NPVI). Daarin werken overheid, netbeheerders en industrie samen aan versnelling van cruciale infrastructuur. Maar zonder scherp, gedeeld beeld van waar, wanneer en hoeveel vraag en aanbod ontstaan, blijft het lastig om keuzes te prioriteren.

Precies daar hoort AI in de Nederlandse energietransitie thuis.

Hoe AI de CES-plannen wél uitvoerbaar kan maken

Hier is het grote gemis in de huidige aanpak: we maken ambitieuze plannen, maar gebruiken de kracht van data en kunstmatige intelligentie nog veel te weinig om ze uitvoerbaar te maken. Terwijl de ingrediënten er al zijn:

• datasets van netbeheerders over belasting en knelpunten
• projectpijplijnen van industrieclusters
• inzichten uit PBL, TNO, RVO en KEV-scenario’s
• marktdata voor CO₂-prijzen, energieprijzen, ETS, subsidies

1. Slimmere planning met AI-gestuurde scenario’s

AI-modellen kunnen duizenden scenario’s doorrekenen voor de periode tot 2030 en 2040. Niet alleen op nationaal niveau, maar juist per cluster:

• Welke combinatie van CCS, elektrificatie en waterstof levert de grootste CO₂-reductie per geïnvesteerde euro?
• Welke projecten zijn het meest tijdkritisch voor het halen van 2030-doelen?
• Waar zit het grootste risico op vertraging, en welke alternatieven zijn dan het meest logisch?

Zo’n aanpak helpt om prioritering van infrastructuur te objectiveren. In plaats van “wie het hardst roept”, krijg je een onderbouwde volgorde van projecten die het meeste bijdragen aan het halen van de klimaatdoelen binnen de beperkte tijd.

2. Netoptimalisatie: meer doen met dezelfde infrastructuur

De netten zitten vol, maar dat betekent niet dat er geen ruimte meer is. Met AI kun je:

• pieken beter voorspellen en vraag slim sturen (demand response)
• congestie per kwartier analyseren en flexibiliteit inzetten
• industriële processen sturen naar uren met veel hernieuwbare productie

Concreet voorbeeld: een chemische fabriek kan elektrische boilers, warmtepompen of elektrolyse deels flexibel aan- en uitzetten op basis van prijs- en net-signalen. AI-modellen kunnen op basis van historische data en weersverwachtingen voorspellen wanneer het net ruimte heeft en wanneer niet. Zo haal je meer elektrificatie uit hetzelfde net, zonder eindeloos te wachten op verzwaring.

3. Betere businesscases voor waterstof en CCS

De grootste onzekerheid voor bedrijven: verdien ik mijn investering terug? AI kan hier helpen door:

• prijsscenario’s voor elektriciteit, CO₂ en waterstof te simuleren
• toekomstige ETS-kosten en beleidseffecten door te rekenen
• verschillende operationele strategieën te vergelijken (bijv. alleen draaien bij lage stroomprijs)

Daardoor ontstaan dynamische businesscases in plaats van statische Excel-sheets met één prijs per jaar. Dat geeft bestuurders meer grip én vergroot de kans dat projecten daadwerkelijk een investeringsbeslissing halen.

4. Data Safe House: AI op vertrouwelijke data

In de CES-vooruitblik naar 4.0 komt een belangrijk punt voorbij: bedrijven en netbeheerders zien de waarde van een Data Safe House, waar vertrouwelijke data veilig gedeeld kunnen worden.

Mijn stelling: zo’n Data Safe House is de perfecte plek om AI-modellen te laten draaien. Denk aan:

• geanonimiseerde productie- en verbruiksdata per cluster
• gedeelde scenario’s voor uitbreiding van infrastructuur
• gezamenlijke risico-analyses voor vertragingen

Als je dat combineert met strenge datagovernance en duidelijke spelregels, kun je zonder bedrijfsgeheimen te lekken toch veel slimmer plannen. Dat verhoogt het draagvlak voor een lichtere, maar veel effectievere CES 4.0.

CES 4.0: minder papier, meer slimme uitvoering

Uit gesprekken met clusters en netbeheerders blijkt dat het draagvlak voor nóg een zware CES-ronde afneemt. Bedrijven willen minder administratie en meer duidelijkheid:

• welke infrastructuur komt zeker niet?
• welke waarschijnlijk wel, en wanneer ongeveer?

Een lichtere CES 4.0 is dan logisch, maar alleen als de kwaliteit van de besluitvorming minstens gelijk of beter wordt. AI kan dat mogelijk maken door van CES 4.0 het volgende te maken:

• een levende dataset in plaats van een eenmalig rapport
• een set van voortschrijdende scenario’s, continu geactualiseerd
• een gezamenlijk AI-dashboard waar industrie, netbeheerders en overheid mee werken

Zo verschuif je van “plannen schrijven” naar plannen continu toetsen, bijsturen en prioriteren.

Wat kun je als organisatie nu al doen?

Als je actief bent in een industrieel cluster, netbeheer, energiebedrijf of toeleverancier, kun je vandaag al stappen zetten:

1. Breng je data op orde
   Zonder goede, gestructureerde data blijft AI een mooie PowerPoint. Zorg voor betrouwbare meetdata, historisch verbruik, procesdata en duidelijke metadata.

2. Start met één concreet AI-usecase
   Bijvoorbeeld: voorspellen van energieverbruik, optimaliseren van draaiuren van elektrische assets, of scenario-analyse voor een nieuw waterstofproject.

3. Zoek aansluiting bij cluster-initiatieven
   Hoe eerder je meepraat over Data Safe Houses, gezamenlijke modellen en scenario’s, hoe groter je invloed op de spelregels.

4. Investeer in data- en energiekennis in je team
   AI werkt alleen als de mensen die beslissen snappen wat er uit de modellen komt. Combineer proceskennis, energiesysteemkennis en data science.

Waarom AI nu écht verschil kan maken

De PBL-Reflectie op CES 3.0 laat vooral zien waar we tekortschieten. Minder CO₂-reductie dan twee jaar geleden, grote afhankelijkheid van onzekere projecten, en infrastructuur die niet meekomt. Dat beeld is scherp, maar niet hopeloos.

AI biedt geen magische shortcut, maar wel betere stuurinformatie. Door slimmer te plannen, netten beter te benutten en businesscases realistischer door te rekenen, kun je met dezelfde middelen meer CO₂-reductie realiseren voor 2030.

Voor de Nederlandse industrie is de vraag de komende jaren niet óf, maar hoe snel zij verduurzaamt. Organisaties die nu serieus werk maken van data en AI, hebben straks een voorsprong:

• sneller zicht op haalbare projecten
• betere onderbouwing richting financiers en overheid
• meer grip op risico’s in infrastructuur en beleid

De uitdaging voor de komende CES 4.0-periode is helder: minder dikke rapporten, meer slimme modellen. Wie daarin vooroploopt, bepaalt straks niet alleen zijn eigen toekomst, maar helpt ook Nederland dichter bij de klimaatdoelen voor 2030 en daarna.