Duurzame én rechtvaardige energietransitie met AI

Waarom rechtvaardigheid nu het hete hangijzer is

2 graden opwarming lijken een abstract getal, tot je beseft dat het gaat om miljarden levens, enorme economische schade en een compleet andere wereldorde. Toch sturen we daar nog steeds naartoe. Niet omdat de kennis ontbreekt, maar omdat we er onvoldoende naar handelen – en omdat de verdeling van lusten en lasten scheef is.

Klimaatonderzoeker Detlef van Vuuren, vaak de “broeikasboekhouder van de wereld” genoemd, laat met zijn IMAGE‑model zien dat er wél aantrekkelijke oplossingen bestaan: economisch voordelig, goed voor het klimaat én beter voor de kwaliteit van leven. Zijn recente Spinozapremie onderstreept dat. Maar zijn boodschap is scherper: de toekomst moet niet alleen duurzaam zijn, maar ook rechtvaardig.

Voor iedereen die werkt aan de Nederlandse energietransitie – van netbeheerders tot gemeenten, van energiebedrijven tot AI‑start‑ups – raakt dit direct aan de praktijk. Want de keuzes die we nu maken in modellen, algoritmen en beleid bepalen straks wie profiteert, en wie blijft betalen.

In deze blog verbind ik drie lijnen:

• hoe Van Vuurens werk laat zien dat integrale klimaatmodellen beleid sturen;
• wat klimaatrechtvaardigheid concreet betekent voor de energietransitie;
• hoe AI in Nederland kan helpen om die transitie zowel duurzaam als eerlijk vorm te geven.

Van IMAGE‑model naar Nederlandse energietransitie

De kern van Van Vuurens bijdrage is helder: integraal rekenen aan de toekomst maakt beter beleid mogelijk. Het IMAGE‑model combineert sociaal‑economische, technologische en natuurwetenschappelijke kennis in scenario’s die de basis vormen voor onder meer het Klimaatakkoord van Parijs.

Wat doet zo’n integraal klimaatmodel eigenlijk?

IMAGE rekent onder andere met:

• energiegebruik en energiemix (fossiel, zon, wind, biomassa, etc.);
• landgebruik (bos, landbouw, natuur);
• emissies van broeikasgassen en luchtvervuiling;
• demografie en economische groei.

Daarmee kun je vragen beantwoorden als:

• Wat gebeurt er met emissies als kolen versneld worden uitgefaseerd?
• Hoeveel ruimte is er nog in het mondiale koolstofbudget bij 1,5°C of 2°C?
• Welke combinatie van maatregelen is kostenefficiënt – en voor wie?

Het team van Van Vuuren ontwierp de standaardscenario’s voor 1,5°C en 2°C opwarming. Die scenario’s zijn nu ingebakken in internationale onderhandelingen én in nationaal beleid. Ook in Nederland werken ministeries, PBL, netbeheerders en adviesbureaus impliciet met dit soort aannames.

Parallellen met AI in de energietransitie

Hier zit een directe link met AI in de Nederlandse energievoorziening:

• Klimaatmodellen zoals IMAGE werken op wereldschaal;
• AI‑toepassingen in de energietransitie doen in feite hetzelfde, maar dan op regionale of lokale schaal.

Denk aan:

• AI‑modellen die vraag en aanbod van elektriciteit per kwartier voorspellen;
• algoritmen die netverzwaring plannen en congestie verminderen;
• optimalisatie van warmtepompen, elektrische auto’s en batterijen in wijken;
• scenario‑tools waarmee gemeenten aardgasvrije warmteplannen doorrekenen.

Net als IMAGE zijn dit keuze‑machines: wat je erin stopt (aannames, data, normen), bepaalt welke toekomst er plausibel lijkt én welke beslissingen bestuurders nemen. Dat maakt de vraag naar rechtvaardigheid onvermijdelijk.

Waarom klimaatrechtvaardigheid onmisbaar is

Van Vuuren stelt het hard: alleen sturen op “kostenoptimaal” beleid kan tot ronduit oneerlijke uitkomsten leiden. Dat zie je scherp bij steenkool.

Het steenkoolvoorbeeld: goedkoop maar oneerlijk

Uit zijn onderzoek blijkt dat het uitfaseren van steenkool wereldwijd de goedkoopste route is om emissies snel terug te brengen. Rationeel gezien dus logisch. Maar:

• het grootste deel van het kolengebruik zit in landen als India en China;
• de historische uitstoot ligt vooral bij rijke landen in Europa en Noord‑Amerika;
• de economische en sociale kosten van snelle kolenuitstap zijn lokaal enorm.

De klassieke economenoplossing is dan: rijke landen betalen voor reducties in armere landen. In de praktijk gebeurt dat maar mondjesmaat en vaak complex. Het gevolg: modellen suggereren een “optimale” route die politiek en sociaal onhaalbaar is, omdat ze niet voelt als eerlijk gedeelde verantwoordelijkheid.

“Je kunt niet verwachten dat landen het voortouw nemen in oplossingen voor problemen die voor het grootste deel door andere landen worden veroorzaakt.” – Detlef van Vuuren

Wat betekent dat voor Nederland?

Op wereldschaal speelt Nederland historisch een grote rol in uitstoot, maar we zijn klein in huidige absolute emissies. Toch hebben keuzes hier effect op klimaatrechtvaardigheid:

• Import van energie en grondstoffen: wie draagt de milieuschade van onze consumptie?
• Industriebeleid: hoe zorgen we dat verduurzaming niet alleen leidt tot hogere kosten voor huishoudens, terwijl winsten bij grote bedrijven blijven?
• Regionale verdeling: waar komen windparken, zonnevelden, waterstofclusters en ondergrondse CO₂‑opslag terecht – en wie heeft er last van of profijt van?

AI‑gedreven energiesystemen kunnen deze ongelijkheden versterken óf helpen corrigeren. Dat hangt af van de manier waarop we ze ontwerpen.

AI als nieuwe “broeikasboekhouder” van de energietransitie

In de serie “AI voor Nederlandse Energie: Duurzame Transitie” zien we steeds hetzelfde patroon: AI maakt het mogelijk om complexiteit hanteerbaar te maken. Maar net als bij IMAGE geldt: wie alleen optimaliseert op kosten, mist de maatschappelijke kant.

Waar wordt AI nu al cruciaal in Nederland?

1. Netoptimalisatie en congestiemanagement

   • AI voorspelt waar en wanneer het net volloopt.
   • Netbeheerders plannen gerichter verzwaringen en flexmaatregelen.
   • Virtuele krachtcentrales combineren honderden kleine bronnen (batterijen, laadpalen, warmtepompen) in één stuurbare capaciteit.

2. Vraagvoorspelling en marktmodellen

   • Energieleveranciers gebruiken machine learning om verbruik per klantsegment te voorspellen.
   • Balanceringsmarkten worden dynamischer: realtime aansturing van flexibiliteit.
   • AI helpt dynamische tarieven te ontwerpen die pieken afvlakken.

3. Onderhoudspredictie voor net en assets

   • Sensoren en algoritmen voorspellen storingen in kabels, transformatoren en windturbines.
   • Minder storingen, minder noodreparaties, lagere systeemkosten.

4. Integratie van hernieuwbare energie

   • AI‑modellen vertalen weersvoorspellingen naar opwekprofielen.
   • Slimme sturing van batterijen en elektrolysers voorkomt verspilling van zonne‑ en windstroom.

Dit zijn allemaal tastbare voorbeelden waar AI direct bijdraagt aan broeikasgasreductie en kostenefficiëntie. Maar de vraag van Van Vuuren blijft hangen: is het óók rechtvaardig?

Hoe maak je AI in de energietransitie eerlijker?

Rechtvaardigheid klinkt vaak abstract, maar je kunt het verrassend concreet maken in data, algoritmen en besluitvorming. De les uit Van Vuurens werk: bouw rechtvaardigheid expliciet in je scenario’s en modellen, niet erna in het persbericht.

1. Maak verdeling een expliciet modeldoel

De meeste AI‑toepassingen optimaliseren nu op één dominante doelvariabele: kostenminimisatie, verliesreductie of CO₂‑reductie. Voeg daar expliciet een verdelingsdimensie aan toe, zoals:

• maximale energierekening als percentage van inkomen per inkomensgroep;
• minimale beschikbaarheid van transportcapaciteit per regio;
• minimale comfortstandaard (binnenklimaat) bij warmtetransitie.

In plaats van één ‘optimale’ oplossing krijg je een pareto‑set: oplossingen die op het ene punt beter zijn en op het andere minder. Dat dwingt bestuurders om expliciet te kiezen, in plaats van rechtvaardigheid impliciet weg te modelleren.

2. Gebruik scenario’s zoals IMAGE dat doet

Van Vuuren werkt niet met één toekomst, maar met scenario’s: verschillende combinaties van beleid, technologie, gedrag en rechtvaardigheid. Dat kun je ook doen met AI‑modellen voor energie:

• Scenario A: maximaal kostenoptimaal, minimale publieke eisen.
• Scenario B: extra randvoorwaarden voor betaalbaarheid voor lage inkomens.
• Scenario C: maximale regionale spreiding van lasten en baten.

Door deze naast elkaar te zetten, zie je wat je inruilt als je voor meer rechtvaardigheid kiest – en welke maatregelen dat effect verzachten (subsidies, gerichte investeringen, andere tariefstructuren).

3. Let op data‑bias in energie‑AI

Veel AI‑modellen zijn gevoelig voor vertekening in de data. In de energietransitie kan dat betekenen:

• Historische data waarin bepaalde wijken of regio’s al structureel achtergesteld zijn;
• Slimme meters die in sommige woningen ontbreken, waardoor verbruikspatronen van juist kwetsbare groepen onzichtbaar blijven;
• Netcongestiedata die sterk wordt beïnvloed door waar de eerste golf zonneparken en datacenters is neergezet.

Concrete acties:

• Documenteer voor ieder AI‑model: welke groepen zitten ondervertegenwoordigd in de data?
• Test beleidsscenario’s op uitkomsten per inkomensgroep, regio en type huishouden.
• Vul ontbrekende data gericht aan via steekproeven, enquêtes of simulatiemodellen.

4. Combineer AI met bestuurlijke wijsheid

Hier komt de link met de Stevinpremie voor Paul ’t Hart om de hoek kijken. Hij staat voor positieve bestuurskunde: kijken naar wat in de praktijk wél werkt en hoe publieke organisaties samen leren.

AI‑modellen en klimaatmodellen geven mogelijkheden en consequenties. Maar:

• onderhandelingen met bewoners over een warmtenet;
• het bepalen van een eerlijke bijdrage voor grote uitstoters;
• het prioriteren van investeringen in krimpregio’s of stedelijke achterstandswijken;

…zijn uiteindelijk politieke en bestuurlijke keuzes. AI kan die discussie transparanter maken, maar mag ze nooit vervangen.

Wetenschap onder vuur: waarom betrouwbare modellen nu extra tellen

Van Vuuren maakt zich zorgen over het gemak waarmee “echte kennis” ter discussie wordt gesteld. Alternatieve feiten zijn alomtegenwoordig, ook in klimaat- en energiebeleid. Daar merk je als energieprofessional in Nederland direct de gevolgen van:

• Twijfel aan klimaatmodellen vertaalt zich in uitstelgedrag.
• Wantrouwen tegenover algoritmen remt de uitrol van slimme netten en dynamische tarieven.
• Polarisatie rond windmolens of warmtepompen maakt lokale besluitvorming stroperig.

De paradox: hoe complexer de systemen worden, hoe meer we afhankelijk zijn van modellen én hoe groter het wantrouwen richting diezelfde modellen.

De enige houdbare route is radicaal transparant werken:

• Leg uit hoe je AI‑ en energiescenario’s opbouwt.
• Laat zien welke aannames je hanteert (prijs van CO₂, tempo van innovatie, gedrag van huishoudens).
• Publiceer niet alleen “het getal”, maar ook de bandbreedte en alternatieve scenario’s.

Daarmee sluit je aan bij de manier waarop Van Vuuren en collega’s werken: scenario’s zijn géén voorspellingen, maar doordachte toekomsten die helpen betere keuzes te maken.

Wat betekent dit concreet voor organisaties in de energietransitie?

Voor Nederlandse organisaties die AI inzetten voor de energietransitie, zie ik drie directe lessen uit het werk van Van Vuuren:

1. Denk integraal, niet in silo’s
   Koppel energie‑AI aan bredere duurzaamheidsdoelen: luchtkwaliteit, biodiversiteit, ruimtelijke ordening en sociale ongelijkheid. Een optimalisatie voor het elektriciteitsnet kan bijvoorbeeld leiden tot meer druk op open ruimte of hogere kosten voor kwetsbare huurders. Breng die effecten in beeld.

2. Verwerk rechtvaardigheid in de ontwerpfase
   Wacht niet tot na de rekensessies om iets met “betaalbaarheid” of “ruimte voor burgers” te doen. Zet ze in de doelstelling van het model. Laat je datateam samenwerken met beleid, juristen én bewonersvertegenwoordigers.

3. Investeer in uitlegbaarheid en dialoog
   Een AI‑model dat congestie reduceert, maar niet uitgelegd kan worden aan een gemeenteraad of bewonersgroep, gaat op weerstand stuiten. Bouw visualisaties, scenario‑dashboards en eenvoudige verhaallijnen in. Gebruik taal en metaforen die aansluiten bij de Nederlandse context: van aardgasvrije wijken tot het gevoel van “vol net”.

Slot: duurzame transitie, rechtvaardige toekomst

De rode draad in het werk van Detlef van Vuuren is eigenlijk verrassend simpel: duurzaam en eerlijk beleid is haalbaar, mits je het expliciet meeneemt in je rekenwerk én in je keuzes. Zijn Spinozapremie is geen academische ereprijs op afstand, maar een signaal dat integraal, rechtvaardig klimaatonderzoek direct relevant is voor de Nederlandse energietransitie.

AI gaat de komende jaren fungeren als de operationele “broeikasboekhouder” van ons energiesysteem: van de planning van het hoogspanningsnet tot het aan‑ en uitzetten van warmtepompen in woonwijken. De vraag is niet of we AI gebruiken, maar hoe bewust we kiezen wát we AI laten optimaliseren.

Wie nu investeert in modellen die niet alleen CO₂ en kosten, maar ook rechtvaardigheid meenemen, bouwt aan een energiesysteem dat draagvlak houdt, ook als het lastig wordt. Dat is niet alleen eerlijker, maar uiteindelijk ook slimmer beleid.