Waterstofnet NL staat onder druk door stijgende kosten en onzeker vraag. Lees hoe AI kan helpen om het landelijke waterstofnet rendabel, slim en toekomstbestendig te maken.
Waterstofnet in de knel: kosten exploderen, vraag hapert
Tussen 2023 en eind 2025 zijn de geraamde kosten van het landelijke waterstofnetwerk meer dan verdubbeld: van €1,5 miljard naar €3,8 miljard aan bouwkosten. De verwachte aanloopverliezen liepen op van €857 miljoen naar €2,5 miljard. De subsidie? Nog steeds €750 miljoen.
Dat is geen detail, dat is een fundamenteel probleem. Want zonder helder verdienmodel, duidelijke rolverdeling en voldoende vraag, hangt het nationale waterstofnet als een financieel blok aan het been van overheid, netbeheerders én grote verbruikers.
In deze blog – onderdeel van de serie “AI voor Nederlandse Energie: Duurzame Transitie” – kijk ik naar één simpele vraag: wat maakt dat het waterstofnetwerk geen gelopen race is, en hoe kan AI helpen om het wél rendabel, betrouwbaar en toekomstbestendig te maken?
1. Waarom het landelijke waterstofnetwerk nu onder druk staat
De kern is helder: kosten stijgen veel sneller dan vraag en subsidie. De Algemene Rekenkamer zet daar in haar recente rapport een dikke streep onder.
De harde cijfers op een rij
- Bouwkosten waterstofnet (landelijk backbone):
- 2023: ca. €1,5 mrd (overheidsschatting)
- 2025: ca. €3,8 mrd (raming Gasunie/Hynetwork Services)
- Aanloopverliezen exploitatie:
- 2023: €857 mln
- 2025: €2,5 mrd
- Beschikbare subsidie: €750 mln (onveranderd sinds 2023)
De uitkomst is voorspelbaar: financiële onzekerheid en politieke discussie over tempo, scope en risicoverdeling.
Drie structurele knelpunten
-
Stijgende bouwkosten
Materialen, arbeid, rente: alles is duurder dan in de oorspronkelijke businesscase. Dat is niet uniek voor waterstof, maar raakt dit soort megaprojecten keihard. -
Aanloopverliezen door trage vraagontwikkeling
- Grote industriële afnemers schuiven beslissingen vooruit.
- Projecten voor groene waterstofproductie lopen vertraging op door netcongestie, vergunningen en onzekerheid over subsidie.
- Zolang de buis halfleeg is, stapelen de verliezen zich op.
-
Onduidelijkheid over wie de rekening betaalt
- Hoeveel komt voor rekening van de Staat?
- Wat mag (en wil) Gasunie/Hynetwork naar de tarieven van gebruikers schuiven?
- Hoeveel risico kunnen industriële partijen acceptabel vinden?
Zonder antwoord op deze drie vragen wordt het landelijke waterstofnetwerk géén vanzelfsprekende successtory, maar een politiek en financieel hoofdpijndossier.
2. AI als strategisch kompas: van gok naar berekende keuze
De realiteit: wie nu in waterstofinfrastructuur investeert, stuurt deels in de mist. Maar precies daar kan AI het verschil maken.
AI kan geen staal goedkoper maken, maar wél:
- onzekerheid reduceren;
- betere volgorde en locatiekeuze voor investeringen onderbouwen;
- risico’s expliciet maken in plaats van verstoppen in optimistische spreadsheets.
2.1 Vraagvoorspelling: waar komt de waterstofvraag écht vandaan?
De grootste onzekerheid is de ontwikkeling van de vraag naar waterstof per regio, per sector en in de tijd. Traditioneel wordt dat ingeschat met scenario’s en expertjudgement. Dat blijft nodig, maar AI kan die analyse een stuk scherper maken.
Wat AI-concrete kan doen:
- Historische data over aardgas- en elektriciteitsverbruik koppelen aan:
- industrieprofielen;
- verduurzamingsplannen van bedrijven;
- SDE++-projecten;
- netcongestiegegevens;
- CO₂-beprijzing en ETS-scenario’s.
- Daarbovenop actuele data verwerken over:
- aankondigingen van elektrolyserprojecten;
- sluiting of transformatie van industriële sites;
- nieuwe warmte- en waterstofprojecten in het MIEK.
Met AI-modellen kun je vervolgens probabilistische vraagprofielen maken:
“In de regio Rotterdam is er met 80% kans in 2030 minimaal X ton/jaar vraag naar waterstof, maar richting 2040 verschuift een deel naar de IJmond en Noord-Nederland.”
Voor een netbeheerder of overheid is dat goud waard. Je gaat niet meer boren op basis van een enkel scenario, maar op basis van een waaier aan waarschijnlijkheden.
2.2 Slimme routering: welke buis leg je eerst?
De volgorde waarin je een waterstofnetwerk uitrolt, bepaalt:
- hoeveel kapitaal jarenlang ‘vastzit’ in ongebruikte assets;
- hoe groot de aanloopverliezen zijn;
- hoe aantrekkelijk het netwerk is voor eerste movers.
AI-algoritmes, vergelijkbaar met wat in logistiek en telecom gebruikt wordt, kunnen helpen om:
- optimale tracés te bepalen op basis van kosten, bodemdata, bestaande leidingen en ruimtelijke beperkingen;
- fasering te optimaliseren: eerst de stukken met snel zekere vraag, daarna uitbreiden naar meer speculatieve regio’s;
- scenario’s door te rekenen: wat gebeurt er met NPV, aanloopverliezen en congestie als een cluster 5 jaar vertraging oploopt?
De winst zit niet alleen in euro’s, maar ook in politieke uitlegbaarheid: je kunt laten zien dat keuzes niet uit de lucht komen vallen, maar onderbouwd zijn met data.
3. Kosten, risico en regulering: waar AI wél en niet bij helpt
Het waterstofnetwerk valt niet los te zien van andere dossiers die in de podcast worden genoemd: de nieuwe warmtewet, wind op zee en netcongestie. Alles grijpt in elkaar.
3.1 Nieuwe warmtewet: datagedreven koppelkansen
De nieuwe warmtewet moet de uitrol van warmtenetten vlot trekken. Dat raakt het waterstofverhaal rechtstreeks.
Waarom? Omdat de vraag naar waterstof deels afhangt van wat we met warmte doen:
- Gebieden waar warmtenetten rendabel worden, vragen minder gas én minder waterstof.
- Gebieden zonder warmtenet, met slecht geïsoleerde woningen, blijven langer aangewezen op moleculen (gas of waterstof) of zware elektrificatie.
AI kan gemeenten, warmtebedrijven en netbeheerders helpen met:
- integrale warmteplannen waarin warmte, elektriciteit én waterstof worden gecombineerd;
- simulaties van verschillende paden: wat als een wijk versneld overstapt op een warmtenet vs. een hybride warmtepomp vs. waterstof-ready ketels?
Wie dit goed doet, voorkomt dat we dubbele infrastructuur aanleggen die niemand straks efficiënt benut.
3.2 Wind op zee: realistische opbrengsten, realistische waterstofplannen
In de podcast komt ook de discussie aan bod over de opbrengst van windparken op zee. TU Delft liet zien dat de verwachte productie mogelijk lager ligt dan waar eerder mee gerekend werd. Dat raakt direct aan plannen voor grootschalige waterstofproductie uit offshore wind.
AI kan hier twee dingen betekenen:
-
Betere productievoorspellingen
Door historische winddata, turbinekarakteristieken en onderhoudsdata te combineren kan AI realistischer inschatten hoeveel MWh per park én per seizoen beschikbaar is voor elektrolyse. -
Optimalisatie van elektrolysebedrijven
- Wanneer laat je elektrolysers vollast draaien?
- Wanneer ga je afschakelen of terugregelen?
- Hoe vul je gaten op met netstroom, zonder dat de businesscase instort?
Zonder deze datalaag loop je een reëel risico dat je waterstofnet op papieren volumes bouwt die zich in de praktijk niet materialiseren.
3.3 Waar AI níet de oplossing is
AI is geen wondermiddel. Er blijven zaken over die puur politiek en regulatoir zijn:
- Wie draagt uiteindelijk het investeringsrisico van de backbone: Staat, netbeheerder of verbruiker?
- Hoe ver mag een TSO anticiperen op “verwachte” vraag zonder dat de toezichthouder op de rem trapt?
- Welk tempo is maatschappelijk acceptabel qua ruimtelijke inpassing en kosten op de energierekening?
AI kan de consequenties van keuzes zichtbaar maken, maar niet de normatieve keuze voor ons maken.
4. Praktische stappen: zo gebruik je AI nu al rond waterstof
Voor beleidsmakers, netbeheerders en grote industriële verbruikers is dit hét moment om AI niet als experiment, maar als vast onderdeel van besluitvorming te gaan gebruiken.
4.1 Voor netbeheerders en Hynetwork-achtige partijen
Concreet kun je denken aan:
- Regionale waterstofvraagmodellen bouwen waarin je industriële transitieplannen, warmteplannen en netcongestiedata combineert.
- AI-ondersteunde tracé- en faseringstools gebruiken om varianten door te rekenen op kosten, risico en benutting.
- Onderhoudspredictie toepassen op bestaande gasleidingen die omgebouwd worden voor waterstof, zodat veiligheid en beschikbaarheid geborgd blijven.
4.2 Voor overheid en toezichthouders
- Gebruik AI-modellen om beleidsvarianten door te rekenen: wat gebeurt er met publieke kosten en CO₂-reductie als je meer subsidie naar backbone-infrastructuur schuift vs. naar elektrolysers of eindgebruik?
- Laat AI helpen bij het prioriteren van MIEK-projecten: welke combinatie levert de meeste CO₂-winst per euro én past in de netcapaciteit?
4.3 Voor industriële eindgebruikers
- Gebruik AI om energietransitiestrategieën per site door te rekenen: wanneer stap je over op waterstof, wat betekent dat voor je energiekosten en CO₂-heffing?
- Laat AI-simulaties draaien op flexibele vraag: hoe kan je productieproces inspelen op variabele beschikbaarheid en prijs van groene waterstof?
Bedrijven die dit nu al serieus oppakken, krijgen een voorsprong. Ze praten niet alleen mee over het waterstofnet, maar kunnen met harde data onderbouwen wat ze nodig hebben – en wanneer.
5. Waarom het goed is dat de race nog niet gelopen is
Dat het landelijke waterstofnetwerk “geen gelopen race” is, is vervelend voor wie van zekerheid houdt. Maar het is óók een kans.
Onzekere vraag, stijgende kosten en politieke discussie dwingen ons namelijk tot iets waar de energiesector lang niet altijd sterk in was: adaptief plannen op basis van data.
In de serie “AI voor Nederlandse Energie: Duurzame Transitie” zie je één rode lijn terug: wie de energietransitie stuurt met ruwe aannames en dikke rapporten uit één scenario, loopt vast in congestie, kostenoverschrijdingen en teleurgestelde verwachtingen. Wie AI inzet voor vraagvoorspelling, netoptimalisatie, onderhoudspredictie en integrale systeemanalyses, maakt de transitie sneller én goedkoper.
Het waterstofnetwerk van Nederland wordt niet gewonnen door wie het hardst roept dat het móét komen, maar door wie de slimste, datagedreven keuzes maakt.
De vraag is dus niet óf AI een rol speelt bij waterstofinfrastructuur, maar hoe snel jij die rol in jouw organisatie serieus gaat nemen.
Wil je concreet verkennen hoe AI jouw waterstof- of infrastructuurstrategie kan ondersteunen?
Zorg dat data, energie-expertise en AI in één team samenkomen – en begin met een pilot rond vraagvoorspelling of tracé-optimalisatie. De projecten die nu slim rekenen, worden de ruggengraat van het Nederlandse energiesysteem van 2035 en verder.