De volgende stap: van generatieve naar zelfsturende AI

De Europese elektriciteitsnetten staan onder druk. Nieuwe bedrijven moeten wachten op aansluiting, terwijl opgewekt zonne- en windenergie niet altijd het net op kan. De oplossing ligt niet alleen in meer staal en kabels, maar ook in software. Met de komst van Agentic AI kan het energienet zichzelf leren optimaliseren, van onderhoud tot belasting.

Voorheen analyseerden algoritmes vooral data. Nu nemen ze ook zelf beslissingen. Met Agentic AI kunnen energienetten op termijn autonoom storingen voorkomen, capaciteit beter benutten en onderhoud slimmer plannen. Maar de weg naar grootschalige inzet kent drempels, zoals verouderde infrastructuur, datasilo’s en een tekort aan gespecialiseerde kennis.

Van analyse naar actie

Agentic AI belooft een volgende stap in de digitalisering van het energienet. Deze systemen doen aanbevelingen en voeren ze ook zelfstandig uit. Ze plannen onderhoud, verdelen de belasting op het net in real time en leren van hun eigen beslissingen.

De impact daarvan kan aanzienlijk zijn. Slimme onderhoudsmodellen verminderen storingen met wel 50 procent en drukken de kosten met een kwart. En volgens berekeningen van het IEA en het Europees Parlement kan AI-gestuurde netoptimalisatie wereldwijd zo’n 175 gigawatt extra capaciteit vrijmaken. Die capaciteit is vergelijkbaar met tientallen nieuwe centrales, zonder een extra mast te bouwen. Toch blijft de doorbraak uit. Niet door gebrek aan potentie, maar door trage adoptie in de praktijk.

De drempels voor energiebedrijven

De grootste uitdagingen liggen niet bij de algoritmes, maar bij de infrastructuur waar ze op draaien. Veel netbeheerders werken met verouderde IT-systemen en versnipperde databronnen. Informatie over verbruik, onderhoud en netbelasting is zelden goed gekoppeld, waardoor AI-modellen moeite hebben om betrouwbare inzichten te genereren.

Daarnaast is het rendement van investeringen in AI nog lastig te voorspellen. Zolang de meerwaarde zich pas na jaren bewijst, is de bereidheid om grootschalig te investeren beperkt.

Ook regelgeving speelt een rol. Operationele AI moet voldoen aan strikte eisen rondom security, transparantie en datagebruik, terwijl die kaders nog volop in ontwikkeling zijn. Als laatste is er het menselijk aspect. De energiewereld heeft dringend specialisten nodig die techniek, data en AI verbinden. Zonder die brugfunctie blijft AI een belofte op papier.

Lopende initiatieven in de Benelux *

Ondanks de drempels zijn er in de Benelux diverse initiatieven die laten zien hoe AI de energieketen slimmer maakt. Zo gebruikt netbeheerder Elia in België drones met camera’s en AI om hoogspanningsmasten te inspecteren. De software herkent corrosie of oververhitting vroegtijdig om gericht onderhoud te doen en transmissieverliezen te beperken.

TenneT gebruikt AI voor dynamische capaciteitsbepaling. Het systeem berekent continu hoeveel stroom een hoogspanningslijn veilig kan vervoeren, afhankelijk van temperatuur en wind. Wanneer het weer koeler of winderiger is, kunnen kabels meer stroom vervoeren. AI helpt dit automatisch aan te passen, waardoor overbelasting wort voorkomen en meer gebruikers op het net kunnen worden aangesloten.

Ook Eneco werkt met Google Cloud aan modellen die windproductie en prijsschommelingen voorspellen. Dat maakt energie onderhandelingen en planning efficiënter en voorkomt verspilling.

En bij Shell draait de zogenoemde AI Factory, een intern platform op Microsoft Azure en C3 AI voor de gelijktijdige uitrol van honderden toepassingen. Deze variëren van onderhoudsvoorspellingen tot logistieke optimalisatie en emissiereductie. Deze projecten laten zien dat de technologie er al is. De uitdaging is om ze duurzaam en op schaal te integreren in de dagelijkse operatie.

Drie lessen voor de volgende stap

  • Zorg voor betrouwbare en toegankelijke data – Zonder eenduidige data-architectuur blijft AI-sturing een black box. Bedrijven die hun datastromen standaardiseren en centraliseren, leggen de basis voor schaalbare toepassingen.
  • Combineer domeinkennis met AI-expertise – De echte vooruitgang ontstaat wanneer mensen die het energienet begrijpen, samenwerken met data- en AI-specialisten. Opleiding en bijscholing van bestaande teams zijn daarom minstens zo belangrijk als nieuwe technologie.
  • Begin klein, denk groot – De stap naar zelfsturende AI hoeft geen megaproject te zijn. Begin met afgebakende processen, zoals onderhoud, netcapaciteit of vraagvoorspelling, en breid daarna uit. Elk succesvol experiment vergroot het vertrouwen en rechtvaardigt verdere investeringen.

Naar een zelfsturend energiesysteem

De komende jaren worden bepalend voor hoe Europa zijn energievoorziening organiseert. Slimmere, zelfsturende systemen helpen om duurzame bronnen beter in te passen, pieken op te vangen en fysieke uitbreidingen te beperken. Agentic AI is daarin geen wondermiddel, maar wel een versneller. Het gebruikt data niet alleen om te signaleren, maar ook om direct te handelen.

Voor energiebedrijven in de Benelux is dit het moment om lef te tonen en de weg van experiment naar zelfsturing in te slaan. Want in een energiesysteem dat steeds complexer en dynamischer wordt, kan AI pas echt meerwaarde bieden als het zelfstandig leert, beslist en handelt. Vanzelfsprekend binnen menselijke kaders, maar wel met een actieve rol in de besturing van het net.

*De industrievoorbeelden in dit artikel illustreren een bredere toepassing in de energiesector en zijn geen initiatieven van EPAM of klanten van EPAM.

David Aldrich, Energy Sector Lead bij EPAM Systems