Brugen af kunstig intelligens (AI) stiger, og blandt de mange bekymringer, der er blevet rejst, er de miljømæssige konsekvenser dem, der nævnes hyppigst. Der har været meget offentlig debat om energiforbruget i AI-datacentre, men der har næsten ikke været nogen diskussion om deres vandforbrug – indtil nu (denne blog er opdateret april 2025).
Hvad er et AI datacenter?
Kunstig intelligens (AI) datacentre er de fysiske faciliteter, der huser de enorme computerressourcer og lagerkapacitet, som gør det muligt for chatbots som ChatGPT at lære og huske information. I mange dele af verden er datacentre placeret i store lagerbygninger, og disse skal forsynes med elektricitet døgnet rundt med tæt kontrollerede indendørs klimaer, så teknologien kan præstere optimalt.
Datacentre har derfor tiltrukket negativ medieopmærksomhed for den store mængde energi, de forbruger. Ifølge en artikel fra forskere ved University of California Riverside og University of Texas Arlington, 'Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models', anslås det, at AI-datacentre tilsammen bruger 2% af al elektricitet, der produceres globalt¹.
Mindre kendt er dog den mængde vand, som disse faciliteter bruger. Med reference til Storbritanniens planer om at gøre landet verdensførende inden for kunstig intelligens citerede BBC News i februar 2025 Dr. Venkatesh Uddameri, en ekspert i vandressourceforvaltning for at sige, at et typisk datacenter kan bruge mellem 11 millioner og 19 millioner liter vand om dagen – nogenlunde det samme som en by med 30.000 til 50.000 mennesker².
I områder med flere datacentre lægger dette et betydeligt pres på lokale vandressourcer. I Virginia, for eksempel, som er hjemsted for verdens største koncentration af datacentre, steg vandforbruget med to tredjedele mellem 2019-2023 fra 4,28 millioner kubikmeter til 7 millioner kubikmeter³.
Hvorfor bruger datacentre så meget vand?
AI-datacentre forbruger vand på to måder – direkte og indirekte – og forbruger mest under 'træningsfasen': den periode, hvor AI fodres med data og programmeres til at reagere.
Indirekte forbrug er det vand, der bruges uden for stedet til at producere strøm. Et eksempel på dette kunne være vandet, der bruges i køletårne på kulfyrede kraftværker. Selvom AI-datacentre ikke direkte forbruger dette vand, betyder deres enorme strømbehov, at der bruges mere vand sammenlignet med andre typer faciliteter for at holde centrene kørende hele dagen.
Direkte vandforbrug er det vand, der bruges på stedet af datacentret til dets egne køleformål. Næsten al den strøm, der tilføres datacenterservere, omdannes til varme, og enhedernes store størrelse forværrer kun dette. For at opretholde stabile driftstemperaturer ledes vand derfor gennem et varmevekslingssystem for at køle udstyret og forhindre det i at overophede.
Vand til at køle er også nødvendigt for at håndtere ændringer i den udvendige temperatur forårsaget af sæsonbestemte vejrmønstre. Dette er særligt bekymrende, fordi vi oplever flere varmere somre, hvilket skaber en vandmangel, der opleves over hele kloden. Som følge heraf er der risiko for, at datacentre forbruger vand, der burde være reserveret til udsatte samfund.
Vandforbruget for USA-baserede faciliteter kan springe i øjnene, men forskningen i 'Making AI Less "Thirsty"' antyder også, at datacentre i Asien kan bruge op til tre gange så meget vand som deres vestlige modstykker. Dette er bekymrende i betragtning af, at det forudsiges, at halvdelen af verdens befolkning vil stå over for alvorlig vandstress i 2030.
To vigtige forbehold
Selvom forskningsartiklen er overbevisende, er det vigtigt at huske, at data om dette emne er sparsomme. Det skyldes dels, at der er foretaget lidt forskning for at afdække vandforbruget i datacentre, og dels fordi – som artiklen antyder – teknologivirksomheder er ivrige efter at skjule de sande omkostninger ved AI-teknologi. Det er også vigtigt at overveje, at selvom denne rapport har haft bred dækning i pressen, er forskningen og dens metode – på skrivende tidspunkt maj 2023 (opdateret i april 2025) – ikke blevet peer reviewed. Selvom dette ikke underminerer forskningens potentielle betydning, betyder det, at yderligere undersøgelse vil være nødvendig, før vi kan drage endelige konklusioner om AI-datacentre.
Hvad kan vi gøre ved det?
I mellemtiden foreslår forskerne bag 'Making AI Less "Thirsty"', at hvornår og hvor AI-chatbots trænes, har en massiv indvirkning på mængden af vand, de bruger. Vigtigheden af geografisk placering når man bestemmer, hvor datacentre skal placeres, bør derfor være en topprioritet for teknologivirksomheder, ligesom man bør overveje,hvornår på året træningsprocessen skal finde sted..
Man kan dog også implementere foranstaltninger for at reducere et datacenters forbrug af kølevand uanset placering. For eksempel tilbyder vores SIRION™ Mega SF og TF modeller høj flux, lavenergi omvendt osmose (RO) med minimalt behov for yderligere anlægsteknik. Som resultat kan 98% af opløste organiske stoffer fjernes fra et centers spildevand, hvilket gør det muligt at genbruge det i et køletårn og reducere vandforbruget – alt sammen mens der spares op til 50% på elektrisk strøm sammenlignet med en konventionel enhed. Når det kombineres med vores Ionsoft™ systemer, kan RO-enheder yderligere reducere mængden af vand, der ledes til afløb – hvilket gør det muligt for datacentre at operere mere bæredygtigt, ligesom det er med til at reducere driftsomkostninger.
I februar 2025 opfordrede en rapport fra National Engineering Policy Centre (NEPC) den britiske regering til at få teknologivirksomheder til at indsende obligatoriske rapporter om deres vandforbrug, vandindvinding og vandkilder⁴. Derfor kan det snart blive nødvendigt for datacenterfaciliteter at implementere mere effektive løsninger. Vores vandbehandlingseksperter besøger faciliteter for at hjælpe med at forbedre effektiviteten af et eksisterende system eller hjælpe kunder med at designe et nyt. Deres ekspertise kan sikre, at systemer kører optimalt med minimalt spild og reduceret risiko for nedbrud.
1 Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models - https://arxiv.org/abs/2304.03271
2 BBC News: Concern UK’s AI ambitions could lead to water shortages - https://www.bbc.co.uk/news/articles/ce85wx9jjndo
3 Demand for AI is driving data center water consumption sky high - https://techcrunch.com/2024/08/19/demand-for-ai-is-driving-data-center-water-consumption-sky-high/.
4 Engineering Responsible AI: foundations for environmentally sustainable AI - https://raeng.org.uk/media/2aggau2j/foundations-for-environmentally-sustainable-ai-nepc-report.pdf
