Generative AI’s energy demand through data centers : energy security challenges and policy guidelines in the EU
Ågren, Juha (2025)
Diplomityö
Ågren, Juha
2025
School of Energy Systems, Ympäristötekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20251017101963
https://urn.fi/URN:NBN:fi-fe20251017101963
Tiivistelmä
This master’s thesis examines, through a literature review, the energy demand of GPT-based chatbots enabled by Generative AI (GenAI) in the context of rising energy consumption, energy security, and European Union (EU) legislation. The study addresses chatbot usage throughout their lifecycle, the role of data centers, the concept of energy security, and existing EU policy guidelines relevant to data centers and GenAI.
The results indicate that GenAI language models is rapidly increasing. This trend is closely linked to data centers energy consumption. Which is projected to reach approximately 5 % of the EU’s total electricity use by 2030. Despite collective technological improvements, the growing energy intensity of AI workloads cannot be fully offset by technology alone. Peak- load management and grid flexibility emerge as critical factors for energy security, particularly as the share of renewable energy production increases. EU policy measures, such as the Energy Efficiency Directive and the AI Act, emphasize transparency, documentation, and efficiency standards, but point-out that energy-specific obligations for AI developers remain fragmented.
The research concludes that GenAI development is a both a driver of energy challenges and as a potential mitigation tool. While its energy consumption raises concerns, leveraging AI in smart grids and load management also offers opportunities. Strengthening EU regulation will be essential to achieve a balance between AI development and sustainable energy use. Tässä diplomityössä selvitettiin kirjallisuuskatsauksen avulla generatiivisen tekoälyn mahdollistamien GPT-pohjaisten chatbottien energiantarvetta kasvavan energiankulutuksen, energiaturvallisuuden ja Euroopan unionin lainsäädännön näkökulmasta. Tutkimukseen sisältyivät chatbotin toiminta koulutus- ja päättelyvaiheessa, datakeskusten rooli, energiaturvallisuuden määrittely sekä Euroopan unionin olemassa oleva lainsäädäntö koskien datakeskuksia ja generatiivista tekoälyä.
Tulokset osoittavat, että generatiivisen tekoälyn kielimallien käyttö on yleistymässä nopeasti. Tämä kehitys on sidoksissa merkittävästi datakeskusten energiankulutukseen, jonka arvioidaan saavuttavan noin 5 % EU:n kokonaissähkönkulutuksesta vuoteen 2030 mennessä. Huolimatta kollektiivisesta teknologian kehityksestä, tekoälytyökuormien energiaintensiteetin kasvu ei ole täysin kompensoitavissa vain teknologialla. Huippukuormien hallinta ja sähköverkkojen joustavuus nousevat keskeisiksi tekijöiksi energiaturvallisuuden näkökulmasta, erityisesti uusiutuvan energian osuuden tuotannon kasvaessa. EU:n politiikkatoimet, kuten energiatehokkuusdirektiivi ja tekoälyasetus, korostavat läpinäkyvyyttä, dokumentointia ja tehokkuusstandardeja, mutta paljastavat, että energiaan liittyvät velvoitteet tekoälykehittäjille ovat edelleen hajanaisia.
Johtopäätöksenä voidaan todeta, että generatiivisen tekoälyn kehitys toimii sekä energiahaasteiden ajurina että mahdollisena rankaisuna. Vaikka sen energiankulutus herättää huolta, tekoälyn hyödyntäminen älykkäissä sähköverkoissa ja kuormanhallinnassa tarjoavat myös mahdollisuuksia. EU:n sääntelyn vahvistaminen on olennaista, jotta tekoälyn ja kestävän energiankäytön välillä voidaan saavuttaa tasapaino.
The results indicate that GenAI language models is rapidly increasing. This trend is closely linked to data centers energy consumption. Which is projected to reach approximately 5 % of the EU’s total electricity use by 2030. Despite collective technological improvements, the growing energy intensity of AI workloads cannot be fully offset by technology alone. Peak- load management and grid flexibility emerge as critical factors for energy security, particularly as the share of renewable energy production increases. EU policy measures, such as the Energy Efficiency Directive and the AI Act, emphasize transparency, documentation, and efficiency standards, but point-out that energy-specific obligations for AI developers remain fragmented.
The research concludes that GenAI development is a both a driver of energy challenges and as a potential mitigation tool. While its energy consumption raises concerns, leveraging AI in smart grids and load management also offers opportunities. Strengthening EU regulation will be essential to achieve a balance between AI development and sustainable energy use.
Tulokset osoittavat, että generatiivisen tekoälyn kielimallien käyttö on yleistymässä nopeasti. Tämä kehitys on sidoksissa merkittävästi datakeskusten energiankulutukseen, jonka arvioidaan saavuttavan noin 5 % EU:n kokonaissähkönkulutuksesta vuoteen 2030 mennessä. Huolimatta kollektiivisesta teknologian kehityksestä, tekoälytyökuormien energiaintensiteetin kasvu ei ole täysin kompensoitavissa vain teknologialla. Huippukuormien hallinta ja sähköverkkojen joustavuus nousevat keskeisiksi tekijöiksi energiaturvallisuuden näkökulmasta, erityisesti uusiutuvan energian osuuden tuotannon kasvaessa. EU:n politiikkatoimet, kuten energiatehokkuusdirektiivi ja tekoälyasetus, korostavat läpinäkyvyyttä, dokumentointia ja tehokkuusstandardeja, mutta paljastavat, että energiaan liittyvät velvoitteet tekoälykehittäjille ovat edelleen hajanaisia.
Johtopäätöksenä voidaan todeta, että generatiivisen tekoälyn kehitys toimii sekä energiahaasteiden ajurina että mahdollisena rankaisuna. Vaikka sen energiankulutus herättää huolta, tekoälyn hyödyntäminen älykkäissä sähköverkoissa ja kuormanhallinnassa tarjoavat myös mahdollisuuksia. EU:n sääntelyn vahvistaminen on olennaista, jotta tekoälyn ja kestävän energiankäytön välillä voidaan saavuttaa tasapaino.
