Så kan datacenter möta AI-boomen – med fem smartare hållbarhetsmått Generativ AI driver upp energiförbrukningen i datacenter, men hållbarheten mäts fortfarande med föråldrade metoder. Energihanteringsföretaget Eaton lyfter upp fem kompletterande nyckeltal som ger en mer nyanserad och framtidssäkrad bild av miljöpåverkan.

Generativ AI, maskininlärning och annan datatung teknik ökar både energibehov och klimatavtryck hos datacenter. Enligt forskning kan den globala datamängden öka med upp till 50 gånger före 2028 – framför allt på grund av generativa AI-tjänster som ChatGPT. I Sverige spår forskningsinstitutet RISE att AI redan till 2030 kan öka sitt elbehov med 1,5 gånger.

Trots det förlitar sig många datacenter fortfarande på ett enda nyckeltal: PUE (Power Usage Effectiveness). Ett mått som visserligen säger något om energieffektivitet – men inte om den totala miljöpåverkan.

– PUE är ett viktigt första steg, men säger ingenting om koldioxidutsläpp, vattenförbrukning eller andelen grön el. För att möta framtida EU-krav och få en rättvisande bild krävs fler och smartare mätmetoder, säger Mathias Jensén, försäljningschef för Critical Power Solutions på Eaton.

Fem mått som kompletterar PUE

Eaton föreslår att datacenter kompletterar PUE med följande fem nyckeltal:

· CUE – Carbon Usage Effectiveness: Mäter koldioxidutsläpp per levererad IT-effektenhet.

· WUE – Water Usage Effectiveness: Fokus på vattenförbrukning, särskilt vid vattenkylning.

· ERE – Energy Reuse Effectiveness: Andel energi som återanvänds, till exempel som fjärrvärme.

· GEC – Green Energy Coefficient: Andel el från förnybara källor – viktigt vid Scope 2-rapportering.

· TUE – Task Usage Effectiveness: Mäter hur mycket av energin som används till faktisk IT-drift. Vill du läsa mer? Ladda ner Eatons white paper The drive toward sustainability – Beyond Power Usage Effectiveness (PUE).