Shaping the Digital Future of ErUM Research: Sustainability & Ethics

Dit verslag van de workshop in Aken (2025) schetst een integraal actieplan voor de duurzame en ethische toekomst van ErUM-Data-onderzoek, waarbij technische maatregelen voor CO₂-reductie en FAIR-data worden gecombineerd met ethische richtlijnen voor AI, onderwijsinitiatieven en beleidsinstrumenten om duurzaamheid en verantwoordelijkheid in de dagelijkse wetenschappelijke praktijk te verankeren.

De kern

🌍 De Digitale Toekomst van ErUM: Een Reis naar Duurzaamheid en Ethiek

Stel je voor dat de wetenschap (zoals het bestuderen van het heelal en deeltjes) een enorme, hypermoderne fabriek is. Deze fabriek draait niet op brandstof, maar op data en computers. In dit rapport, geschreven na een workshop in 2025, kijken onderzoekers naar hoe ze deze fabriek kunnen laten draaien zonder de planeet te verbranden, en hoe ze zorgen dat hun "robots" (kunstmatige intelligentie) niet uit de hand lopen.

Het rapport is verdeeld in drie grote hoofdstukken: Duurzaamheid, Ethiek en Hoe we dit allemaal gaan doen.

---

1. Duurzaamheid: De Fabriek Afbreken en Heropbouwen 🏭⚡

De onderzoekers zeggen: "Onze computers verbruiken enorm veel stroom en produceren veel CO2." Ze willen dit veranderen. Ze gebruiken drie tijdslijnen om hun plan te schetsen:

• Korte termijn (Nu al doen):

  • Het "Stappenplan" voor bewustwording: Net als wanneer je begint met sporten, moet je eerst weten dat je het moet doen. Ze maken tools om te meten hoeveel "koolstof" een onderzoek kost.
  • De "Rekenmachine" voor energie: Net zoals je op je telefoon ziet hoeveel batterij je nog hebt, moeten wetenschappers nu ook zien hoeveel CO2 hun berekeningen kosten.
  • Gebruik wat er al is: In plaats van alles zelf te bouwen, gebruiken ze slimme, bestaande software. Dat is als een auto huren in plaats van een nieuwe fabriek bouwen om er één te maken.

• Middellange termijn (Binnen een paar jaar):

  • De "FAIR" Data: Data moet Findable (vindbaar), Accessible (toegankelijk), Interoperable (uitwisselbaar) en Reusable (herbruikbaar) zijn.
    • Vergelijking: Stel je voor dat je een recept hebt, maar de ingrediënten zijn in een andere taal geschreven en in een gesloten kast. Dat is niet FAIR. Ze willen dat het recept in het Nederlands staat, op een open plank ligt, en dat iedereen het kan kopiëren en gebruiken.
  • Slimme "Breathing" Datacenters: Dit is een van de coolste ideeën!
    • De Vergelijking: Stel je een datacenter voor als een mens die ademt. Als de zon schijnt of de wind waait (veel groene stroom), dan "ademt" het datacenter in en werkt het hard. Als er geen groene stroom is, "ademt" het uit en vertraagt het. In plaats van stroom te verbruiken als het donker is, wachten ze tot er weer zon is.
  • Software-certificering: Net zoals auto's een energielabel hebben (A, B, C), moeten computerprogramma's ook een label krijgen voor hoe zuinig ze zijn.

• Lange termijn (De droom):

  • Datacenters bij windmolens: Bouw de zware computers direct naast de windmolens op zee. Dan hoef je de stroom niet ver te transporteren (wat energie kost).
  • Warmterecycling: De warmte die computers maken, wordt gebruikt om gebouwen in de buurt te verwarmen. Het is alsof je de afvalwarmte van je computer gebruikt om je huis te verwarmen in de winter.

---

2. Ethiek: De Robot die niet te slim mag worden 🤖🧠

De tweede grote discussie gaat over Kunstmatige Intelligentie (AI). AI is geweldig, maar het heeft ook valkuilen.

• De "Zwarte Doos":
  • Vergelijking: Soms werkt AI als een zwarte doos. Je gooit data erin, en er komt een antwoord uit, maar je weet niet hoe de machine tot dat antwoord kwam. In de wetenschap is dat gevaarlijk. We moeten kunnen uitleggen waarom een AI iets zegt.
• Bias (Vooroordelen):
  • Als je een AI traint met slechte data (bijvoorbeeld alleen met foto's van mannen), dan denkt de AI dat alleen mannen wetenschappers zijn. De onderzoekers zeggen: "We moeten de AI trainen met eerlijke data, anders wordt de AI vooroordeelsvol."
• Wie is de baas?
  • De Gouden Regel: "Machines kunnen mensen niet van hun verantwoordelijkheid ontslaan."
  • Vergelijking: Als een AI een fout maakt in een wetenschappelijk artikel, is het niet de AI die de schuld krijgt. De mens (de onderzoeker) is de kapitein van het schip. Als het schip zinkt, is de kapitein verantwoordelijk, niet de autopilot.
  • Studenten mogen AI niet gebruiken om hun hele scriptie te schrijven. Ze moeten zelf leren denken. AI is als een fiets met trapondersteuning: je mag erop rijden, maar je moet zelf nog steeds trappen.

---

3. Hoe krijgen we dit voor elkaar? (Awareness & Actie) 📣🚀

Het rapport concludeert dat techniek alleen niet genoeg is. We moeten ook de mentaliteit veranderen.

• Van "Ik weet het wel" naar "Ik doe het":
  • Veel mensen weten dat klimaatverandering slecht is, maar voelen zich te klein om iets te veranderen. Ze denken: "Ik ben maar één onderzoeker, wat maakt mijn computer uit?"
  • De Oplossing: We moeten laten zien dat elke kleine stap telt. Net als bij het sorteren van afval: als iedereen het doet, maakt het enorm veel verschil.
• Spelenderwijs leren:
  • In plaats van saaie lezingen, gebruiken ze gamification (gamification) om studenten te leren hoe ze zuinig met computerkracht omgaan.
• De "Handafdruk" (Handprint):
  • We praten vaak over de "voetafdruk" (hoeveel schade we doen). Maar we moeten ook kijken naar de "handafdruk": hoeveel goeds doen we?
  • Vergelijking: In plaats van alleen te zeggen "Ik heb minder CO2 uitgestoten dan gisteren", zeggen we: "Ik heb vandaag een nieuw, zuiniger programma geschreven dat anderen helpt om ook minder te verbruiken." Dat is een positieve handafdruk.

Conclusie in één zin 🌟

De wetenschap moet leren om niet alleen slimmer te worden met AI en data, maar ook zuiniger met onze planeet en verantwoordelijker met wie de baas is in de digitale wereld. Het is een reis van bewustwording naar actie, waarbij elke onderzoeker, van student tot professor, een stukje van de puzzel moet leggen.

Technische samenvatting

Titel: Het vormgeven van de digitale toekomst van ErUM-onderzoek: Duurzaamheid en Ethiek

Context: Workshoprapport van de ErUM-Data Hub (Universum en Materie-onderzoek in Duitsland), gepubliceerd in oktober 2025.

---

1. Het Probleem

De data-intensieve wetenschap binnen het ErUM-gebied (Erforschung von Universum und Materie) staat voor twee urgente uitdagingen die de huidige onderzoekspraktijk fundamenteel veranderen:

• Duurzaamheid: De groeiende CO2-voetafdruk van computercentra, data-opslag en softwareontwikkeling. Dit omvat zowel embedded emissions (productie en aanschaf van hardware) als operationele emissions (energieverbruik tijdens gebruik en koeling). Er is een risico op een "rebound effect", waarbij efficiëntiewinsten leiden tot nog meer dataverbruik.
• Ethiek en AI: De snelle integratie van Kunstmatige Intelligentie (AI) en Large Language Models (LLM's) in wetenschappelijk werk roept vragen op over autonomie, bias, transparantie, verantwoordelijkheid en het risico op "deskilling" (het verlies van kritische vaardigheden bij onderzoekers).

Het rapport stelt dat technische oplossingen op zich onvoldoende zijn; er is een systematische verschuiving nodig in cultuur, onderwijs, financiering en governance om duurzaamheid en ethiek in de dagelijkse praktijk te integreren.

2. Methodologie

Het rapport is gebaseerd op de uitkomsten van een workshop gehouden in Aken (juli-augustus 2025) met experts uit universiteiten, onderzoeksinstituten (zoals DESY, CERN, MPI) en industrie.

• Aanpak: De discussies werden gestructureerd rondom een evaluatie van voortgang sinds een eerdere "call-to-action" uit 2023.
• Indeling: Maatregelen werden gecategoriseerd in drie tijdschalen:
  • Kortetermijn (S): Direct implementeerbaar met weinig moeite.
  • Middentermijn (M): Realiseerbaar binnen een paar jaar.
  • Langetermijn (L): Vereist gecoördineerde planning en grote infrastructurele veranderingen.
• Focus: De analyse onderscheidt tussen technische maatregelen (software, hardware, workflows) en menselijke/institutionele maatregelen (onderwijs, financiering, ethische kaders).

3. Belangrijkste Bijdragen en Key Findings

A. Duurzaamheidsacties (Technisch en Operationeel)

Het rapport introduceert en verfijnt specifieke concepten om de CO2-voetafdruk te verkleinen:

• "Breathing" Computing Centers: Het idee om rekenkracht dynamisch aan te passen aan de beschikbaarheid van hernieuwbare energie (bijv. wind/zon). Dit vereist buffering van rekenwerk (werklastverschuiving) en mogelijk het gebruik van "overprovisioned" hardware die draait op momenten van groene energie-overvloed.
• Langdurige Data-opslag: Strategieën om opslag te optimaliseren door alleen "science-ready" data te bewaren en de kosten van het opnieuw berekenen van afgeleide datasets af te wegen tegen opslagkosten. Dit omvat ook het gebruik van verliesbeperkende compressie.
• Certificering van Software-efficiëntie: Het voorstellen van een systeem om software op energie-efficiëntie te certificeren, vergelijkbaar met energielabels voor apparaten, met als doel efficiëntie te integreren in de projectplanningsfase.
• Monitoring en Rapportage: Uitbreiding van monitoring van energieverbruik tot op job-niveau en per onderzoeker, inclusief het meten van de CO2-voetafdruk van AI-training en -inference.

B. Onderwijs en Training

Er wordt gepleit voor een fundamentele verschuiving in hoe onderzoekers worden opgeleid:

• Vroege Training: Studenten (bachelor/master) moeten direct worden opgeleid in duurzaam coderen en het gebruik van job-schedulers (zoals HTCondor) om inefficiënt resource-gebruik te voorkomen.
• Mentorship: Nieuwe vormen van "code consulting" en mentorprogramma's om onderzoekers te helpen bij het optimaliseren van hun workflows.
• Vaardigheden: Het ontwikkelen van communicatieve vaardigheden bij docenten om de urgentie van duurzaamheid over te brengen, niet alleen de technische aspecten.

C. Ethiek en AI

De ethische discussie focust op de menselijke verantwoordelijkheid in een AI-gedreven wereld:

• Verantwoordelijkheid: "Machines kunnen mensen niet van hun verantwoordelijkheid ontslaan." De onderzoeker blijft volledig verantwoordelijk voor de uitkomsten, ook bij het gebruik van generatieve AI.
• Transparantie en Explainability: AI-systemen moeten transparant zijn. Trainingdatasets moeten beschikbaar zijn om bias te detecteren. De gebruikte prompts en configuraties van AI-tools moeten worden gedocumenteerd in publicaties.
• Deskilling Risico: Er is een groot risico dat onderzoekers hun kritische denkvaardigheden verliezen als ze te afhankelijk worden van AI. Dit moet worden tegengegaan door het behoud van fundamentele vaardigheden in experimenteel ontwerp en data-analyse.
• Authorship: AI-systemen mogen niet als auteur worden vermeld; de menselijke auteur draagt de verantwoordelijkheid voor de integriteit van de inhoud.

D. Governance en Financiering

• Financieringsmechanismen: Er is een oproep voor specifieke fondsen voor duurzaamheidsmaatregelen en positieve prikkels (bijv. extra financiering voor projecten met sterke duurzaamheidsconcepten).
• Incentives: Het rapport pleit voor het invoeren van een "handprint"-metriek (positieve bijdrage) naast de "footprint" (negatieve impact) om onderzoekers te motiveren.
• Van Bewustzijn naar Actie: Het is cruciaal om van bewustwording over te gaan tot concrete actie door middel van gemeenschapsgedreven initiatieven, rolmodellen en "win-win" workflows waarbij de duurzaamste optie ook de makkelijkste is.

4. Resultaten en Implementatiestatus

Het rapport rapporteert over de voortgang sinds 2023:

• Gerealiseerd: Er is een toename in bewustzijn, enkele experimenten (zoals ATLAS en Belle II) rapporteren nu CO2-voetafdrukken van hun jobs, en er is meer gebruik van geoptimaliseerde algoritmen en open-source bibliotheken.
• Onderweg: Het maken van data en software "FAIR" (Findable, Accessible, Interoperable, Reusable) verloopt voorspoedig, maar langdurig onderhoud blijft een uitdaging.
• Moeilijk/Toekomstig: Het volledig aanpassen van rekenkracht aan hernieuwbare energie ("breathing centers") en het hergebruik van warmte uit datacenters zijn langetermijndoelen die nog veel coördinatie vereisen.

5. Significatie

Dit rapport is van cruciaal belang voor de toekomst van de wetenschap in Duitsland en daarbuiten omdat het:

1. Een Holistisch Kader Biedt: Het verbindt technische optimalisatie (hardware/software) direct met ethische overwegingen en institutionele veranderingen.
2. De Rol van de Mens Benadrukt: Het stelt dat technologie alleen niet genoeg is; de cultuur van de onderzoeksgemeenschap en de verantwoordelijkheid van individuele onderzoekers zijn bepalend.
3. Praktische Routekaarten Aandraagt: Door het onderscheid tussen korte, middellange en lange termijn maatregelen biedt het een concreet actieplan voor beleidsmakers, universiteiten en onderzoeksgroepen.
4. AI-integratie Beveiligd: Het biedt een ethisch kompas voor het gebruik van AI in wetenschap, waarbij integriteit en reproduceerbaarheid centraal staan, wat essentieel is voor het behoud van publiek vertrouwen.

Kortom, het rapport concludeert dat een duurzame transformatie van ErUM-onderzoek vereist dat duurzaamheid en ethiek niet als bijzaak worden gezien, maar als fundamentele pijlers van de wetenschappelijke methode zelf, ondersteund door gerichte financiering, onderwijs en gemeenschapsinitiatieven.