# Groene AI voor bedrijven

> Een praktische gids voor bedrijven om energie, kosten en CO2 van AI te verminderen: modelkeuze, leveranciers, meten, inkoop en eerlijke claims.

Source: https://greenai.guide/nl/gidsen/groene-ai-voor-bedrijven/  
Updated: 2026-11-19

## In het kort

Groene AI betekent voor een bedrijf: de resultaten halen die u van AI nodig hebt, met minder energie, geld en CO2. De meeste besparing komt uit een paar beslissingen: AI alleen inzetten waar het waarde toevoegt, het kleinste model kiezen dat het werk goed doet, leveranciers kiezen die hun energiegegevens publiceren, en meten voordat u een claim maakt.

## Kernpunten

- In de meeste bedrijven is de goedkoopste, snelste en groenste AI meestal dezelfde AI: kleinere modellen, minder tokens, minder herstelwerk.
- Het Internationaal Energieagentschap schat dat datacenters in 2024 ongeveer 415 TWh elektriciteit verbruikten, zo'n 1,5% van het wereldwijde totaal, en verwacht ongeveer 945 TWh in 2030.
- Taakspecifieke modellen kunnen voor dezelfde taak ordes van grootte goedkoper zijn in gebruik dan generatieve modellen voor algemeen gebruik.
- Vraag leveranciers naar het energieverbruik per verzoek, de datacenters die ze gebruiken en hun meetmethode, en leg de antwoorden vast in contracten.
- Doe geen groene claim die u niet kunt onderbouwen met gemeten of duidelijk verantwoorde cijfers.

## Waarom zou een bedrijf zich om groene AI bekommeren? {#why-should-a-business-care-about-green-ai}

Omdat wat AI groener maakt, meestal ook AI goedkoper, sneller en betrouwbaarder maakt. Minder rekenwerk betekent
lagere rekeningen, snellere antwoorden en minder wachten. En dezelfde gewoonten die energie verspillen, zoals lange
prompts, herhaalde pogingen en te grote modellen, verspillen ook geld en tijd van medewerkers.

Een Britse sandpit (een verkennende werksessie) over groene AI in 2026, met wiskundigen, informatici en mensen uit
het bedrijfsleven, kwam tot een vergelijkbare conclusie: kopers kiezen op kosten, snelheid en kwaliteit, dus groene
AI moet die voordelen meebrengen in plaats van ermee te concurreren. Dat is goed nieuws voor een bedrijf. U hoeft
zelden resultaten in te leveren voor een kleinere voetafdruk.

Er zijn nog vier redenen om op te letten:

- **Schaal.** Het Internationaal Energieagentschap (IEA) schat dat datacenters in 2024 ongeveer 415 TWh elektriciteit
  verbruikten, zo'n 1,5% van de wereldwijde elektriciteit. Het verwacht dat dit tegen 2030 meer dan verdubbelt tot
  ongeveer 945 TWh, met AI als belangrijkste aanjager van de groei. Uw AI-gebruik is een deel van die vraag.
- **Rapportage.** Als u rapporteert over energie en uitstoot, zit AI nu in dat getal, of u het nu meetelt of niet.
- **Regelgeving.** Regels gaan energiegegevens eisen van aanbieders van AI en datacenters (zie hieronder). Daardoor
  komt er betere informatie over leveranciers voor u beschikbaar.
- **Vertrouwen.** Klanten, medewerkers en investeerders vragen steeds vaker hoe u AI gebruikt. Duidelijke, eerlijke
  antwoorden helpen.

## Waar gaat de energie in AI naartoe? {#where-does-the-energy-in-ai-go}

Bij een doorsneebedrijf gaat de meeste AI-energie naar **inferentie**: een model draaien om verzoeken te
beantwoorden, niet het trainen ervan. U traint vrijwel nooit zelf een groot model, maar elke prompt, elke
geautomatiseerde workflow en elke AI-functie in uw software draait inferentie op iemands hardware.

De belangrijkste plekken waar energie wordt verbruikt:

| Fase | Wat er gebeurt | Wie het in de hand heeft |
|---|---|---|
| Training | Een model leert van data, eenmalig of af en toe | Vooral de modelaanbieder |
| Fine-tuning | Een bestaand model wordt aangepast aan uw taak | U of uw leverancier |
| Inferentie | Het model beantwoordt elk verzoek | Gedeeld: u kiest hoeveel en welk model |
| Datacenter | Koeling, stroomomzetting, netwerk | De hostingaanbieder |
| Hardware | Het maken van chips en servers (ingebedde CO2) | De aanbieder, via hoe lang apparatuur in gebruik blijft |

Voor een bedrijf is inferentie het deel dat u het meest kunt veranderen. Hoeveel energie het kost, hangt af van:

- **de grootte en het type van het model.** Een studie van Luccioni, Jernite en Strubell vond dat generatieve modellen
  voor algemeen gebruik voor dezelfde taak ordes van grootte duurder waren in gebruik dan taakspecifieke systemen. In
  hun tests kostte het genereren van afbeeldingen gemiddeld ongeveer 2,9 kWh per 1.000 verzoeken, terwijl het
  classificeren van tekst ongeveer 0,002 kWh kostte;
- **het aantal tokens** (de stukjes tekst die een model leest en schrijft). Lange prompts, geplakte documenten en
  breedsprakige antwoorden tellen allemaal op;
- **hoeveel aanroepen** een workflow doet. Agents die plannen, controleren en opnieuw proberen, kunnen tientallen
  aanroepen doen voor één taak; en
- **waar en wanneer** het draait, omdat de CO2 in een kilowattuur afhangt van het lokale stroomnet.

Om een idee te geven van de schaal per verzoek: Google meldt dat een mediane tekstprompt aan zijn Gemini-apps 0,24 Wh
energie verbruikte, en dat dit cijfer in een jaar 33 keer lager werd. Aanbieders meten op verschillende manieren, dus
zie zulke getallen als indicatief. Lees bij [AI-energie meten](/nl/goede-praktijk/zo-meet-u-de-energie-en-co2-uitstoot-van-ai/) waarom de details ertoe
doen.

## Hoe kiezen we het juiste model? {#how-do-we-choose-the-right-model}

Gebruik het kleinste model dat het werk betrouwbaar doet, en test dat op uw eigen werk. Voor veel bedrijfstaken,
zoals e-mails sorteren, velden uit facturen halen, samenvatten of vertalen, is een klein of gespecialiseerd model
genoeg.

UNESCO en University College London vonden dat kleinere, taakspecifieke modellen het energieverbruik met tot 90%
konden verlagen zonder prestatieverlies bij geschikte taken, en dat kortere prompts en antwoorden het met meer dan de
helft konden verlagen.

Praktische stappen:

1. **Maak een lijst van uw AI-taken** en wat "goed genoeg" voor elke taak betekent, bijvoorbeeld 98% van de
   factuurvelden correct.
2. **Probeer modellen van klein naar groot** op een steekproef van echte gevallen. Stop bij het eerste model dat aan
   de norm voldoet.
3. **Routeer verzoeken.** Stuur routineverzoeken naar een klein model en alleen moeilijke naar een groot model. Dit
   heet vaak model routing.
4. **Pas op voor schijnbesparingen.** Een model dat te klein is en faalt, waardoor u alles opnieuw op een groot model
   moet draaien, kan meer energie kosten dan meteen het grote model gebruiken. Meet of het de eerste keer lukt, niet
   de kosten per aanroep.
5. **Hergebruik in plaats van opnieuw genereren.** Als hetzelfde antwoord, sjabloon of stuk code opnieuw nodig is,
   bewaar het en gebruik het opnieuw, in plaats van het model het elke keer te vragen. GreenCode, een
   ITEA-onderzoeksproject, beschrijft hoe het retrieval (ophalen van bestaande informatie), routering naar het
   goedkoopste geschikte onderdeel en planning gebruikt om zijn eigen AI-gebruik klein te houden.

Onafhankelijke beoordelingen kunnen helpen om open modellen te vergelijken. De AI Energy Score, gelanceerd door
Hugging Face en partners, geeft modellen één tot vijf sterren voor energie-efficiëntie bij veelvoorkomende taken.
Meer hierover leest u in [het juiste model kiezen](/nl/goede-praktijk/kies-het-juiste-model-voor-de-taak/) en
[orkestratie boven generatie](/nl/artikelen/orkestratie-boven-generatie/).

## Wat moeten we AI-leveranciers vragen? {#what-should-we-ask-ai-suppliers}

Vraag om getallen, methoden en locaties, en neem de antwoorden op in het contract. Veel leveranciers kunnen nog geen
volledige antwoorden geven, maar door te vragen laat u zien dat er vraag naar is, en ziet u wie dit serieus neemt.

Vragen om op te nemen in aanbestedingen en verlengingen:

- **Energie per verzoek.** Wat is het energieverbruik (Wh) per typisch verzoek of per 1.000 tokens voor de modellen
  die we gaan gebruiken? Is het gemeten of geschat, en hoe?
- **Systeemgrens.** Omvat het cijfer ongebruikte capaciteit, koeling en netwerk, of alleen de chips?
- **Waar het draait.** Welke datacenters en regio's hosten onze workload? Wat is hun power usage effectiveness (PUE,
  de verhouding tussen het totale energieverbruik van de faciliteit en het energieverbruik voor rekenwerk) en hun
  waterverbruik?
- **Elektriciteit.** Welk deel wordt uur voor uur gematcht met schone stroom, in plaats van gedekt door jaarlijkse
  certificaten?
- **Modelopties.** Kunnen we kleinere modellen kiezen, of verzoeken tussen modellen routeren? Kunnen we op onze eigen
  hardware draaien als data lokaal moet blijven?
- **Rapportage.** Geeft u ons maandelijks energie- en uitstootgegevens voor ons account, in een vorm die we in onze
  eigen rapportage kunnen gebruiken?
- **Levensduur van hardware.** Hoe lang houdt u servers in gebruik, en wat gebeurt er daarna mee?
- **Melding van wijzigingen.** Laat u het ons weten als u het model achter onze dienst vervangt?

Twee Europese wetten zijn de moeite waard om te kennen, ook buiten de EU, omdat grote leveranciers ze breed toepassen:

- De **Europese AI-verordening (AI Act)** verplicht aanbieders van AI-modellen voor algemene doeleinden om het bekende
  of geschatte energieverbruik van het model te documenteren (Bijlage XI).
- De **Richtlijn energie-efficiëntie** verplicht exploitanten van datacenters met een IT-vermogensvraag van minstens
  500 kW om hun energieprestaties, waaronder energie- en waterverbruik, te melden aan een Europese databank
  (Gedelegeerde Verordening 2024/1364).

Onze gids [duurzame inkoop van AI](/nl/goede-praktijk/duurzame-inkoop-van-ai/) bevat een uitgebreidere vragenlijst, en
[hosting en datacenters](/nl/goede-praktijk/hosting-en-datacenters-voor-groene-ai/) legt uit wat de antwoorden betekenen. U vindt
leveranciers in de [productengids](/nl/producten/) en onafhankelijke hulp in de
[adviseursgids](/nl/adviseurs/).

## Hoe meten we het energieverbruik en de uitstoot van AI? {#how-do-we-measure-ai-energy-and-emissions}

Meet wat u kunt, schat de rest openlijk in, en houd bij wat u zelf in de hand hebt. Perfecte cijfers zijn zelden
beschikbaar, maar met een consistente methode ziet u of u vooruitgaat.

- **Uw eigen hardware of cloudmachines.** Opensourcetools zoals CodeCarbon schatten de uitstoot op basis van het
  vermogen dat processors en geheugen opnemen en de CO2-intensiteit van het lokale stroomnet.
- **AI-diensten van derden.** Noteer de gebruikte tokens, aanroepen en modellen. Vermenigvuldig met het cijfer voor
  energie per verzoek van de leverancier, als die er een geeft. Zo niet, gebruik dan een gepubliceerde schatting en
  vermeld dat.
- **Eenheden.** Rapporteer energie in kWh en uitstoot in kg CO₂e (CO2-equivalent), en vermeld welke emissiefactor
  van het stroomnet u hebt gebruikt.
- **Per resultaat.** Houd het energieverbruik per bruikbaar resultaat bij, bijvoorbeeld per verwerkte factuur, niet
  alleen het totaal. Zo ziet u het effect van herstelwerk en nieuwe pogingen.

Zie [hoe u AI-energie meet](/nl/goede-praktijk/zo-meet-u-de-energie-en-co2-uitstoot-van-ai/) en
[waarom meten de bottleneck is](/nl/artikelen/meten-is-het-knelpunt-voor-groene-ai/).

## Hoe past AI in CSRD- en ESG-rapportage? {#how-does-ai-fit-into-csrd-and-esg-reporting}

Elektriciteit voor AI hoort bij uw energieverbruik, dus het hoort in uw bestaande uitstootrapportage en niet in een
apart rapport. In de meeste rapportagekaders valt het onder ingekochte elektriciteit (Scope 2) als u de hardware zelf
draait, en onder ingekochte diensten (Scope 3) als u cloud- of AI-diensten gebruikt.

In de EU is de Corporate Sustainability Reporting Directive (CSRD) in 2026 ingeperkt. Met de definitieve goedkeuring
door de Raad van de EU in februari 2026 geldt ze alleen nog voor bedrijven met meer dan 1.000 werknemers en meer dan
€ 450 miljoen netto jaaromzet. Zit u daaronder, dan kunnen grotere klanten die er wel onder vallen u toch om gegevens
vragen, of kunt u ervoor kiezen vrijwillig te rapporteren. Buiten de EU: controleer uw nationale regels en de
vrijwillige kaders die u volgt.

Wat uw verplichting ook is, behandel AI zoals elk ander materieel energieverbruik: vermeld de methode, de grens en de
onzekerheid.

## Hoe bouwen we goede gewoonten op bij medewerkers? {#how-do-we-build-good-habits-among-staff}

Geef mensen een paar eenvoudige regels en standaard de juiste tools, in plaats van te vragen dat ze elke keer aan
energie denken. Gewoonten tellen het meest waar veel mensen AI vele keren per dag gebruiken.

- **Kies het juiste hulpmiddel.** Zoekmachines, sjablonen, spreadsheets en bestaande software zijn vaak genoeg.
  Gebruik AI waar het echt tijd bespaart of de kwaliteit verbetert.
- **Wees beknopt.** Stel duidelijke vragen, vraag om korte antwoorden, en plak geen hele documenten als een deel
  volstaat.
- **Vermijd "gokkast"-gebruik.** Een afbeelding of antwoord vele keren opnieuw laten genereren is kostbaar. Verfijn
  liever uw vraag.
- **Gebruik standaard kleinere modellen** in bedrijfstools, met grotere modellen beschikbaar wanneer dat nodig is.
- **Zet uit wat niet gebruikt wordt.** AI-functies die standaard aanstaan in software, en ongebruikte testmachines,
  verbruiken allemaal energie.
- **Plan zware taken in.** Batchwerk dat kan wachten, zoals documentverwerking 's nachts, kan draaien wanneer het
  stroomnet schoner is.

Leg dit vast in een kort beleid. Onze gids [beleid voor groene AI](/nl/goede-praktijk/zo-schrijft-u-een-beleid-voor-groene-ai/) bevat een sjabloon,
en [AI efficiënt gebruiken](/nl/goede-praktijk/ai-efficient-gebruiken-dagelijkse-gewoonten/) geeft meer tips voor elke dag.

## Hoe praten we er eerlijk over? {#how-do-we-talk-about-it-honestly}

Doe alleen claims over wat u hebt gemeten, ten opzichte van een vermelde basislijn, en noem de beperkingen. Vage
claims als "duurzame AI" of "klimaatneutrale AI" lokken kritische vragen uit van toezichthouders en klanten.

Goede praktijk:

- Vermeld de **basislijn** ("vergeleken met ons vorige model") en de **meetmethode**.
- Maak onderscheid tussen **efficiëntie** (minder energie per taak) en **totaal gebruik** (dat toch kan stijgen).
  Goedkopere AI leidt vaak tot meer AI-gebruik, wat het [reboundeffect](/nl/woordenlijst/#rebound-effect) heet.
- Vertrouw niet alleen op compensatie of jaarlijkse certificaten voor hernieuwbare energie om een dienst groen te
  noemen.
- Houd er rekening mee dat een cijfer dat een aanbieder zelf rapporteert, misschien niet vergelijkbaar is met dat van
  een andere.

Meer hierover in [eerlijke groene claims](/nl/goede-praktijk/eerlijke-groene-claims-over-ai/) en
[efficiëntie is geen suffiëntie](/nl/artikelen/efficientie-is-geen-suffientie-het-reboundeffect-bij-ai/).

## Wat u nu kunt doen {#what-to-do-next}

1. **Breng uw AI-gebruik in kaart.** Maak een lijst van de tools, modellen en geautomatiseerde workflows die in
   gebruik zijn, en ongeveer hoe vaak elk ervan draait.
2. **Kies één taak met een groot volume** en test of een kleiner model aan uw kwaliteitsnorm voldoet.
3. **Begin met het bijhouden van tokens en aanroepen** voor uw belangrijkste AI-diensten, en van energie waar u uw
   eigen hardware draait.
4. **Voeg de leveranciersvragen hierboven toe** aan uw volgende aanbesteding of contractverlenging.
5. **Publiceer een kort beleid voor medewerkers** over wanneer en hoe AI te gebruiken, met behulp van onze
   [beleidsgids](/nl/goede-praktijk/zo-schrijft-u-een-beleid-voor-groene-ai/).
6. **Toets de claims** in uw marketing en rapporten aan de [gids voor eerlijke claims](/nl/goede-praktijk/eerlijke-groene-claims-over-ai/).
7. **Zoek hulp als u die nodig hebt** in de [adviseursgids](/nl/adviseurs/), en zoek tools in de
   [productengids](/nl/producten/).

## Veelgestelde vragen

### Kost groene AI meer?

Meestal niet. De belangrijkste hefbomen, zoals kleinere modellen, kortere prompts en minder herhaalde runs, verlagen ook de API-rekening en de responstijd. De extra kosten zitten vooral in de tijd van medewerkers om te meten en om routering tussen modellen in te richten.

### Moeten we rapporteren over het energieverbruik van onze AI?

Op de meeste plaatsen niet als apart onderdeel. Maar elektriciteit voor AI hoort bij uw energieverbruik en uitstoot, en valt dus onder bredere rapportage, zoals de Europese CSRD voor bedrijven die eronder vallen, of vrijwillige ESG-rapportage.

### Is een kleiner model altijd groener?

Nee. Een model dat te klein is, kan falen en extra pogingen of een tweede run op een groter model nodig maken. Test op uw echte taak: het groenste model is het kleinste model dat het de eerste keer goed doet.

### Hoe meten we het energieverbruik van een AI-clouddienst die we niet zelf draaien?

Vraag de leverancier naar het energieverbruik per verzoek en de methode erachter. Als de leverancier dat niet vertelt, gebruik dan gepubliceerde schattingen per prompt met duidelijke kanttekeningen, en houd bij wat u zelf in de hand hebt, zoals tokens en het aantal aanroepen.

## Bronnen

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Council signs off simplification of sustainability reporting and due diligence requirements](https://www.consilium.europa.eu/en/press/press-releases/2026/02/24/council-signs-off-simplification-of-sustainability-reporting-and-due-diligence-requirements-to-boost-eu-competitiveness/), Council of the European Union (2026)
- [AI Act, Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission AI Act Service Desk (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), EUR-Lex (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (ITEA) (2026)
