# Hoe controleer ik of een AI-project zijn milieukosten waard is?

> Een eenvoudige manier om de energie, CO₂ en hardware van een AI-project af te wegen tegen het nut ervan, vóór u het bouwt en zodra het draait.

Source: https://greenai.guide/nl/hoe/hoe-controleer-ik-of-een-ai-project-zijn-milieukosten-waard-is/  
Updated: 2026-11-19

## In het kort

Schat de eigen voetafdruk van de AI (training of fine-tuning, plus het draaien gedurende de verwachte levensduur) en zet die af tegen het nut, gemeten over dezelfde periode. Vergelijk met de eenvoudigste optie zonder AI, niet met niets doen. Als het project bedoeld is om energie of uitstoot te besparen, moet de besparing duidelijk groter zijn dan de eigen kosten van de AI, anders is het per saldo een verlies.

## Steps

1. Schrijf op welk nut u verwacht en hoe u dat gaat meten.
2. Schat de voetafdruk van de AI over de verwachte levensduur, inclusief training, inferentie en herhaalpogingen.
3. Vergelijk die met de eenvoudigste methode zonder AI die het werk zou kunnen doen.
4. Bepaal vooraf bij welk resultaat u stopt of afschaalt.
5. Controleer opnieuw met gemeten cijfers zodra het systeem draait.

**Tel de eigen voetafdruk van de AI en zet die af tegen het nut over dezelfde periode.** Projecten die AI gebruiken
om iets te optimaliseren, ook "AI for green"-projecten, tellen zelden de energie van de AI zelf mee, en zonder dat
getal kan een project per saldo negatief uitpakken.

## Hoe schat ik de kant van de AI? {#how-do-i-estimate-the-ai-s-side}

- **Training of fine-tuning**, als u dat doet.
- **Inferentie**: verzoeken per dag × energie per verzoek × dagen in gebruik. De schatting van Epoch AI van ongeveer
  0,3 Wh voor een gemiddelde ChatGPT-vraag is een startpunt voor tekst, maar lange invoer verhoogt dat sterk, dus
  gebruik uw eigen aantallen tokens; zie [de energie van AI-API-aanroepen schatten](/nl/hoe/hoe-schat-ik-het-energieverbruik-van-mijn-ai-api-aanroepen/).
- **Herhaalpogingen en mislukte runs**, die u makkelijk vergeet.

## Waarmee moet ik het vergelijken? {#what-should-i-compare-it-with}

Met de eenvoudigste optie zonder AI, niet met niets doen. AI is niet gratis, ook niet als het tijd bespaart: een
studie uit 2025 die handmatig en door AI ondersteund programmeren vergeleek op 12 programmeertaken, vond dat de
aanpak met AI gemiddeld ongeveer 33 keer de CO₂-voetafdruk van de handmatige aanpak had. Dat betekent niet dat u
nooit AI moet gebruiken; het betekent dat u moet controleren of het zich terugbetaalt.

GreenCode, een ITEA-onderzoeksproject, publiceert een klimaatonderbouwing die de eigen AI-voetafdruk afzet tegen de
energiebesparing die het wil bereiken. Dat is een nuttig voorbeeld om na te volgen.

## Wat het grootste verschil maakt {#what-makes-the-biggest-difference}

Vóór de start bepalen wanneer u stopt. Schrijf op bij welk resultaat u zou afschalen, zodat de beslissing niet uit
gewoonte wordt genomen.

## Veelgemaakte fouten {#common-mistakes}

- Het nut over tien jaar tellen en de kosten van de AI over één maand.
- De groei van het gebruik negeren zodra de tool populair is.
- Onzekerheid als nul behandelen. Geef een bandbreedte.

Lees [efficiëntie is geen genoegzaamheid](/nl/artikelen/efficientie-is-geen-suffientie-het-reboundeffect-bij-ai/) voor het bredere beeld.

## Bronnen

- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (2026)
- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
