# Hoe kies ik een cloudregio met een lage CO2-uitstoot?

> Kies een cloudregio met minder CO2 voor AI-werk: vergelijk CO2-intensiteit en koolstofvrije energie per regio en weeg dan latentie, dataregels en kosten af.

Source: https://greenai.guide/nl/hoe/hoe-kies-ik-een-cloudregio-met-een-lage-co2-uitstoot/  
Updated: 2026-11-19

## In het kort

Vergelijk regio's op de CO2-intensiteit van het stroomnet en het aandeel koolstofvrije energie, met de regiogegevens die uw aanbieder publiceert of een bron als Electricity Maps, en weeg daarna latentie, regels voor gegevenslocatie en kosten af. Batchwerk zoals training, fine-tuning en nachtelijke verwerking is het makkelijkst te verplaatsen; inferentie voor gebruikers moet meestal dicht bij die gebruikers blijven.

## Steps

1. Zet op een rij welke workloads overal kunnen draaien, te beginnen met training, fine-tuning en batchtaken.
2. Vergelijk de kandidaat-regio's op CO2-intensiteit van het stroomnet en het aandeel koolstofvrije energie.
3. Controleer per kandidaat de beperkingen voor gegevenslocatie, latentie en kosten.
4. Houd rekening met de energie en kosten van het verplaatsen van gegevens naar de nieuwe regio.
5. Controleer de keuze jaarlijks opnieuw, want stroomnetten en gegevens van aanbieders veranderen.

**De keuze van de regio kan de CO2-uitstoot van dezelfde taak een veelvoud groter of kleiner maken, zonder dat u
een regel code verandert.** De stroom achter een kilowattuur verschilt sterk tussen stroomnetten.

## Waar vind ik gegevens per regio? {#where-do-i-find-region-data}

- **Google Cloud** publiceert per regio het gemiddelde aandeel koolstofvrije energie per uur en de CO2-intensiteit
  van het stroomnet in gCO₂e/kWh. De console markeert regio's als "Low CO2" als het aandeel koolstofvrije energie
  minstens 75% is of, waar dat niet beschikbaar is, de intensiteit van het stroomnet hoogstens 200 gCO₂e/kWh.
- **Electricity Maps** geeft actuele, voorspelde en historische CO2-intensiteit voor meer dan 350 zones, bruikbaar
  bij elke aanbieder.
- De duurzaamheidspagina's en CO2-dashboards van andere aanbieders; zie [de CO2-gegevens van uw cloudaanbieder](/nl/hoe/hoe-vind-ik-de-koolstofgegevens-van-mijn-cloudaanbieder/).

## Welke workloads moeten verhuizen? {#which-workloads-should-move}

Het patroon van de Green Software Foundation voor AI-workloads raadt aan training, fine-tuning en batchwerk te
draaien in regio's met weinig CO2, waar latentie minder belangrijk is. De Azure Well-Architected-richtlijnen van
Microsoft adviseren bij de keuze van een regio CO2-intensiteit, latentie en veerkracht samen af te wegen.

## Veelgemaakte fouten {#common-mistakes}

- **Latentiegevoelige inferentie ver van gebruikers plaatsen,** wat de ervaring kan schaden en netwerkverkeer
  toevoegt.
- **Het verplaatsen van gegevens negeren.** Grote datasets tussen regio's kopiëren heeft zijn eigen kosten.
- **Op certificaten vertrouwen.** Als een aanbieder certificaten voor hernieuwbare energie koopt, wordt een
  stroomnet met veel CO2 daar niet schoner van; zie
  [nagaan of uw AI op hernieuwbare energie draait](/nl/hoe/hoe-controleer-ik-of-mijn-ai-op-hernieuwbare-energie-draait/).
- **De keuze van een regio zien als vervanging voor efficiëntie.** Die verlaagt de CO2-uitstoot, niet het
  energieverbruik.

Meer in [hosting en datacenters](/nl/goede-praktijk/hosting-en-datacenters-voor-groene-ai/).

## Bronnen

- [Carbon free energy for Google Cloud regions](https://cloud.google.com/sustainability/region-carbon), Google Cloud (2025)
- [Electricity Maps data](https://www.electricitymaps.com/data), Electricity Maps (2026)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
- [Reliability recommendations for sustainable workloads on Azure](https://learn.microsoft.com/en-us/azure/well-architected/sustainability/sustainability-reliability-recommendations), Microsoft Azure Well-Architected Framework (2026)
