# Hoe meet ik hoeveel energie AI verbruikt op mijn eigen computer of GPU?

> Meet het lokale energieverbruik van AI met hardwaretellers, GPU-telemetrie of een meetstekker, meet de hele taak en trek het stationair verbruik af.

Source: https://greenai.guide/nl/hoe/hoe-meet-ik-hoeveel-energie-ai-verbruikt-op-mijn-eigen-computer-of-gpu/  
Updated: 2026-11-19

## In het kort

Op uw eigen machine kunt u direct meten: gebruik CodeCarbon of een tool die de tellers van processor en GPU uitleest, of plaats een slimme meetstekker tussen de computer en het stopcontact. Meet eerst het stationaire verbruik, meet gedurende de hele taak in plaats van momentopnamen te nemen, en herhaal de run een paar keer voordat u het getal vertrouwt.

## Steps

1. Meet het stationaire vermogen van de machine voordat u begint.
2. Voer de AI-taak uit terwijl CodeCarbon, een tool op basis van tellers of een slimme meetstekker de hele tijd registreert.
3. Meet het GPU-vermogen gedurende de hele taak en integreer het over de tijd.
4. Herhaal de run een aantal keer en rapporteer het gemiddelde en de spreiding.
5. Controleer een softwaremeter per machine één keer met een meter in het stopcontact.

**Hardware die u zelf bezit, kunt u meten, en dat is beter dan elke schatting.** Zo ziet u het best wat een lokaal
model, een fine-tuningrun of een AI-programmeertool werkelijk van uw machine vraagt.

## Welke tools kan ik gebruiken? {#which-tools-can-i-use}

| Optie | Wat het meet | Geschikt voor |
|---|---|---|
| Slimme meetstekker | De hele machine, aan het stopcontact | Iedereen; controle van andere tools |
| CodeCarbon | Vermogen van processor, GPU en geheugen, plus CO2 van het stroomnet | Pythonscripts, training en lokale inferentie |
| Processortellers (RAPL op veel Intel- en AMD-chips) | Energie van CPU en geheugen | Linuxtools zoals `perf`, Scaphandre, PowerJoular |
| GPU-telemetrie (`nvidia-smi`, NVML) | GPU-vermogen | Modeltraining en inferentie op NVIDIA-kaarten |

## Waarom over de tijd meten? {#why-sample-over-time}

GPU-metingen zijn steekproeven, geen doorlopende meting. Yang en collega's ontdekten dat `nvidia-smi` op A100- en
H100-GPU's het vermogen maar over ongeveer 25% van de looptijd meet, wat bij korte taken sterk kan misleiden. Log
de metingen gedurende de hele taak, laat de taak lang genoeg lopen om veel meetintervallen te omvatten, en tel ze
over de tijd op.

## Veelgemaakte fouten {#common-mistakes}

- **Het stationaire verbruik vergeten.** Een desktop verbruikt stroom terwijl hij niets doet; trek dat af om te
  zien wat de AI toevoegt.
- **Eén keer meten.** Temperatuur, achtergrondtaken en frequentieschaling beïnvloeden de metingen. Herhaal en geef
  een bandbreedte.
- **Alleen snelheid vergelijken.** Sneller en zuiniger gaan vaak samen, maar niet altijd. Rapporteer beide.

Om energie om te rekenen naar CO2, zie [CO2-intensiteit van het stroomnet vinden](/nl/hoe/hoe-vind-ik-de-koolstofintensiteit-van-mijn-elektriciteitsnet/).
De volledige methode staat in [hoe u het energieverbruik van AI meet](/nl/goede-praktijk/zo-meet-u-de-energie-en-co2-uitstoot-van-ai/).

## Bronnen

- [Part-time power measurements: nvidia-smi's lack of attention](https://arxiv.org/abs/2312.02741), Yang et al. (arXiv 2312.02741) (2023)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [When to use CodeCarbon](https://docs.codecarbon.io/latest/explanation/when-to-use/), CodeCarbon (2025)
