In het kort
Doe eerst een nulmeting en stel dan twee soorten doelen tegelijk: een intensiteitsdoel (energie of uitstoot per nuttige taak) en een absoluut doel of plafond voor het totaal. De intensiteit laat de efficiëntie zien; het absolute cijfer laat zien of groei in gebruik de besparingen opeet. Evalueer ze minstens jaarlijks, omdat modellen en gebruik veranderen.
Stappen
- Meet of schat een nulmeting voor uw belangrijkste AI-toepassingen, met een vastgelegde methode.
- Kies een functionele eenheid, zoals energie per verzoek of per verwerkt document.
- Stel een intensiteitsdoel per eenheid en een absoluut doel of plafond voor het totaal.
- Voeg procesdoelen toe die u direct in de hand hebt, zoals het aandeel verzoeken dat door kleine modellen wordt afgehandeld.
- Evalueer elk jaar de voortgang en de methode, en stel de nulmeting opnieuw vast als de methode verandert.
Stel een intensiteitsdoel en een absoluut doel tegelijk, op basis van een gemeten nulmeting. Elk van beide kan op zichzelf misleiden: cijfers per taak kunnen dalen terwijl het totaal stijgt, en een totaal kan er goed uitzien simpelweg omdat het gebruik nog niet gegroeid is.
Waarom twee doelen?
De efficiëntie per verzoek kan heel snel verbeteren. Google meldt dat de energie van zijn mediane Gemini-tekstprompt in een jaar 33 keer zo laag werd. Maar goedkopere AI wordt vaak meer gebruikt, wat Luccioni, Strubell en Crawford bespreken als het rebound- of Jevons-effect. Een intensiteitsdoel vangt het eerste; een absoluut doel of plafond vangt het tweede.
Hoe moeten de doelen eruitzien?
| Soort | Voorbeeld |
|---|---|
| Intensiteit | Energie per verwerkt document met een vastgesteld percentage omlaag ten opzichte van de nulmeting |
| Absoluut | Totaal elektriciteitsverbruik van AI, of geschatte uitstoot, op of onder een plafond gehouden |
| Proces | Aandeel verzoeken afgehandeld door kleine modellen; aandeel leveranciers dat gegevens per verzoek levert |
De Software Carbon Intensity-specificatie van de Green Software Foundation biedt een kant-en-klare intensiteitsmaat: uitstoot per functionele eenheid, op basis van locatiegebonden netgegevens. Zie een SCI-score berekenen.
Veelgemaakte fouten
- Geen nulmeting. Zie een nulmeting opstellen.
- Doelen gehaald met certificaten. Certificaten kopen kan een marktgebaseerd cijfer veranderen zonder dat het energieverbruik verandert. Houd minstens één doel in kilowattuur.
- De methode stilletjes veranderen. Als de methode verbetert, stel dan de nulmeting opnieuw vast.
- Doelen waar niemand invloed op heeft. Koppel resultaatdoelen aan procesdoelen waarop teams kunnen handelen.
De methode achter de cijfers staat in hoe u het energieverbruik van AI meet.
Bronnen
- Software Carbon Intensity specification, Green Software Foundation (2024)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
- Measuring the environmental impact of delivering AI at Google Scale, Elsworth et al., Google (2025)
Gerelateerd
Hoe stel ik een nulmeting op om energiebesparing door AI aan te tonen?
Toon een echte energiebesparing bij AI aan: meet vóór elke wijziging met dezelfde opzet en belasting, herhaal runs, rapporteer per eenheid werk en bewaak kwaliteit.
Hoe meet ik het energieverbruik van AI per taak in plaats van in totaal?
Kies een functionele eenheid zoals per document of per geslaagde taak, registreer energie en kwaliteit daartegen en rapporteer die naast het totaal.
Hoe voorkom ik dat efficiëntiewinst bij AI tenietgedaan wordt door meer gebruik?
Voorkom dat besparingen door efficiëntere AI opgaan aan meer gebruik: volg totalen, budgetteer, bouw vrijgekomen capaciteit af en vraag of het nodig is.
Zo meet u de energie en CO2-uitstoot van AI
Een praktische gids om de energie en CO2-uitstoot van AI-werk te meten of te schatten: tools, systeemgrenzen, maatstaven per taak en eerlijke onzekerheid.