Deze bijdrage is in twee opzichten bijzonder:
Hij is niet op de klassieke manier ontstaan – met urenlang typen, onderzoek doen en reviseren –, maar werd met één bewust geformuleerde prompt via ownvia automatisch gegenereerd.
Ik was zelf verrast hoe diepgaand, gestructureerd en begrijpelijk de uiteindelijke tekst is geworden. De AI heeft niet alleen technische aspecten van het duurzame gebruik van kunstmatige intelligentie belicht, maar ook de ecologische en maatschappelijke dimensie van het gebruik van AI – en precies dat maakt deze inhoud voor mij zo waardevol.
Waarom ik dit zo openlijk benoem?
Omdat het een goed voorbeeld is van hoe zinvol ingezette AI werk kan vereenvoudigen, kennis toegankelijk kan maken en nieuwe perspectieven kan openen. Tegelijkertijd laat het zien hoe belangrijk het is om stil te staan bij de vraag hoe duurzaam kunstmatige intelligentie eigenlijk is – voor bedrijven, voor onze samenleving en voor de planeet.
Hieronder leest u dus een bijdrage die:
- met behulp van AI via ownvia is gemaakt,
- bewust is gericht op begrijpelijkheid en praktische toepasbaarheid en
- uitnodigt om het eigen gebruik van AI vanuit een nieuw, duurzamer perspectief te bekijken.
Laten we ons verdiepen in de vraag:
Hoe kan AI ons ondersteunen – zonder dat de planeet daarvoor de prijs betaalt?
Wat zei ownvia over het onderwerp ‘duurzame kunstmatige intelligentie’?
Stel u voor dat er een onzichtbare energiecentrale in uw kantoor staat: hij verbruikt stroom, produceert warmte – maar in plaats van licht of warmte te leveren, produceert hij gegevens, teksten, afbeeldingen en prognoses. Dat is precies wat kunstmatige intelligentie (AI) in 2026 is: krachtig, nuttig – en allesbehalve immaterieel.
Hoe sterker AI ons dagelijks leven binnendringt, des te urgenter wordt één vraag:
Hoe zetten we AI zo in dat zij de planeet helpt – en haar niet extra belast?
Laten we stap voor stap door deze wereld van duurzaam AI-gebruik gaan: begrijpelijk, eerlijk – met duidelijke kansen, risico’s en concrete aanknopingspunten.
1. Onzichtbare CO₂-cloud: waarom AI niet ‘klimaatneutraal uit het stopcontact’ komt
AI lijkt vaak abstract: hier een prompt, daar een antwoord – hoe zou dat het milieu kunnen schaden?
De realiteit:
Achter elke AI-aanvraag staan enorme datacenters, duizenden servers, koeling en netwerktechnologie. Drie grote factoren bepalen de ecologische voetafdruk:
- Training van modellen
Bij het trainen van een groot AI-model worden miljoenen parameters geoptimaliseerd. Simpel gezegd is dat te vergelijken met het trainen van een atleet – alleen bestaat deze atleet uit honderdduizenden grafische kaarten die weken- of maandenlang op volle capaciteit draaien.
• Hoog energieverbruik
• Hoge CPU-/GPU-belasting
• Bijbehorende CO₂-uitstoot (afhankelijk van de energiemix) - Gebruik / werking (inference)
Elke chat, elke beeldgeneratie en elke aanbeveling in een onlinewinkel vereist rekenkracht. Individuele aanvragen zijn klein – maar opgeteld, bij miljoenen gebruikers, vormen ze een aanzienlijke belasting. - Hardware & infrastructuur
• Productie van chips, servers en koeltechnologie
• Transportafstanden
• Later elektronisch afval
De fysieke kant van digitalisering is een vaak onderschatte milieubelasting.
Onthoud: AI is niet ‘virtueel en schoon’ – ze is een energieverslindend ecosysteem van datacenters, elektriciteitsleidingen en fabrieken.
2. Waar moet je op letten als AI duurzaam moet zijn?
Duurzaam AI-gebruik begint niet pas bij het elektriciteitstarief, maar bij de beslissingen waarvoor en hoe AI wordt ingezet.
2.1 Zinvol gebruik: hebben we hier echt AI nodig?
De belangrijkste vraag wordt vaak te laat gesteld:
Lost AI hier een echt probleem op – of is het alleen een glimmende gadget?
AI is duurzaam wanneer zij:
- middelen bespaart (materiaal, energie, tijd, transportafstanden)
- processen efficiënter maakt (bijv. productie, logistiek, onderhoud)
- fouten en verspilling vermindert (uitval, lege ritten, overproductie)
- mensen ondersteunt, in plaats van hen alleen maar te ‘vermaken’
Voorbeelden van zinvol AI-gebruik:
- Optimalisatie van toeleveringsketens, om lege ritten en uitstoot te verminderen
- Intelligente gebouwbeheersystemen, om het energieverbruik te minimaliseren
- Predictive Maintenance, om machines langer te kunnen gebruiken in plaats van ze vroegtijdig te vervangen
- Nauwkeurigere weer- en klimaatmodellen, die beter milieubeleid mogelijk maken
Als AI alleen wordt gebruikt om nog meer, nog sneller content te produceren zonder echte meerwaarde, draagt zij eerder bij aan de belasting dan aan de oplossing.
Vraag bij de start van elk AI-project:
‘Welke ecologische of maatschappelijke verbetering realiseren we – concreet en meetbaar?’
2.2 Energiebron & locatie van datacenters
Niet alle elektriciteit is hetzelfde. Het CO₂-profiel van AI hangt er sterk van af waar en waarmee zij wordt aangedreven.
Waar je op moet letten:
- Hernieuwbare energie
- Voorkeur voor aanbieders waarvan de datacenters draaien op wind-, zonne- of waterkracht
- Transparante informatie over de herkomst van de elektriciteit (geen pure ‘greenwashing’).
- Locatiekeuze
- Datacenters in regio’s met een hoog aandeel hernieuwbare energie
- Koelvoordelen door het klimaat (koelere regio’s hebben minder energie-intensieve koeling nodig)
- Benutting van restwarmte
- Moderne datacenters voeren hun restwarmte aan lokale netwerken toe (bijv. stadsverwarming voor woonwijken)
- Zo wordt ‘verspilde warmte’ een praktisch nut
Praktische aanpak:
Bedrijven kunnen bij de keuze van cloudproviders gericht vragen naar CO₂-voetafdruk, energiemix en efficiëntiekengetallen en deze meenemen in hun beslissing.
2.3 Modelgrootte, efficiëntie & architectuur
‘Groter is beter?’ – niet per se.
Elke extra parameter in een model kost:
- meer geheugen
- meer rekenkracht
- meer energie
De kunst van duurzame AI bestaat erin zoveel intelligentie als nodig en zo weinig mogelijk middelen in te zetten.
Belangrijke hefbomen:
- Kleinere, gespecialiseerde modellen in plaats van ‘algemene AI voor alles’
- Domeinspecifieke modellen zijn vaak aanzienlijk efficiënter
- Praktisch: een kleiner model dat slechts op één vakgebied is gespecialiseerd, kan vaak sneller, zuiniger en betere resultaten leveren dan een enorm algemeen model
- Geoptimaliseerde architectuur & algoritmen
- Vooruitgang op het gebied van efficiënte transformers, zuinige attention-mechanismen en kwantisering vermindert de rekenbelasting
- ‘Green AI’ als onderzoeksgebied: modellen bewust optimaliseren voor energieverbruik en efficiëntie
- Delen & hergebruik van modellen
- In plaats van telkens ‘het wiel opnieuw uit te vinden’, kunnen voorgetrainde modellen worden gebruikt en slechts licht worden aangepast (transfer learning)
- Dat bespaart de enorme kosten van een volledige hertraining
2.4 Levenscyclusbenadering: van hardware tot het einde
Duurzaamheid eindigt niet bij het stopcontact.
Wie AI verantwoord inzet, denkt in levenscycli:
- Materialen: Welke zeldzame aardmetalen, metalen en chemicaliën worden voor chips en servers gebruikt?
- Productie: Hoe energie- en grondstoffenintensief is de productie?
- Gebruiksduur: Hoe lang blijven servers, GPU’s en opslag in gebruik voordat ze worden vervangen?
- Recycling & afvalverwerking: Kunnen componenten worden hergebruikt of gerecycled – of eindigen ze als elektronisch afval?
Hoe langer hardware zinvol kan worden gebruikt en hoe beter zij wordt gerecycled, des te kleiner de ecologische voetafdruk per AI-toepassing.
2.5 Dat hygiëne: minder is soms meer
Meer gegevens = betere AI? Niet altijd.
- Onnodige hoeveelheden gegevens creëren behoefte aan opslag, back-upcapaciteit en extra rekenbelasting
- ‘Gegevens hamsteren’ zonder duidelijk doel leidt tot onnodig energie- en grondstoffengebruik
Duurzaam omgaan met gegevens betekent:
- gericht verzamelen in plaats van ‘alles meenemen’
- gegevens regelmatig opschonen (verouderde gegevens verwijderen, duplicaten wissen)
- datakwaliteit boven datakwantiteit stellen
3. Voordelen van AI voor de planeet – als we haar goed inzetten
AI kan een krachtige bondgenoot zijn voor milieu- en klimaatbescherming. Enkele centrale voordelen:
3.1 Efficiëntie: minder verspilling, meer precisie
- Smart grids: AI helpt elektriciteitsnetten slimmer aan te sturen, piekbelastingen te compenseren en hernieuwbare energie beter te integreren
- Landbouw: Precisielandbouw met AI vermindert het gebruik van meststoffen, pesticiden en water
- Industrie: Geoptimaliseerde productieprocessen verminderen uitval, materiaalverbruik en energiebehoefte
Elke bespaarde kilowattuur en elke vermeden ton afval is concrete milieuwinst.
3.2 Betere beslissingen dankzij betere gegevens
AI kan enorme hoeveelheden gegevens analyseren die voor mensen onoverzichtelijk zouden zijn:
- Klimaatmodellen: nauwkeurigere prognoses, betere strategieën voor aanpassing en klimaatbescherming
- Milieumonitoring: ontbossing, vervuiling, illegale visserij of stroperij vrijwel in realtime herkennen
- Stadsplanning: verkeersstromen, geluidsoverlast en luchtkwaliteit simuleren om duurzamere steden te ontwerpen
Zo helpt AI om complexe systemen te begrijpen en gerichter te handelen – in plaats van in het duister rond te tasten.
3.3 Verlenging van productlevenscycli
Dankzij AI-ondersteund onderhoud en analyse kunnen:
- machines langer worden gebruikt
- reserveonderdelen tijdig en efficiënt worden gepland
- ongeplande uitval en de daarmee samenhangende verspilling van middelen worden verminderd
Dat betekent: minder nieuwe aankopen, minder grondstoffenverbruik – meer duurzaamheid.
4. Nadelen & risico’s – waar AI het milieu schaadt
Naast de kansen zijn er duidelijke risico’s die je moet kennen en serieus moet nemen.
4.1 Hoog energie- en grondstoffenverbruik
- Grote AI-modellen kunnen tijdens de training in een bepaalde periode evenveel energie verbruiken als hele kleine steden
- De groeiende vraag naar AI leidt tot een toenemend aantal datacenters
- Een grotere behoefte aan gespecialiseerde chips (GPU’s, TPU’s) leidt tot een grotere behoefte aan grondstoffen
Als deze energiebehoefte niet consequent met hernieuwbare energie wordt gedekt, versterkt AI de klimaatverandering.
4.2 Reboundeffecten: wanneer efficiëntie tot meer verbruik leidt
Een klassieke valkuil op het gebied van duurzaamheid:
- AI maakt processen efficiënter en goedkoper
- Daardoor worden bepaalde toepassingen aantrekkelijker en vaker gebruikt
- Uiteindelijk stijgt het totale verbruik, hoewel de efficiëntie per eenheid is verbeterd
Voorbeeld:
Als door AI gegenereerde content extreem goedkoop wordt, ontstaat een vloedgolf aan content die op haar beurt meer rekenkracht, opslag, overdracht en aandacht verbruikt.
4.3 Elektronisch afval & afhankelijkheid van grondstoffen
- Steeds krachtigere hardware betekent ook snellere hardwaregeneraties en vervangingscycli
- Waardevolle grondstoffen zoals lithium, kobalt en zeldzame aardmetalen zijn eindig en de winning ervan gaat vaak gepaard met milieuschade
- Slechte recyclinginfrastructuur leidt tot groeiende hoeveelheden elektronisch afval
Zonder een duidelijke strategie voor circulaire economie en een langere gebruiksduur wordt AI onderdeel van een zeer lineair, weinig duurzaam systeem.
4.4 Sociale & ethische dimensies als onderdeel van duurzaamheid
Duurzaamheid gaat over meer dan CO₂ – zij omvat ook sociale en ethische aspecten.
AI kan:
- ongelijkheden versterken wanneer de toegang tot technologie ongelijk verdeeld is
- banen veranderen of laten verdwijnen zonder dat er sociale vangnetten zijn
- ondoorzichtig worden ingezet (black-boxbeslissingen), waardoor het vertrouwen in instellingen wordt ondermijnd
Duurzaam AI-gebruik moet daarom ook transparantie, eerlijkheid en participatie in aanmerking nemen.
5. Hoe verantwoord, duurzaam AI-gebruik er concreet uitziet
In plaats van ‘alles of niets’ gaat het om bewust afwegen en vormgeven.
Hier is een compacte checklist waarop organisaties zich kunnen oriënteren:
5.1 Strategische vragen
- Welk probleem lossen we met AI op – en welke waarde creëert dat voor milieu en samenleving?
- Is er een eenvoudigere, minder grondstoffenintensieve oplossing die zou volstaan?
- Hoe meten we de ecologische voetafdruk van ons AI-project?
5.2 Technische implementatie
- Gebruik van energie-efficiënte modellen en architecturen
- voorkeursgebruik van cloudproviders met aantoonbaar een hoog aandeel hernieuwbare energie
- waar mogelijk: kleinere, gespecialiseerde modellen in plaats van ‘one-size-fits-all-giganten’
- Monitoring van het stroom- en grondstoffenverbruik
5.3 Organisatorisch & cultureel niveau
- Teams bewustmaken van het onderwerp ‘Green AI’
- Verantwoordelijkheden definiëren: wie let op duurzame criteria?
- Duurzaamheidsdoelen ook verankeren in aanbestedingen, leveranciersbeoordelingen en IT-strategieën
5.4 Transparantie naar buiten
- Open communiceren over hoe AI wordt ingezet
- Waar de elektriciteit vandaan komt
- Welke maatregelen voor grondstoffen- en klimaatbescherming worden getroffen
Dat creëert vertrouwen – en motiveert anderen om te volgen.
6. Een blik op de toekomst: waar ontwikkelt duurzame AI zich naartoe?
Het goede nieuws: duurzaamheid komt in de AI-sector steeds sterker in beeld.
Spannende ontwikkelingen:
- Gestandaardiseerde kengetallen voor het energieverbruik per model en aanvraag
- ‘Green labels’ voor AI-diensten, vergelijkbaar met energie-efficiëntieklassen voor huishoudelijke apparaten
- Vooruitgang in chipontwerp en koeltechnologie, die de energiebehoefte drastisch verlagen
- Steeds meer integratie van milieukosten in businesscases en investeringsbeslissingen
Hoe eerder bedrijven en organisaties zich met deze vragen bezighouden, des te beter zijn zij voorbereid op toekomstige regelgeving en markteisen.
7. Conclusie: AI als hulpmiddel – wij beslissen of zij de planeet ten goede komt
Kunstmatige intelligentie is als een gigantische versterker:
- Zij versterkt efficiëntie – maar ook de honger naar energie
- Zij versterkt kennis – maar ook gegevensstromen
- Zij versterkt mogelijkheden – maar ook verantwoordelijkheid
Duurzaam AI-gebruik betekent dat we ons bewust zijn van dit versterkende effect en het actief sturen:
- Waar gebruiken we AI om echte milieu- en klimaatproblemen op te lossen?
- Hoe ontwerpen we onze systemen zo dat ze zo weinig mogelijk grondstoffen verbruiken?
- Hoe verbinden we technische innovatie met ecologische en sociale verantwoordelijkheid?
Als we deze vragen serieus stellen – en beantwoorden –, kan AI meer zijn dan een nieuwe digitale trend. Zij kan een belangrijk hulpmiddel worden om onze planeet leefbaarder te maken.