Groenere keuzes voor je AI project

A presentation at Samen versnellen met AI in June 2026 in Hilversum, Netherlands by Hidde de Vries

F U T U UTURE OF R E O E OFGOVE e r e n e o r G r o o v s e ke u z t c e j o r p je AI Hidde de Vries, Platform AI en Overheid, 25 June 2026

duurzaamheid

AI

ales • Desktop Apps icro oft 365 opilot Co soft Cop app pilo 365 Cop ilot for. tni .. Win ilot dow for SM s B Microsoft 36 5 Copilot Microso ft Copilo t Studi Micro o soft 36 5 Cop Mic roso ilot C ft 365 hat Mic r C Mic osoft 36 opilot f or S 5C M ros GitHub Copilot in GitHub… ti ub… GitHub Copilot ni GH Student GitHub Copilot http://teybannerman.com orCopilot P Check out the interactive version at rise volumes and press coverage. p Enter w Revei Dot size approximates relative prominence based on Google search s Busnie or sit inside one another. Code Copilots that overlap, bundle together, ilot Cop Copo lit C odin GH g tiub summoning them. This visualisation maps every single one, grouped by category, with lines showing ub lot GitH Copi tiub GH ilot Cop tiub GH GitH ub There are now Copilots inside Copilots, Copilots for other Copilots, and a physical Copilot key on your keyboard for Copolit products and tools all named “Copilot” GHtiub ub GitH As of April 2026, Microsoft has 78 separate Spaces tiub Copilot GH everything Copilot tiub H G CLI Copilot GitHub ce rkspa t Wo ro opilo ilot P bC Cop Free GitHu What happens when you name • Chatbots Agen Cop t ilot Ch GH tiub at Cop Copi ilot lot ni Whiteb oard Copilot in V vai Pul Copolit in se V vai Leam • nig • Copilot in Viva Goasl • Enterprise Platforms • Developer Tools r) o t a cre o (C t n ai Edge P i n ni t o e l d i o p t M tepad o C pilo No Co pilot in Photos M ot Pro l i p o C t Microsof Cs Copilot+ P Copilot key Engage • Copilot in Stream •1 orms F in t o l i Cop Microsoft Security Copilot Azure Copil ot Dashboard. ooks b t e o N Copilot ia Insights t v ePoin V i n Copilot t ni Shar nner Copilot in Dynamics 365 Pr… 365 Su… Copilot in Dyn amics Copilot in Power Pages Copil Team ot ni s Powe rPoin t Copilo t ni opilo t ni utloo k Wodr Cop Cop ilot n ilot Pa g i O es C e tun Sources: Microsoft website, press releases. Jan 2023 - March 2026 .. ynamics 365.. Copilot in D Last updated March 31st 2026. Copilot in Dynamics 365…. Made with Flourish Copilot for Dyna mics 36 Copil 5 ot in M icrosof Copi t Defe lot ni nder Micr Cop osoft ilot ni Fabr Cop P ic o wer Co ilot in BI p D yna Co ilot ni Dy mics 3 Co pilot 65. pilo ni D nam .. i c t in s3 yna 6 m M icro ics 3 5.. 65 sof Sa tE fes ntr a t In view sof Pur cro l Mi oft s tine icro t in Sen M pilo soft Co pilot ni Micro pps Co ilot ni ower A p mate Co ilot ni P er Auto w Cop n Po 65… ilot i ynamics 3 Cop ot in D 365… Copil amics n t in Dy ld… Copilo s 365 Fie Dynamic Copilot in Pal ootete i n ilot OOnneeNN vire p o C t nini neD p O o ilot Cop t ni ni Lo pilo opilot o C C Created by Tey Bannerman. • Hardware ilot p o ilot C p o C • ft icroso vai Copilot ni V Copoli • Business Software r e r o n o i l C pilot xp E e l i o in F •C Copilot ni Vvia Glint • opolit Mcirosoft C • Apps in Other Apps © 2026 Tey Bannerman | http://teybannerman.com

Bron: Tey Bannerman (teybannerman.com/strategy/2026/03/31/how-many-microsoft-copilot-are-there.html)

Classificatie-algoritmen Computer vision Deep learning Generatieve AI Natuurlijke taalverwerking Objectherkenning Machinevertaling

2 5 0 m 1 2 3
Malieveld UT REC HT SEB AA N church of Our Saviour T A O STRA A N E L E H HAAGSE HOUT Turfmarkt • Roc Mondriaan van Landbouw, Visserij, Kan NES AN JOH 只 Vo e d s e l z e k e r h e i d e n Natuur Coolblue Logius Arbo Ned Ministerie eld Oostinje 2 4 min RD Haanagg I Je enn H Fewer turn s Kinderboekenmuseum E D A K K k N n E e H h C S c Koningin 3 Bartine Sophiepark 只 Tur fma rkt S H S K E O D L E D E H N E C S HAV 只 2 3 min IE T I N U M M A Avoids s t a i r s AT A TR 2 2m i n Create a Custom Route Get there another way by building your own walking route. L a a n va Logius AN V T AA STR AS MA ing Mini 18:31 ETA •1,8 km Mostly fla t Den H r e N E M O B E UIL Options 2 2m i n IJS HU MP CA Het Pleidnni New Babylon ٨P T A A R T S N E H ALP KO NIN GIN von. VAN WI LH EL 2 4 min 18:33 ETA • 1,9 km HEY Mostly flat 2 3 min St

9:41 Search Select Photos l a s t . f m PRO Collections All R e c o m m e n d a t i o n s A r t i s t s Albums Track s Events 7 Results 23 &24 May Andy &BASHKKA & PARAMIDA & tINI Call Super & Seth Troxler « CCL. & Verraco Chaos In The CBD ÷ Chris Stussy & Shanti Celeste Chuckie & DJ Moortje « Elias Mazian & Moxie EYCEE & SAIDAH « DJ EZ. * Gabrielle Kwarteng Gene On Earth « Goldie + Honey Dijon + HUNEE Identified Patient • Ineffekt • Jensen Interceptorie L o p a Job Jobse &Lil’ Louis # Naomi # Peach & Prosumer lislan d OCT e W 123 i t S d Z X 3 f h V J n Lentekabinet Festival Dep Paard Den Haag SWISHA + T.NO * Young Marco MAY Recreatiegebied Het Twiske 23 Oostzaan 6 .I l e tIwiske. m Cafe Intot h e 2026 AUG Sto 27 Vlie

I I s Al Profitable Yet? X
⼼凸 https://isaiprofitable.com L B ookmar ks I S AI PROFITABLE NO. YET? TRACKINGT H ES P E N DA N DREVENUEO F EVERYONE’S BROKE. FRONTIER A I COMPANIES (MAY 2 0 2 6 ) . $1.4T $613B $0 T O T A LI N D U S T R YS P E N D TOTAL I N D U S T R Y R E V E N U E $ S P E N T O N A I S I N C E PA G E LOAD

duurzaamheid

Uitstoot IT > uitstoot luchtvaart

duurzaamheid als People Planet Profit

planeet

planeet Beeld: Data Centre Knowledge

mensen Beeld: 401(K) 2012 op Flickr

mensen

winst 401(K) 2012 on Flickr

planeet mensen ` winst

f o d e o g Is AI r o o v t h c sle ? d i e h m a duurza de verkeerde vraag

AI-gebruik is vaak aanbodgedreven (Niet vraaggedreven)

Duurzaamheidsgetallen hangen af van wat je meetelt (De hele “life cycle” doet ertoe, ook “embodied emissions)

Komt met meer efficiëntie ook stijging gebruik? (Zie Jevon’s Paradox)

Toch is duurzaam kiezen nodig èn de moeite waard

From Efficiency Gains t o Rebound Effects: The Problem of Jevons’ Paradox in Al’s Polarized Environmental Debate ALEXANDRA SASHA LUCCIONI, Huggnig Face, Canada EMMA STRUBELL, Carnegie Mellon University, USA KATE CRAWFORD, Microsoft Research; University of Southern California, USA As the climate crisis deepens, artificial intelligence (Al) has emerged as a contested force: some champion its potential to advance meworns,n ic o u aseived oa n e p r atourm m a i td a p ng. Yet we cannot simply hope for the best outcome. The ‹ a a l٠. 1 policymaking, and broader social and cultural norms. We contend that a narrow focus on direct emissions misrepresents Al’s true climate footprint, limiting the scope for meaningful interventions. We conclude with recommendations that address rebound effects and challenge the market-driven imperatives fueling uncontrolled Al growth. By broadening the analysis to include both direct and indirect consequences, we aim to inform a more comprehensive, evidence-based dialogue on Al’s role in the climate crisis. Additional Key Words and Phrases: Artificial intelligence, Environmental Impacts, Lifecycle Assessment, Rebound Effects, Sustain- ability 1 Introduction

De paus heeft het gezegd vatican.va/content/leo-xiv/en/encyclicals/documents/20260515-magnifica-humanitas.html

gov.uk/guidance/government-design-principles#minimise-environmental-impact

12% 20-30% S&P Global Deloitte groei per jaar, energie datacentra VS groei per jaar in energievebruik wereldwijd door generatieve AI

Terugdringen vs compenseren

n e g n i r d g Elimination u r e T vs compenseren

Geen AI

“Eén vraag aan ChatGPT kan 4–5 keer zoveel energie gebruiken dan een standaard zoekopdracht. ” Luccioni, Trevelin, & Mitchell, 2024

“Deze meeting had een email kunnen zijn”

Een paar regels Python/C/Node Toch gewoon mensen inzetten Met de hand samenvatten Wat dan wel? Zelf nadenken Een Excelsheet

Kleinere modellen

DeepSeek V4 Pro (2026) 1.6 biljoen parameters (12 nullen)

kleinste SmolLM van Hugging Face DeepSeek V4 Pro (2026) 135 miljoen 1.6 biljoen parameters (6 nullen) parameters (12 nullen)

“Uitstoot van een lichtgewicht taalmodel is zo’n 0.3 g CO2, bij een groot taalmodel is dat zo’n 10g CO2 (>30× zoveel). ” (per 1000 vragen) Luccioni, Jernite, & Strubell, 2024

“Uitstoot van een lichtgewicht taalmodel is zo’n 0.3 g CO2, bij een groot taalmodel is dat zo’n 10g CO2 ” (per 1000 vragen) (per 1000 vragen) Luccioni, Jernite, & Strubell, 2024

•
→ C : huggingface.co/models?sort=trending ☆ ⼼ ■ Bookmarks Hugging Face Ta s k s L i b r a r i e s Main Q Search models, datasets, • Models L an gu ag es Models 2,921,726 Licenses Other Tasks Filter by • Base only
I nfer ence Log In Sign Up IL Sort: Trending 2 z a i -org/GLM-5.2 5 p Text Generation • : : 753B • Updated about 10 hours a g o • * 33.6k • 4 • © 1.99k F y Text Generation Any-to-Any E x Image-Text-to-Text E x Image-to-Text 囘 I Docs Pricing v= 83 Spaces
Datasets Image-to-Image T a Text-to-Video a @ yuxinlu1/gemma-4-12B-coder-fable5-composer2.5-v1-GGUF Text-to-Image To Text Generation • : 12B • Updated 4 days ago • ½ 415k • © 2.15k Text-to-Speech
44
WeiboAI/VibeThinker-3B To Text Generation • 3 Para mete rs < 1B 6B 12B 32B 128B B • Updated 3 days ago • 4:32.4k • 4 • © 600
500B © yuxinlul/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau.. To Text Generation • : 1 2 B • Updated 3 days a g o • * 50.3k • © 3 5 5 Libraries © PyTorch 1F TensorFlow JAX w MiniMaxAI/MiniMax-M3 F Image-Text-to-Text • : 427B • Updated about 11 hours a g o • * 120k • 4 • © 1.2k s Transformers MLX • Diffusers I s Transformers.js GGUF § Safetensors @ u n s l o t h / G L M - 5 . 2 -GGUF

Specifiekere modellen

general purpose modellen

general purpose modellen taak-specifieke modellen Foto: mystic_mabel op Flickr

“multifunctionele architecturen veroorzaken vele malen meer uitstoot dan taak-specifieke systemen” Luccioni, Jernite, & Strubell, 2024 *vertaald van: “multi-purpose, generative architectures”

Gebruik datacentra slim

Middenmeer, The Netherlands 110 hectare / 271 acres

GPUs CPUs geheugen opslag

Elektriciteit Verbruik van servers e.d. Waaruit bestaat de impact van datacenta? Watergebruik Om systemen te koelen CO2 emissie Die met datacentrum geassocieerd is

International Energy Agency,

International Energy Agency,

1 pagina uit een PDF i.p.v. het hele document kortere, specifiekere, explicitere prompts Gebruik minder tokens voeg dingen handig samen voorkom herhaling door met variabelen te werken

“halving the model response length to 200 words reduced energy consumption by 54% ” Perez Ortiz, Drobnjak, 2025

Uptime Heb je vijf negens nodig? 99,99999

Herken greenwashing

F l y Responsidly

“Specific rules should be introduced (…) to tackle (…) misleading environmental claims (‘greenwashing’)” Directive (EU) 2024/825

“Bait and switch” Claims over “traditionele” AI, niet gerelateerd aan en verergerd door generatieve AI

Uit: Ketan Joshi, “The AI Climate Hoax: Behind the Curtain of How Big Tech Greenwashes Impacts”.

Goed bewijs ontbreekt Claims zonder wetenschappelijk onderzoek of onderzoek zonder bewijs

Verborgen emissies Lege beloften Door slimme boekhouding Afleiding door verwijzen naar technieken die er nog niet zijn Bagetaliseren Fatalisme Middels selectieve of contextloze data Doen alsof de doelen toch niet meer te halen zijn

Meten is weten

? Energieverbruik datacentra is vaak onbekend

techpolicy.press/how-big-tech-lobbied-the-eu-to-hide-data-centers-environmental-toll

Photo: Kim Seng on Flickr En lang niet alles wordt meegeteld (“embodied emissions”)

Locatie-gebaseerd vs marktgebaseerde boekhouding

Locatie-gebaseerd Real-time informatie over wat hier nu wordt uitgestoten Verschil meten bij verbeteringen Markt-gebaseerd Compensatie over de hele wereld kan uitstoot hier op “0” zetten Verbetering niet meetbaar

Gebruik net-intensititeit (“grid intensity”)

Net-intensiteit Nederland deze week (19-23 juni 2026) Bron: Electricity Maps

blog.google/company-news/outreach-and-initiatives/sustainability/carbon-aware-computing-location

Samenvattend

Wat hebben we nodig rondom AI en duurzaamheid Kleinere modellen Specifiekere modellen Slimme omgang met datacentra Greenwashing herkennen Meetbare duurzaamheid

Kies bewust

Hidde de Vries
@hdv

1 / 75

Is AI een probleem voor duurzaamheid, of onderdeel van de oplossing? De waarheid ligt in het midden, en hangt er helemaal vanaf wat voor keuzes we maken. Kies je kleine of grote modellen, lokaal of in de cloud, specifiek of general-purpose? En wat is het verschil tussen al die aspecten? In deze sessie neemt Hidde ons mee langs een aantal onvermijdelijke keuzes die spelen rondom de inzet van AI in de publieke sector en daarbuiten.

Resources

The following resources were mentioned during the presentation or are useful additional information.