Duurzame AI zonder compromis: hoe GreenPT CO₂ verlaagt zonder prestaties in te leveren

De meeste AI draait vandaag op stroom waar niemand al te nauwkeurig naar kijkt. De modelkaart somt parameters op, het latency-dashboard somt milliseconden op, maar de vraag wat er verbrand werd om dat token te produceren blijft buiten beeld. We hebben GreenPT gebouwd omdat dat gat niet langer acceptabel is, en omdat het sluiten ervan niets hoeft te kosten.

Dit artikel legt in begrijpelijke taal uit hoe een gemiddeld antwoord op GreenPT tot 40% minder CO₂ kan produceren dan dezelfde query op een grote Amerikaanse cloud, zonder modelkwaliteit, latency of privacy in te leveren.

De CO₂-voetafdruk van één prompt

Een modern frontier-class chat-antwoord gebruikt, zeer ruwweg, tussen 0,5 en 3 wattuur aan stroom. Vermenigvuldig dat met de CO₂-intensiteit van het stroomnet waarop je provider draait en je krijgt de uitstoot per query.

Voor regio’s van Amerikaanse hyperscalers ligt die intensiteit vandaag tussen 350 en 450 g CO₂ per kWh. Voor onze Europese regio’s zit die dichter bij 110–180 g CO₂ per kWh. Dezelfde prompt, hetzelfde antwoord, drie tot vier keer minder CO₂, puur omdat de elektronen ergens anders vandaan komen.

GreenPT publiceert een per-query-getal van ongeveer 0,4 g CO₂ voor een gemiddeld chat-antwoord. Dat is geen mooi gemiddelde. Het is het getal dat we meten en rapporteren, inclusief het aandeel van koeling, netwerk en idle overhead.

Wat het verschil eigenlijk maakt

Drie hefbomen, op volgorde van impact:

1. Schonere stroom. Elke GreenPT-regio is contractueel gedekt door 100% hernieuwbare opwekking (wind, zon, water), met matching per uur waar de netbeheerder dat toelaat. Dit is veruit de grootste factor.
2. Hogere benutting. CO₂ per query daalt naarmate GPU’s meer tijd nuttig werk doen en minder tijd idle staan. We schedulen agressief en consolideren kleine jobs op gedeelde inference-servers, vooral een engineeringprobleem, geen hardwareprobleem.
3. Eerlijke meting. Wat je niet kunt meten, kun je niet verlagen. We meten stroom per request, exposen dat via de API en laten klanten hun verbruik op promptniveau zelf reconciliëren.

Wat niet in dit lijstje staat: het model dommer maken. Er bestaat een hardnekkige aanname dat “groene AI” kleinere, minder krachtige modellen betekent. Dat is niet zo. Een goed benutte H100 op Nederlandse windstroom is groener én sneller dan een idle H100 op Virginiaanse steenkool.

Waarom privacy en duurzaamheid hetzelfde probleem zijn

Als je goed kijkt, ziet de engineering er identiek uit. Privacy en duurzaamheid gaan beide over wat je bewaart, wat je verplaatst en wat je verbergt.

• Bewaar minder. Sla geen prompts op die je niet nodig hebt. Train niet op klantdata zonder expliciete toestemming. Verklein zowel het data-oppervlak als het compute-oppervlak.
• Verplaats minder. Cross-region replicatie is duur in bytes én in joules. Verwerk data waar ze ontstaat. De EU-resident default is goed voor de AVG en voor je CO₂-balans.
• Verberg niets over hoe het draaide. Publiceer de methodologie. Publiceer de per-query-cijfers. Laat klanten en auditors de claims controleren.

Daarom beschrijven we onze aanpak als één product, niet twee. Dezelfde architectuur die gebruikersdata beschermt, verlaagt ook de uitstoot, want de goedkoopste byte om te beveiligen is de byte die je nooit verzameld hebt.

Hoe dat er in productie uitziet

Een paar concrete keuzes die hieruit volgen:

• Geen promptdata verlaat de EU. Elke inference gebeurt in een Europees datacenter onder EU-jurisdictie. Geen marketingpose, afgedwongen op netwerkniveau.
• Geen training op klantprompts. Jouw data is van jou. Verbeteringen aan foundation-modellen komen uit gelicentieerde en toestemmingsbronnen.
• Een live-impactteller. Je ziet de cumulatieve voetafdruk van je account in realtime. Het getal is hetzelfde als wat onze auditors zien. Er bestaat geen “marketingversie” van.
• Transparantie per regio. Bij elke query geeft GreenPT response-headers terug met de uitvoeringsregio en de CO₂-intensiteit op dat moment. Die informatie is van jou om te loggen, te auditen en over te rapporteren.

Hoe we cijfers rapporteren

De “tot 40% minder CO₂”-claim is geen brochuregetal. Het is een vergelijking tussen gemeten per-query-stroomverbruik op GreenPT en gepubliceerde cijfers voor vergelijkbare inference-workloads bij Amerikaanse hyperscalers, toegepast op de daadwerkelijke CO₂-intensiteit op tijd en plaats van uitvoering.

Wanneer de methodologie verandert (bijvoorbeeld omdat er een nieuwe regio bijkomt of een hyperscaler zijn rapportage aanpast), wordt de pagina meegewijzigd. De audit trail is onderdeel van het product.

Het zelf proberen

Als je AI-rekening een duurzaamheidsclaim bevat die je eigenlijk niet kunt verifiëren, dan is dat een probleem dat je niet hoeft te accepteren. Maak een account aan, wijs je bestaande tooling naar onze API en zie de per-query-cijfers naast je latency staan. Als de afruil die je beloofd is (“groene AI is trager of slechter”) niet opdaagt, is dat precies het punt.

GreenPT is geen kleiner model dat op een windmolen draait. Het is dezelfde klasse frontier-AI die je al gebruikt, op een stroomnet dat een fractie van de CO₂ uitstoot, met een privacyhouding die een echte audit overleeft. Duurzaam, by design, zonder het compromis.