Column Gerd-Jan Frijters – Impact meten met AI: kans of illusie?

In oktober lanceerde Green Events samen met partners de Duurzaamheidsladder Evenementen (DLE), die inmiddels door een groot aantal organisatoren, leveranciers en gemeenten is gedownload. DLE is een groeimodel met vijf treden, beginnend bij de wettelijke basis. Vanaf Trede 3 hoort er een CO₂e-berekening bij. En dus krijgen we steeds vaker de vraag: hoe maak je dan zo’n impactmeting?

Laten we eerlijk zijn: dat is zeker niet eenvoudig. En ook al kies je ervoor om met een tool te gaan werken – misschien zie jij door de bomen het bos niet meer, want het zijn er inmiddels heel veel. En ineens is daar AI. Chatbots die je helpen met van alles, maar ook met mijn CO₂e-calculatie ? Een doorbraak? Misschien. Maar zeker nog geen gelopen race.

Een goede impactmeting begint bij de juiste gegevens: kilometers, energiegebruik, vervoerswijzen, overnachtingen, inkoop. Sommige data haal je bij leveranciers, uit contracten of facturen, uit boekingssystemen of kassadata. Dat blijft mensenwerk. En dan: de berekening. Met de juiste prompt kun je prima een CO₂e-calculatie maken via Le Chat (van Mistral AI, Europees en AVG-proof) of ChatGPT (krachtiger, maar minder ethisch met je data).

Maar hier komt de nuance. Als je onvolledige of onjuiste data aanlevert, krijg je ook geen betrouwbare uitkomst, net zoals bij iedere andere online tool. Dat geldt ook voor de emissiefactoren die je gebruikt – de cijfers die aangeven hoeveel CO₂e ­vrijkomt per kilometer, per kilowattuur of per maaltijd. AI zoekt deze op, maar je kunt beter zelf expliciet aangeven welke bronnen gebruikt moeten worden, zoals officiële WtW-emissiefactoren via CO₂emissiefactoren.nl.

En: ChatGPT en Le Chat kunnen rekenen, maar het blijven taalmodellen. Ze ‘verzinnen’ nog te vaak cijfers als zij het antwoord niet weten. En dat is een risico! Zoals een AI-expert me recent zei: “Berekeningen zijn een bekende valkuil van taal­modellen. Als je dit inzet, doe het dan met een dikke disclaimer.”

Het is dus belangrijk om een vier-ogen principe toe te passen. Een dubbele check. Zelf voerde ik steekproeven uit op berekeningen. Bij zo’n check kwam ik erachter dat de chatbot kritisch is op de data. ChatGPT hanteerde bijvoorbeeld een hogere emissiefactor per vliegkilometer, omdat zo gaf de chatbot aan, in CO₂-emissiefactoren.nl geen rekening is gehouden met Radiative Forcing (RF). In de toekomst kunnen we AI mogelijk inzetten voor deze check.

En wat ook goed is om te benoemen: AI zelf heeft ook impact. Ongeveer 5 gram CO₂e per zoekopdracht. Tien prompts? Ongeveer hetzelfde als 250 meter rijden met een benzineauto. Niet dramatisch, maar toch – ook hier geldt: gebruik het bewust.

De wereld van impactmeten verandert snel. AI geeft ons krachtige nieuwe opties, maar vraagt tegelijk om een kritische blik en menselijke checks. Bij Green Events zijn we volop aan het verkennen hoe we deze technologie verantwoord kunnen ­inzetten voor de sector.

Want uiteindelijk is dit waar het voor ons om draait: door te meten zie je waar je echte impact ligt. Vanuit hier zet je gerichte stappen. Houd onze kanalen dus in de gaten als je meer wilt leren over de wereld van impact meten en het verlagen van je footprint, met – of zonder – AI.