Hoe meten we écht wat de impact is van wat we doen en hoe maak je dat inzichtelijk zonder je te verliezen in spreadsheets, consultants en kostbare meetinstrumenten? In één serie van twee blogs geeft Gerd-Jan Frijters antwoord op deze vragen. In deel 1 laat hij in negen stappen zien hoe je de impact kunt meten met AI en welke prompts je daarvoor nodig hebt.
De chatbot als duurzaamheidspartner
Duurzaamheid. We hebben er de mond van vol. Klimaatdoelen, rapportages, certificeringen en CO₂-compensaties vliegen ons om de oren. Maar de hamvraag blijft: hoe meten we écht wat de impact is van wat we doen? En belangrijker: hoe maak je dat inzichtelijk zonder je te verliezen in spreadsheets, consultants en kostbare meetinstrumenten?
Het antwoord komt – verrassend genoeg – van een chatbot. Ja, van artificial intelligence (AI). En ik weet dat dit misschien afgezaagd klinkt, alsof AI de oplossing is voor alles. Maar wie eenmaal een goede sessie heeft gedraaid met een slimme chatbot zoals ChatGPT of Le Chat, weet: dit is het meetinstrument van de toekomst.
Van gevoel naar getal
Iedere organisatie voelt intuïtief wel aan of iets duurzaam is of niet. Maar voelen is niet hetzelfde als meten. En pas als je de daadwerkelijke impact meet, kun je echt verbeteren. Een impactmeting met AI verandert dat. Het vertaalt gevoel naar harde cijfers. In deze blogreeks (vandaag deel 1 van 2) laat ik zien hoe eenvoudig, doeltreffend en zelfs leuk het kan zijn om de impact van jouw organisatie inzichtelijk te maken – met hulp van een chatbot. Laten we van start gaan.
Stap 1: Kies je digitale assistent
Er zijn inmiddels meerdere AI-chatbots die je kunt gebruiken, maar twee springen eruit:
- Le Chat: een Europese AI van Mistral AI. Fijn detail: voldoet aan GDPR / AVG -wetgeving voor gegevensbescherming en privacy.
- ChatGPT: van OpenAI. Bekend, krachtig, en wereldwijd in gebruik.
Beide bots kunnen prima een CO₂eq-impactmeting (of CO₂eq footprint) uitvoeren. Belangrijk: voer je hele meting uit in één sessie (of chat), zodat de chatbot voortbouwt op eerdere antwoorden. In alle stappen in deze blog zie je een ‘prompt’ in een kader. Maak deze tekst op maat en kopieer deze in je chatbot invoerveld. Het woordje ‘prompt’ kopieer je niet mee.
Let op: ook AI is niet CO₂-vrij. Eén chatbotopdracht zorgt voor ongeveer 5 gram CO₂eq uitstoot, 10x zoveel als een Google-opdracht. Maar als die ene opdracht je helpt om duizenden kilo’s CO₂ te besparen, is dat toch een goede investering.
Stap 2: Beschrijf je organisatie
Begin een nieuwe ChatGPT of Le Chat sessie en beschrijf je organisatie.
Prompt stap 2
In deze sessie wil ik een impactmeting uitvoeren voor een bowlingcentrum met focus op CO₂eq emissie. Het bowlingcentrum is gevestigd in een vrij nieuw gebouw, is 6 dagen per week geopend en is gelegen net buiten de stad Arnhem. Er waren afgelopen jaar 13 duizend bezoekers en er kwamen zo’n 50 leveranciers. Het bedrijf heeft geen vervoermiddelen in bezit. Er zijn gemiddeld 10 medewerkers actief per dag. De accommodatie heeft een eigen bar en keuken.
In de impactmeting gaan we data verwerken rond de categorieën energie, materialen, afval, eten en drinken, transport en reizen en water.
Doe nu niets met deze gegevens maar gebruik ze voor de komende opdrachten in dit gesprek.
Stap 3: Verzamel je data
Een chatbot kan alleen een impactmeting maken met de juiste data. Je moet de chatbot voeden met data. Dus:
- Verzamel stroomverbruik, type materialen die je inkoopt, type en hoeveelheid afval, aantal maaltijden, drankjes, waterverbruik en reisafstanden.
- Vraag leveranciers om info.
- Vergeet niet de digitale impact (zoals dataverkeer en videobellen).
- En ja, ook het gebruik van de chatbot zelf telt mee.
Zodra je dat gedaan hebt, kan de chatbot aan het werk.
Stap 4: Bereken CO₂eq emissies door energieverbruik
Prompt stap 4
Bereken CO₂eq emissies voor energieverbruik op basis van onderstaande data. Ga uit van WtW emissiefactoren op www.CO₂emissiefactoren.nl. Maak daarnaast gebruik van de volgende aanvullende emissiefactoren:
- Stadsverwarming: emissiefactor: 28 kg CO₂eq per GJ
- Per internet zoekopdracht: 0,5 gram CO₂eq.
- Per chatbot opdracht: 5 gram CO₂eq.
- Per videocall met camera’s aan: 800 gram CO₂eq.
- Per GB opgeslagen data: 0,1 kg CO₂eq.
Scope 2 data:
- Groene stroom ingekocht (70.000 kWh).
- Stroom door batterijen geleverd (12.000 kWh).
- Stroom zelf opgewekt (wind, zon) (20000 kWh).Gas ingekocht (15.000 m3).
- Stadsverwarming ingekocht (0 GJ).
Scope 3 data:
- Data opgeslagen (1.200 GB).
- Dataverkeer (mails, website, apps) (800 GB).
- Videobellen (300x).
- ChatGTP opdrachten (50x).
Bereken ten slotte hoeveel procent van het totale brandstof en energieverbruik ‘fossielvrij’ is.
Resultaat uit Le Chat:
- Scope 2: 32.010 kg CO₂eq.
- Scope 3: 440,25 kg CO₂eq.
- Totaal: 32.450,25 kg CO₂eq.
- 39% van het totale energieverbruik is fossielvrij.
Stap 5: Bereken CO₂eq emissies door reizen en transport.
Prompt stap 5
Bereken CO₂eq emissies voor reizen en transport op basis van onderstaande data. Ga uit van WtW emissiefactoren op www.CO₂emissiefactoren.nl.
Scope 3 data:
- Reizen personeel met benzine auto (20.000 km).
- Reizen personeel met diesel auto (15.000 km).
- Reizen personeel met (elektrische) bus (7.000).
- Reizen bezoekers met benzine auto (90.000 km).
- Reizen bezoekers met diesel auto (45.000 km).
- Reizen bezoekers met elektrische auto (62.000 km).
- Reizen bezoekers met (elektrische) bus (80.000 km).
- Transport leveranciers met benzine auto of bus (10.000 km).
- Transport leveranciers diesel auto of bus (10.000 km).
- Transport leveranciers met elektrische auto of bus (2.000 km).
Bereken ten slotte hoeveel procent van de transporten en reizen ‘fossielvrij’ is. Bereken dit apart voor personeel, voor bezoekers en leveranciers.
Resultaat uit Le Chat:
- Personeel: 7.161,15 kg CO₂eq.
- Bezoekers: 28.712,83 kg CO₂eq.
- Leveranciers: 4.000,75 kg CO₂eq.
- Totaal: 39.874,73 kg CO₂eq.
Waarbij:
- Slechts 16,67% van het woon-werkverkeer van personeel fossielvrij is.
- 50,9% van het bezoekersverkeer wél fossielvrij is.
- Maar 9,09% van de leveranciers fossielvrij rijdt.
Stap 6: Bereken CO₂eq emissies door materialen en materialen footprint
Prompt stap 6
Bereken CO₂eq emissies voor materiaalgebruik op basis van onderstaande data. Ga uit van de vrij op het internet beschikbare emissiefactoren, bij voorkeur de IDEMAT database.
Scope 3 data:
Hoeveelheden van materialen die je inkoopt (kg):
- Staal (2.000 kg, helft recycled en helft hergebruikt).
- Aluminium (750 kg, recycled).
- Fossiele plastics (500 kg, recycled).
- Biobased plastics (50 kg, recycled).
- Synthetisch textiel (600 kg, virgin).
- Biobased textiel (80 kg, virgin).
- Hout (1.500 kg, hergebruikt).
- Glas (1.000 kg, recycled).
- Papier en karton (500 kg, recycled).
- Elektrische apparatuur (100 kg, helft virgin, helft hergebruikt).
Bereken ten slotte hoeveel procent van de materialen hergebruikt, gerecycled of biobased is.
Resultaat uit Le Chat:
- Totaal: 12.375 kg CO₂eq.
- 82% hiervan was hergebruikt, gerecycled of biobased.
Stap 7: Bereken CO₂eq emissies door afvalstromen
Prompt stap 7
Bereken de werkelijke CO₂eq emissies (dus niet de besparingen in CO₂eq emissie door hergebruik of recycling) voor verwerking van afvalstromen op basis van onderstaande data:
Scope 3 data:
- Staal en aluminium (750 kg recycled en 2.000 kg hergebruikt).
- Plastic (400 kg, alles recycled).
- Textiel (100 kg, alles recycled).
- Hout (1.250 kg, hergebruikt).
- Glas (900 kg, recycled).
- Papier en karton (300 kg, recycled).e-waste (50 kg, recycled, 50 kg hergebruikt).
- Organisch (750 kg, naar compostering).
- Kookolie (50 kg, recycled).
- Hoeveelheid naar verbranding met energieopwek (250 kg).
- Hoeveelheid naar verbranding zonder energieopwek (0 kg).
Bereken ten slotte hoeveel procent van de afvalstromen gerecycled, hergebruikt of gecomposteerd is.
Resultaat uit Le Chat:
- Totaal: 2.280 kg CO₂eq.
- 96,35% van alle afvalstromen werd gerecycled, hergebruikt of gecomposteerd. Slechts 3,65% (namelijk de 250 kg die naar verbranding met energieopwek ging) werd op een minder duurzame manier verwerkt.
Stap 8: Bereken CO₂eq emissies door eten en drinken
Prompt stap 8
Bereken CO₂eq emissies voor eten en drinken op basis van onderstaande scope 3 data. Ga uit van de volgende emissiefactoren:
- Laag impact menu (plantaardig): 1 kg CO₂eq.
- Hoog impact menu (met vlees): 8 kg CO₂eq.
- Niet alcoholhoudend drankje: 0,1 kg CO₂eq.Alcoholhoudend drankje: 0,5 kg CO₂eq.
- Voedselverspilling: 3 kg CO₂eq per kg.
Scope 3 data:
- Totale hoeveelheid laag impact menu’s (plantaardig) (5.500).
- Totale hoeveelheid hoog impact menu’s (met vlees) (7.000).
- Hoeveelheid Alcoholhoudende dranken (12.500 liter).
- Hoeveelheid Non-alcoholhoudende dranken (4.000 liter).
- Hoeveelheid voedselverspilling (750 kg).
- Biologisch aanbod (25 %).
- Lokaal aanbod (40 %).
Bereken ten slotte hoeveel procent van het eten en drinken plantaardig is.
Resultaat uit Le Chat:
- Totaal: 70.400 kg CO₂.
- 76% was plantaardig.
Stap 9: Bereken CO₂eq emissies door water
Prompt stap 9
Bereken CO₂eq emissies voor water op basis van onderstaande data. Ga uit van een emissiefactor Geef de opdracht om CO₂eq emissies te berekenen op basis van een emissiefactor van 0,0004 kg CO₂ per liter water.
Scope 1 data:
- Waterverbruik vaste gebouwen (1.500 liter).
Resultaat uit Le Chat:
- Totaal:1 kg CO₂eq.
- Hier is alleen het directe waterverbruik gerekend. De totale water footprint, dus de hoeveelheid water die wordt verbruikt bij de productie van energie, staal, voedsel, textiel of het koelwater dat wordt gebruikt voor de dataservers voor bijvoorbeeld chatbot opdrachten, is vele malen groter.
Conclusie blog deel 1
Wat deze AI-aanpak zo krachtig maakt, is de combinatie van snelheid, volledigheid en toegankelijkheid. Geen Excel-monsters of dure consultants, maar een chatbot die je stap voor stap door het proces begeleidt.
Bovendien krijg je concrete handvatten om te verbeteren. In deel 2 van deze blog neem ik je mee in hoe je die verbeteracties slim kunt inzetten en hoe AI je kan helpen om een duurzaam én haalbaar actieplan te maken, op basis van je impactmeting. Ook berekent de Chatbot hoe de CO₂eq emissies gecompenseerd kunnen worden en wat de kosten daarvoor zijn.
Doe er je voordeel mee !
Over de auteur
 Gerd-Jan Frijters is sustainability (duurzaamheids)expert en lid van het managementteam van Green Events. Daarnaast is hij eigenaar van FB Investeringen, dat investeert in lokale ondernemers, crowdfunding, projecten in ontwikkelingslanden en projecten om duurzaamheid en circulaire economie te bevorderen. Gerd-Jan is auteur van het Arbo-informatieblad AI-84 Duurzaam ondernemen (MVO, CSRD, ESG). Deze online uitgave is gepubliceerd op de kennisbank Sdu HSE. |
Geef een reactie
Je moet ingelogd zijn op om een reactie te plaatsen.