AI energieverbruik en CSRD-rapportage voor Nederlandse organisaties in 2026

Ergens dit boekjaar vraagt jouw accountant hoeveel CO2 het AI energieverbruik van de organisatie heeft veroorzaakt. Op dat moment is er zelden een gestructureerd antwoord.

De Corporate Sustainability Reporting Directive (CSRD) verplicht steeds meer bedrijven om Scope 3 emissies aantoonbaar in beeld te brengen, en AI-workflows die via externe providers lopen vallen in vrijwel alle gevallen onder Scope 3. Deze gids beschrijft waar het energieverbruik in een AI-workflow zit, welke methoden bestaan om AI energieverbruik per verzoek te meten, welke keuzes de daadwerkelijke emissies het meest verlagen, en hoe je die cijfers verwerkt in een CSRD-rapportage die de accountant en de toezichthouder overleeft.

De doelgroep is de sustainability-verantwoordelijke, CFO of controller bij een Nederlandse organisatie die onder de CSRD-rapportageplicht valt of daar binnen twee jaar onder komt, en die AI-inzet als groeiende Scope 3 categorie herkent. Voor de bredere gids over AI-implementatie binnen het MKB, zie AI binnen het MKB in Nederland. Voor de kostenkant van AI-implementatie zie kosten AI implementatie MKB. Deze pagina concentreert zich op de vraag hoe je AI energieverbruik meet, rapporteert en verlaagt, niet op de kosten- of governance-vraag afzonderlijk.

Waarom AI energieverbruik nu een CFO- en sustainability-agenda is

Twee onafhankelijke ontwikkelingen zetten AI energieverbruik in 2026 op de rapportage-agenda van Nederlandse organisaties.

De CSRD-rapportageplicht is uitgebreid. Sinds boekjaar 2024 rapporteren grote beursgenoteerde ondernemingen onder de CSRD volgens de European Sustainability Reporting Standards (ESRS). Vanaf boekjaar 2025 komen grote niet-beursgenoteerde ondernemingen erbij, en vanaf boekjaar 2026 middelgrote beursgenoteerde. De verplichting rond Scope 3 emissies onder ESRS E1 vereist dat organisaties de emissies van hun waardeketen (inclusief inkoop van dienstverlening) in beeld brengen. Cloud-inkoop en AI-provider-inkoop vallen daaronder.

AI-verbruik groeit sneller dan andere IT-categorieën. Nederlandse organisaties die generatieve AI adopteren zien hun cloud gerelateerde emissies substantieel stijgen. Waar traditionele SaaS-inkoop een stabiele emissie-lijn oplevert, groeit AI-verbruik in stap-functies wanneer nieuwe workflows worden uitgerold. Voor sustainability-teams die de trend van hun Scope 3 emissies willen kunnen uitleggen aan de directie of aan een accountant, is AI energieverbruik een categorie die je expliciet moet volgen in plaats van weg te middelen in de "IT-diensten"-lijn.

Het praktische gevolg is dat AI energieverbruik nu bij twee stakeholders tegelijk landt: de sustainability-verantwoordelijke die het onder ESRS E1 moet rapporteren, en de CFO die de kostenkant al aan het volgen was voor budgetdoeleinden. Voor beide is data per verzoek uit een governance laag de basis om het te doen.

Wat CSRD verplicht rond AI-gerelateerde emissies

De ESRS E1 verplichtingen die relevant zijn voor AI energieverbruik vallen uiteen in drie categorieën die elk hun eigen datavraag hebben.

Scope 3 categorie 1 (aangekochte goederen en diensten). Elke euro die je uitgeeft aan een AI-provider (OpenAI, Anthropic, Google, Mistral, Azure) genereert emissies bij de provider. Onder ESRS E1 disclosures E1-6 rapporteer je Scope 3 emissies per categorie. De praktische benadering die in 2026 is uitgekristalliseerd is: nemen wat de provider zelf openbaar publiceert over emissies per euro of per token, en aggregeren over jouw daadwerkelijke verbruik. Waar de provider geen data publiceert, gebruik je een sector-emissiefactor als voorlopige benadering en documenteer je dat expliciet in de disclosure.

Scope 3 categorie 8 (upstream leased assets), soms van toepassing. Als je AI draait op cloud infrastructuur die je zelf huurt (bijvoorbeeld eigen modellen op Azure of AWS), valt de infrastructuur-emissie hieronder. De cloud provider publiceert emissies per regio en per uur GPU-tijd. Voor bijvoorbeeld Google Cloud en Microsoft Azure is die data automatisch beschikbaar in het account.

Scope 2 emissies bij zelf-gehoste modellen. Als je zelf AI-modellen draait op eigen infrastructuur (on-premises GPU-servers of colocated infrastructuur), zijn de emissies Scope 2 (elektriciteitsverbruik). Dit is de kleinste categorie voor de meeste organisaties omdat zelf-hosting op grote schaal ongebruikelijk is buiten hyperscale-bedrijven.

De disclosure vraag is niet "wat is exact het energieverbruik van elke prompt". De vraag is "kun je een consistente, verdedigbare methodologie uitleggen die dezelfde ordegrootte oplevert als een accountant of externe controleur zou reconstrueren". Verdedigbaarheid boven precisie is de standaard van EFRAG in de aanvangsjaren van CSRD-rapportage.

Waar de energie in een AI-workflow zit

Voor een concrete rapportage moet je weten waar de energie in een AI-workflow daadwerkelijk zit. Vier plekken domineren, in volgorde van absolute impact.

Training van foundation models. Het eenmalig trainen van een GPT-5 of Claude 4.7 kost naar schatting tussen 10 en 50 GWh voor de grootste modellen. Voor de meeste organisaties is dit niet direct relevant omdat je zelf geen foundation model traint. Onder Scope 3 verschijnt het indirect via je AI-provider, maar in de praktijk verwerken CSRD-disclosures dit als onderdeel van de aggregate provider-emissie in plaats van als aparte regel.

Inference bij gebruik van foundation models. Elke API-call naar GPT-5 of Claude verbruikt energie bij de provider. De ordegrootte is klein per verzoek (typisch 0.1 tot 3 Wh per verzoek afhankelijk van model en promptlengte) maar telt hard op bij hoge volumes. Voor een organisatie die 500.000 verzoeken per maand doet, kom je uit op tussen 50 en 1.500 kWh per maand alleen voor inference. Dat is niet groot ten opzichte van totale organisatie-verbruik, maar het is de categorie die het snelst groeit.

Fine-tuning en model-aanpassingen. Als je zelf modellen fine-tunet, verbruik je hier een gerichte hoeveelheid energie. Een Mistral 7B fine-tunen op tienduizend voorbeelden kost typisch tussen 5 en 20 GPU-uur op een H100 of A100, wat neerkomt op 3 tot 12 kWh voor de trainingsrun zelf. Voor teams die veel experimenteren met fine-tuning telt dit op tot maandcijfers vergelijkbaar met inference-verbruik.

Datavoorbereiding en embedding generatie. Vaak vergeten in emissie-modellen: het genereren van embeddings voor RAG-systemen, het draaien van transcriptie-modellen, of het verwerken van grote hoeveelheden documenten voor indexering. Deze workloads verbruiken in de praktijk vaak meer energie dan de zichtbare chat inference omdat ze grote batches verwerken.

Voor CSRD-rapportage is de praktische vuistregel: rapporteer op basis van de zichtbare kosten (want die correleren sterk met verbruik) en documenteer welke categorieën je meeneemt of expliciet uitsluit. Complete precisie is niet de standaard, verdedigbare consistentie wel.

Hoe je AI energieverbruik meet per verzoek

Voor organisaties die de CSRD-rapportage serieus willen doen is een per-verzoek-meting van AI energieverbruik de basis. Drie methodologieën domineren in 2026, met verschillende afwegingen.

Methode 1: Software Carbon Intensity (SCI) op basis van providermetadata. De Green Software Foundation publiceert de SCI-specificatie die AI-verbruik per operational unit meet. In de praktijk vertaal je token counts en model-identifiers via een gepubliceerde emissiefactor per model per regio. Voor de grootste providers (Google, Microsoft) zijn deze factoren beschikbaar via hun sustainability-dashboards. Voor kleinere providers gebruik je sector-benadering. Nauwkeurigheid: ordegrootte-correct maar niet exact.

Methode 2: gemeten energie op cloud infrastructuur. Als je zelf-host op AWS, Azure of GCP, publiceren de hyperscale cloud providers per-instance elektriciteitsverbruik dat je direct kunt aggregeren. Voor Azure en Google Cloud is dit beschikbaar op accountsniveau. Nauwkeurigheid: hoog voor zelf-gehoste modellen, niet toepasbaar op provider-API's.

Methode 3: modelspecifieke onderzoek-benaderingen. Onderzoek van onder meer CE Delft en universitair werk publiceert energieverbruik per model-inference in Wh per prompt. Je vermenigvuldigt dat met je verbruikvolume. Nauwkeurigheid: goed voor bekende modellen, verouderd zodra providers hun infrastructuur optimaliseren.

De praktisch verdedigbare aanpak in 2026 is een combinatie: methode 1 voor de bulk van je provider-API-verbruik, methode 2 voor zelf-gehoste componenten, en methode 3 als sanity-check op de aannames. Voor iedere organisatie is een audit-log per verzoek de basis waarop deze methodologieën draaien, want zonder gestructureerde data per verzoek is elke methode een raming.

EU-cloudleveranciers met transparante carbon rapportage

Voor Nederlandse organisaties die de Scope 3 emissies uit AI willen minimaliseren, is de keuze van cloud- of AI-provider de sterkste hefboom. Vier categorieën leveranciers verschillen substantieel in hun carbon transparantie.

EU-native cloudproviders met openbare regio-emissies. OVHcloud, Scaleway en Hetzner publiceren gedetailleerde regio-specifieke elektriciteit-emissies. OVHcloud draait Franse datacenters op grotendeels kernenergie-gedomineerde net, wat resulteert in lage kWh-emissies per verwerkte prompt. Scaleway's Parijse datacenters zitten op vergelijkbare niveaus. Voor AI-workloads waar CSRD-rapportage een rol speelt, zijn deze providers vaak de eerste keus.

Hyperscale cloudproviders met per-regio-transparantie. Google Cloud publiceert per-regio carbon intensiteit-cijfers die je kunt gebruiken om regio-selectie te sturen. Google Cloud regio Belgium (europe-west1) heeft lagere emissies dan bijvoorbeeld London of Iowa. Microsoft Azure biedt een emissions impact dashboard binnen het account. Beide leveranciers publiceren jaarlijks een sustainability-rapport dat je in de CSRD-disclosure kunt citeren.

AI-provider-specifieke rapportage. Anthropic en OpenAI publiceren beperkte carbon informatie op organisatieniveau, niet per API-verzoek. Voor Scope 3-rapportage moet je dit vertalen naar een schatting per verbruik-euro of per token. Mistral publiceert vergelijkbaar beperkte data maar draait EU-gebonden infrastructuur die per definitie lagere emissies heeft door de Franse elektriciteitsmix.

Nederlandse en Europese datacenter-providers voor zelf-gehost. Nederlandse datacenter-operators zoals Serverius, LeaseWeb en meerdere partijen in de Amsterdamse cluster publiceren energie-efficiëntie-cijfers (PUE) en carbon intensiteit. Voor organisaties die zelf-hosten binnen Nederland is dit de directe input voor Scope 2 rapportage.

Voor CSRD-disclosure documenteer je expliciet welke providers je gebruikt en welke bronnen je citeert voor de emissies-berekening. Consistentie tussen jaar op jaar is belangrijker dan de precisie van elk cijfer afzonderlijk.

GPU-benutting als lever voor energie-efficiëntie

Voor organisaties die zelf modellen draaien (of via een leverancier die dat namens hen doet) is GPU-benutting de grootste verborgen lever voor energie-efficiëntie. Een GPU verbruikt vrijwel dezelfde hoeveelheid energie of hij op 30% of op 85% capaciteit draait. Elke procent extra benutting is directe emissie-winst per verwerkt verzoek zonder verlies aan output.

Naïeve deployment van AI-modellen op GPU's haalt vaak 15-30% benutting. Goed-gefinetunede deployments met vLLM, Text Generation Inference (TGI) of vergelijkbare serving-frameworks halen 70-85%. Het verschil komt uit continuous batching (meerdere gelijktijdige verzoeken door dezelfde forward-pass), speculative decoding (kleiner voormodel voorspelt tokens die het grote model bevestigt), en KV-cache hergebruik tussen vergelijkbare prompt-prefixes.

Voor CSRD-disclosure is dit relevant omdat je in de rapportage kunt toelichten welke concrete maatregelen je hebt genomen om Scope 2 of Scope 3 emissies te verlagen. Verbetering van GPU-benutting van 30% naar 75% verlaagt directe emissies per verwerkt verzoek met ongeveer 60%, wat een grotere impact heeft dan de meeste andere maatregelen die organisaties in hun ESRS-narrative noemen.

Voor teams die gebruik maken van managed endpoints zoals OVHcloud AI Endpoints of Scaleway Managed Inference is GPU-benutting het probleem van de leverancier, en profiteer je van hun optimalisaties zonder er zelf iets aan te hoeven doen. Voor teams die op grote schaal AI-workloads draaien, is een vLLM-gebaseerde deployment op EU-cloudinfrastructuur vaak de operationeel meest efficiënte optie.

Waar Ciralgo past bij CSRD-rapportage rondom AI

Ciralgo is niet zelf een carbon accounting-platform. Ciralgo is de EU-gehoste governance laag die tussen je applicaties en de AI-providers zit, en de data per verzoek levert waarop een CSRD-verdedigbare carbon berekening rust. Voor een Nederlandse organisatie die onder CSRD valt of daar binnen twee jaar onder komt, is de praktische waarde:

• Per-verzoek-log met model, provider, region, input-tokens, output-tokens, tijdstip en team. Dat is precies de data die de SCI-methodiek nodig heeft.
• Aggregeerbare rapportage-templates per maand en per kwartaal die de basis vormen voor de ESRS E1 disclosure.
• Provider-neutrale schema die eenvoudig te vertalen is naar de sustainability-tools die de organisatie al gebruikt (Watershed, Sweep, Persefoni, Plan A, of een eigen dashboard).
• EU-jurisdictie afdwingbaar op routing-niveau, wat de compliance vraag over data-transfers integreert met de carbon vraag over regio-keuze.

Ciralgo bouwt de laag zelf en adviseert op hoe die aansluit op je bestaande CSRD-workflow. We adviseren niet alleen, we leveren de laag mee. Voor de bredere context, zie de gids over wat een EU-gehoste LLM-proxy is.

Talk to Ciralgo, praktische inrichting voor CSRD-verdedigbare AI-cijfers

Als CSRD-rapportage rondom AI energieverbruik binnen jouw organisatie op de agenda staat voor het volgende boekjaar, is een gesprek van 20 minuten met iemand die op het snijvlak zit van AI, compliance en sustainability waarschijnlijk sneller dan een RFP-ronde voor een sustainability-consultant. Ciralgo bouwt de EU-gehoste laag die de data per verzoek levert die de rapportage nodig heeft. We adviseren niet alleen, we leveren de werkende oplossing mee. Plan een gesprek via de contactpagina, we reageren binnen één werkdag.

Veelgestelde vragen over AI energieverbruik en CSRD

Valt AI verbruik onder Scope 3 categorie 1 of ergens anders?

Voor de meeste organisaties valt AI-provider-inkoop onder Scope 3 categorie 1 (aangekochte goederen en diensten). Voor organisaties die zelf op cloud infrastructuur draaien, valt de infrastructuur onder categorie 8 (upstream leased assets). Documenteer welke categorie je toepast expliciet in de disclosure.

Publiceren OpenAI en Anthropic een carbon cijfer per API-verzoek?

Niet op verzoek-niveau in 2026. Beide publiceren jaarlijkse organisatie-brede cijfers. Voor per-verzoek-schattingen gebruik je een sectorbenadering of de door de Green Software Foundation gepubliceerde SCI-methodiek. Onder ESRS geldt verdedigbaarheid boven precisie in de aanvangsjaren.

Is het lager om Mistral te gebruiken dan OpenAI vanuit emissie-oogpunt?

Voor de meeste workflows waarschijnlijk ja, omdat Mistral op EU-cloudinfrastructuur draait die per definitie een lagere carbon intensiteit heeft dan Amerikaanse regio's (met name in Frankrijk door de kernenergie-dominantie). Het verschil is niet enorm per verzoek, maar telt op bij hoge volumes en is verdedigbaar in ESRS-narrative.

Moet een MKB-bedrijf onder de 250 medewerkers al CSRD-rapporteren?

Middelgrote beursgenoteerde ondernemingen rapporteren over boekjaar 2026. Middelgrote niet-beursgenoteerde ondernemingen volgens huidige planning niet als zelfstandige rapporteur, wel indirect via de rapportageketen van hun grotere klanten. Nederlands MKB dat aan grote klanten levert krijgt de CSRD-vragen doorgeschoven en beantwoordt die het beste met dezelfde data infrastructuur.

Kan ik AI energieverbruik verlagen zonder AI-adoptie te vertragen?

Ja. De grootste hefbomen zijn: EU-cloudregio kiezen (Frankrijk of Nederland boven VS), kleiner model routeren voor lager-complexe workflows (SLM-routing verlaagt emissies typisch met 60-90% voor die specifieke workloads), en fine-tuning inzetten voor herhaaldelijke taken zodat elke verzoek minder tokens nodig heeft. Zie de gids over small language models voor de routing-kant.

Waar staan de exacte ESRS-vereisten voor AI-emissies?

Er is geen AI-specifieke ESRS-standaard in 2026. AI-emissies vallen onder de algemene ESRS E1 klimaat-standaard. EFRAG heeft AI-disclosure opgenomen in de agenda voor de sector-specifieke uitbreiding maar geen tijdlijn gepubliceerd. Tot die tijd rapporteer je onder de bestaande categorieën.

Verder lezen

• AI binnen het MKB in Nederland: complete gids
• Small language models in 2026: when SLMs beat frontier LLMs
• EU-gehoste AI-tools in 2026: welke leveranciers echt binnen de EU draaien
• Fine-tuning under EU jurisdiction: cost, privacy and routing decisions
• Wat is een EU-gehoste LLM-proxy
• Kosten AI implementatie MKB: concrete prijzen per bedrijfsgrootte
• AI governance voor MKB: 30-dagen setup framework
• Ciralgo pricing

Laatst herzien: 8 september 2026. Deze pagina wordt halfjaarlijks geactualiseerd tegen wijzigingen in CSRD-handhaving, ESRS-updates en observaties uit de Nederlandse rapportagepraktijk.