Training Green AI

Kunstmatige intelligentie is niet alleen een motor van innovatie, maar ook een factor met groeiende ecologische impact. De ontwikkeling en inzet van AI-modellen vergt aanzienlijke rekenkracht, met bijbehorend energieverbruik en uitstoot. Tegelijkertijd biedt AI krachtige mogelijkheden om duurzame oplossingen te versnellen – van het optimaliseren van energienetwerken tot precisielandbouw en klimaatadaptatie. De balans tussen deze twee kanten van AI vraagt om bewuste keuzes en praktische kennis.

Green AI biedt een strategische benadering om deze balans te verbeteren. De training Green AI richt zich op twee complementaire pijlers: Green-in AI en Green-by AI. Bij Green-in AI leer je hoe je de ontwikkeling en uitvoering van AI-modellen energie-efficiënter maakt, bijvoorbeeld via algoritmische optimalisatie, slimme hardwarekeuzes en datacenterbeheer. Bij Green-by AI ontdek je hoe AI kan bijdragen aan bredere duurzaamheidsdoelstellingen, zoals emissiereductie, waterbesparing of circulaire processen.

De training is modulair opgebouwd en combineert theoretische kaders met hands-on opdrachten. Via casussen uit sectoren zoals energie, mobiliteit, landbouw en klimaatbeleid analyseer je bestaande toepassingen en leer je waar de grootste kansen liggen. Je leert bijvoorbeeld hoe smart grids slimmer kunnen opereren met AI, of hoe beleidsvorming kan worden ondersteund door datagedreven inzichten. Daarnaast krijg je inzicht in tools en frameworks om CO₂-impact te meten en rapporteren, en verken je de implicaties van toekomstige regelgeving zoals de EU AI Act en ESG-rapportage.

Deelnemers werken in groepsverband aan opdrachten en reflecteren actief op de toepassing van Green AI binnen hun eigen context. De training sluit af met het formuleren van een eerste aanzet tot een Green AI-aanpak, waarmee deelnemers de vertaalslag maken naar hun dagelijkse werkpraktijk. Daarmee is de training direct toepasbaar en gericht op het realiseren van impact: zowel in termen van milieuwinst als organisatorische verandering.

Cursus Green AI

Cursus Green AI biedt je inzicht in hoe je AI op een verantwoorde en duurzame manier inzet. Je leert de basisprincipes van Green-in en Green-by AI, analyseert de ecologische impact van AI-modellen en ontdekt hoe je deze kunt minimaliseren. Tegelijkertijd onderzoek je hoe AI juist kan bijdragen aan het behalen van duurzaamheidsdoelen. Dankzij praktijkgerichte opdrachten pas je het geleerde direct toe in je eigen werkomgeving

Bedrijfstraining Green AI

Wil je als organisatie een visie ontwikkelen op Green AI? In een bedrijfstraining kunnen wij de training volledig op maat verzorgen voor jou individueel of samen met een groep collega's.

Tijdens de Training Green AI komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

De training Green AI is modulair opgebouwd en biedt deelnemers een helder overzicht van de milieu-impact van AI, de kansen voor duurzame toepassingen, en concrete handvatten om AI slimmer en energie-efficiënter te benutten. Via een mix van theorie, sectorvoorbeelden, praktijkopdrachten en groepsuitwisseling werk je aan een toepasbare Green AI-aanpak voor je eigen organisatie.

• Introductie in Green AI
• • Wat is Green AI en waarom is het relevant in het huidige technologische en maatschappelijke landschap?
  • Uitleg van het onderscheid tussen Green-in AI en Green-by AI
  • De groeiende ecologische voetafdruk van AI-modellen (zoals LLM’s als GPT-4)
  • Belang van duurzaamheid in het AI-ontwikkelproces
• Green-by AI in de praktijk
• • Sectorvoorbeelden van AI die duurzaamheidsdoelen ondersteunen:
  • • Energie-efficiëntie: AI in smart grids voor balanceren van vraag en aanbod bij hernieuwbare energie
    • Slimme mobiliteit: AI-systemen en de niet-technologische uitdagingen bij implementatie
    • Duurzame landbouw: AI voor precisieberegening in droogtegevoelige gebieden
    • Klimaatverandering: AI voor emissievoorspelling, materiaaloptimalisatie en adaptatiestrategieën
    • Milieubeleid: datagedreven besluitvorming en betrokkenheid van burgers via AI
  • Best practices en lessons learned van bedrijven die Green AI succesvol toepassen
• Strategische inzet van Green AI
• • Green AI koppelen aan bredere organisatiedoelstellingen
  • Afweging Red AI vs Green AI:
  • • Het spanningsveld tussen maximale nauwkeurigheid en minimale energieconsumptie
    • Hoe organisaties keuzes maken tussen modelprestaties en duurzaamheid
  • Stakeholderbetrokkenheid en verandermanagement rond duurzaamheidsinnovaties
• Frameworks, tools en standaarden
• • Beschikbare benchmarks en meetinstrumenten voor de CO₂-voetafdruk van AI-systemen
  • Tools voor monitoring en rapportage in het kader van ESG-criteria
  • Praktische voorbeelden van CO₂-berekening van trainings- en inferenceprocessen
• Green-in AI: energie-efficiëntie en infrastructuur
• • Algoritmische optimalisatie:
  • • Technieken zoals pruning, kwantisatie en distillatie
  • Hardwareoptimalisatie:
  • • Duurzame hardwarekeuzes en optimalisatie in IoT-contexten
  • Datacenteroptimalisatie:
  • • Energiebeheerstrategieën en locatiekeuzes
  • Schaalbaarheidsvraagstukken:
  • • Richtlijnen voor energie-efficiënt schalen van AI-modellen in productieomgevingen
• Beleid en regulering
• • De rol van regulering in het stimuleren van Green AI
  • Vooruitblik op de EU AI Act en implicaties voor duurzame AI-ontwikkeling
  • Relevantie van ESG-rapportage voor compliance en transparantie
• Toepassing in de eigen organisatie
• • Verkennen van concrete toepassingskansen voor Green AI binnen de eigen werksituatie
  • Eerste aanzet tot een Green AI-aanpak: prioriteiten en ideeën benoemen
  • Peer review en uitwisseling van inzichten met mededeelnemers