Onderwijs meet milieu-impact van AI nauwelijks

Generatieve AI krijgt snel een vaste plek in lessen, opdrachten en de voorbereiding door docenten. Maar hoeveel energie, water en grondstoffen dat gebruik kost, weet het onderwijs nog nauwelijks. Dat is de belangrijkste uitkomst van een nieuwe systematische review van onderzoekers van de Universiteit van Ljubljana.

De onderzoekers analyseerden 23 peer-reviewed publicaties uit 2022 tot en met juni 2026. Daarvan gingen er slechts acht rechtstreeks over onderwijs. Slechts drie onderwijsstudies legden het daadwerkelijke promptgedrag van studenten naast een milieumaat. Voor primair en voortgezet onderwijs vonden de auteurs helemaal geen empirische metingen.

De review verscheen op 15 juli in het wetenschappelijke tijdschrift Sustainability. Het onderzoek maakt duidelijk dat de discussie over de milieu-impact van AI in het onderwijs veel stelliger is dan het beschikbare bewijs rechtvaardigt.

Wel aanwijzingen, nog geen stevig onderwijsbeeld

Het trainen én gebruiken van grote AI-modellen vraagt elektriciteit. Dat kan leiden tot CO₂-uitstoot, afhankelijk van onder meer de gebruikte hardware en de energiemix van het datacenter. Koeling kan water kosten. Ook de productie en vervanging van chips en servers heeft gevolgen door grondstoffengebruik, mijnbouw en elektronisch afval.

Toch is het moeilijk om van één prompt naar één betrouwbaar milieucijfer te gaan. De impact verschilt per model, taak, lengte van invoer en antwoord, datacenter, tijdstip en locatie. Aanbieders publiceren bovendien maar beperkt vergelijkbare gegevens. Veel onderwijsstudies gebruiken daarom het aantal tokens of een rekenmodel als benadering, in plaats van directe energiemetingen.

Dat levert bruikbare signalen op, maar geen universele rekensom. Bekende uitspraken over een vaste hoeveelheid water per aantal prompts zijn volgens de review bijvoorbeeld sterk afhankelijk van aannames en context. Ze zijn niet geschikt als algemeen feit voor een les of schoolbeleid.

Wat de schaarse studies wel laten zien

Een van de opgenomen onderwijsstudies volgde 49 studenten tijdens een workshop. De opdrachten met generatieve AI vroegen daar ongeveer twee keer zoveel energie als traditionele activiteiten op een werkstation. Dat resultaat geldt voor die specifieke opzet en mag niet zomaar naar alle AI-gebruik in het onderwijs worden vertaald.

Andere studies suggereren dat het tonen van feedback over geschatte uitstoot het aantal prompts kan verminderen. Ook kortere of opgeschoonde prompts verlagen soms het aantal tokens. Maar minder tokens betekenen niet automatisch in dezelfde verhouding minder energie: het model en de technische infrastructuur blijven bepalend.

De review vindt dus geen basis voor de simpele conclusie dat onderwijs AI altijd moet vermijden. Ook bewijst de studie niet dat een bepaalde tool duurzamer is dan een andere. Ze laat vooral zien dat onderwijsinstellingen nu beslissingen nemen zonder voldoende onafhankelijke, praktijkgerichte metingen.

Wat onderwijsprofessionals hiermee kunnen

Voor PO en VO is de grootste boodschap dat milieubewust AI-gebruik voorlopig onderdeel van digitale geletterdheid kan zijn, maar niet als exacte rekensom. Leerlingen kunnen onderzoeken waarom een kort antwoord, een afbeelding en een lange redeneertaak verschillende hoeveelheden rekenwerk vragen. Daarbij hoort ook de vraag wanneer AI pedagogisch iets toevoegt en wanneer een zoekopdracht, gesprek, boek of eigen uitwerking beter past.

In MBO, HBO en WO kan de milieu-impact explicieter worden meegenomen in opdrachten over professioneel AI-gebruik. Laat studenten bijvoorbeeld het doel van een prompt formuleren, onnodige herhalingen vermijden en kritisch kijken naar de claims van aanbieders. De review noemt dit green AI literacy: niet alleen leren wat een systeem kan, maar ook welke fysieke infrastructuur achter digitaal gebruik schuilgaat.

Voor docenten zijn dit voorzichtige, praktische uitgangspunten:

• Gebruik AI doelgericht en voorkom gedachteloos opnieuw genereren.
• Vraag waar mogelijk eerst om een beknopt antwoord en verdiep daarna alleen wat nodig is.
• Bespreek onzekerheid in milieuclaims; behandel schattingen niet als gemeten feiten.
• Weeg milieu-impact samen met leerwaarde, privacy, toegankelijkheid, veiligheid en werkdruk.
• Voorkom dat individuele leerlingen alle verantwoordelijkheid krijgen voor keuzes van instelling en leverancier.

De grootste keuzes liggen bij instellingen en leveranciers

Efficiënter prompten kan helpen, maar de onderzoekers waarschuwen dat de verantwoordelijkheid niet alleen bij gebruikers mag liggen. Onderwijsinstellingen kunnen bij inkoop vragen om transparantie over energie, water, hardware en de levenscyclus van diensten. Ook afspraken over datalocatie, hernieuwbare energie, bewaartermijnen en het gebruik van kleinere gespecialiseerde modellen horen daarbij.

Voor schoolbesturen en instellingen is dat relevant omdat AI steeds vaker via bestaande leeromgevingen en kantoorsoftware wordt aangeboden. Gemak kan leiden tot snel groeiend gebruik zonder dat duidelijk is welk model actief is of welke ecologische kosten daarbij horen. Onafhankelijke metingen en vergelijkbare rapportage door leveranciers zouden beleid veel sterker maken.

Belangrijke beperkingen

De auteurs onderzochten alleen Engelstalige publicaties. De onderwijsliteratuur gaat vrijwel geheel over het hoger onderwijs, en het aantal studies met directe gebruiksdata is klein. Het reviewprotocol was bovendien niet vooraf openbaar geregistreerd. Eén onderzoeker voerde het grootste deel van de selectie, codering en kwaliteitsbeoordeling uit; een tweede controleerde twijfelgevallen en de volledige teksten die mogelijk in aanmerking kwamen.

Daarom is dit geen eindantwoord over de voetafdruk van AI in de klas. Het is vooral een scherpe diagnose van wat nog ontbreekt: onafhankelijke metingen in echte onderwijssituaties, ook in PO, VO en MBO, met gegevens die verschillende tools en toepassingen eerlijk vergelijkbaar maken.

Voor Nederlandse en Belgische onderwijsprofessionals is de conclusie helder: neem duurzaamheid mee in AI-geletterdheid en inkoop, maar wees terughoudend met spectaculaire cijfers. Juist omdat AI-gebruik snel groeit, is transparant en praktijkgericht onderzoek nu nodig.