Videopresentasjon og infografikk er basert på rapporten: Karbonfotavtrykk for AI-adopsjon i en dansk kommune (Produsert av Nettpilot)
AI’s CO2-aftryk
En guide for danske kommuner: Balancering af innovation og grøn omstilling
Udfordringen: grøn vækst vs. effektivitet
Danske kommuner står over for en dobbelt udfordring: at lede den grønne omstilling og samtidig opfylde statslige krav om besparelser. Generativ AI som ChatGPT tilbyder enorme produktivitetsgevinster, men hvad er de klimamæssige omkostninger? Denne guide giver et overblik og en konkret handlingsplan.
Dette er et grundlag for at estimere det potentielle CO2-aftryk. Det reelle tal afhænger af brugen i jeres kommune.
Sådan estimeres CO2-aftrykket
Det samlede CO2-aftryk fra en AI-forespørgsel afhænger primært af to faktorer: energiforbruget pr. forespørgsel og CO2-intensiteten i det elnet, datacentret er tilsluttet.
Energi pr. forespørgsel
(kWh/query)
Nettets emissionsfaktor
(gCO2/kWh)
CO2 pr. forespørgsel
(gCO2/query)
Illustrative scenarier for en kommune
Baseret på 10.000 månedlige forespørgsler kan CO2-udslippet variere betydeligt afhængigt af modellens effektivitet og elnettets CO2-intensitet.
Til sammenligning svarer det højeste scenarie (4 kg CO2) nogenlunde til at køre 20 km i en gennemsnitlig benzinbil.
CO2- og vandforbrug pr. handling
Tallene nedenfor er illustrative estimater for at vise de relative forskelle mellem modeller og handlinger, da offentliggjorte data er begrænsede og kan variere.
| Modell | Enkel tekstgenerering (gCO2 / ml vand) | Kreativ tekstgenerering (gCO2 / ml vand) | Billedegenerering (gCO2 / ml vand) |
|---|---|---|---|
| GPT-4 | 0.12 g / 0.5 ml | 0.60 g / 2.5 ml | 2.00 g / 8.0 ml |
| Gemini 2.5 | 0.03 g / 0.3 ml | 0.15 g / 1.0 ml | 1.50 g / 6.0 ml |
| Llama 3 | 0.09 g / 0.4 ml | 0.45 g / 2.0 ml | 1.80 g / 7.0 ml |
| Claude 4 | 0.05 g / 0.35 ml | 0.25 g / 1.5 ml | 1.60 g / 6.5 ml |
| Grok | Ikke offentliggjort | Ikke offentliggjort | Ikke offentliggjort |
| Deepseek | Ikke offentliggjort | Ikke offentliggjort | Ikke offentliggjort |
Lokale modeller og geografisk placering
Modeller som Gefion, udviklet i Danmark, kan have et markant lavere CO2-aftryk end internationale modeller. Dette skyldes Danmarks CO2-faktorer for elproduktion og muligheden for genbrug af overskudsvarme fra lokale datacentre.
Fordele ved lokal hosting
- **Lav CO2-intensitet:** Danmarks elnet har en stadig lavere CO2-faktor takket være vedvarende energi.
- **Genbrug af overskudsvarme:** Mange danske datacentre kan levere overskudsvarme til fjernvarme, hvilket skaber en win-win situation.
- **Data suverænitet:** Data behandles inden for EU’s strenge GDPR-regler.
Ulemper ved international hosting
- **Højere CO2-aftryk:** Datacentre i lande som USA og Kina kan have en betydelig højere CO2-intensitet.
- **Vandforbrug:** Internationale datacentre bruger store mængder vand til køling, hvilket kan påvirke lokale økosystemer.
- **Mangel på gennemsigtighed:** Det kan være vanskeligere at få pålidelige data om energiforbrug og klimaindsats fra udenlandske leverandører.
En praktisk 7-trins handlingsplan
1. Kortlæg brugen
Identificer antallet og typen af AI-forespørgsler i organisationen.
2. Estimer udslippet
Brug formlen til at skabe et baseline-estimat for kommunens AI-aftryk.
3. Pilot og sammenlign
Test AI på konkrete opgaver. Mål sparet tid, antal queries og estimeret CO2.
4. Indfør grønne krav
Stil krav til leverandørers transparens om energiforbrug og brug af vedvarende energi.
5. Udarbejd driftspolitik
Indfør retningslinjer for effektiv brug, f.eks. via skabeloner og batch-kørsler.
6. Teknisk optimering
Brug mindre, finjusterede modeller til standardopgaver for at minimere ressourceforbrug.
7. Rapportér og kommunikér
Vær transparent om tidsbesparelser og CO2-aftryk over for borgere og medarbejdere.
Tiltag for at minimere klimaavtrykket
♻️Vælg grønne leverandører
Prioriter leverandører, der bruger vedvarende energi og er transparente om deres forbrug.
💡Brug mindre modeller
Anvend mindre, lokale modeller til standardopgaver som f.eks. generering af skabeloner.
🔄Automatiser og genbrug
Cache standardsvar og genbrug resultater for at undgå unødvendige gentagelser.
🎯Effektiv prompting
Instruer medarbejdere i at skrive præcise og effektive prompts for at få det rigtige svar i første forsøg.
⏱️Tidsstyr tunge opgaver
Kør store batch-job, når elnettet har lav belastning og en høj andel af vedvarende energi.
⚖️Inkluder indirekte effekter
Husk, at sparet tid kan føre til færre rejser og mindre transport, hvilket giver en netto positiv klimaeffekt.
Beslutningsgrundlag: den grønne vægt
En simpel logik kan guide implementeringen: Hvis de dokumenterede gevinster i tid og ressourcer overstiger de beregnede omkostninger, inklusive CO2-aftrykket, kan en styret implementering forsvares. Start altid med en pilot for at indsamle data.
PRODUKTIVITETSGEVINST
>
Sparet tid, færre rejser, hurtigere sagsbehandling
SAMLEDE OMKOSTNINGER
Licenser, implementering og estimeret CO2-aftryk
Start med en pilot, mål effekten, og skaler ansvarligt.