Winst:
- Vermogen om vormen van greenwashing te herkennen (onzeker, onbewezen, verborgen uitwisseling, overdreven toekomst) en een claim meetbaar, gefundeerd en reikwijdte te maken.
- Mogelijkheid om de aan het voertuig te verstrekken gegevens te classificeren in termen van vertrouwelijkheid en bedrijfsgeheimen en persoonlijke gegevens te beschermen
- Mogelijkheid om een end-to-end kwaliteitspoort te implementeren, van definitie tot verificatie, en de uiteindelijke verantwoordelijkheid op zich te nemen zonder te vertrouwen op de 'AI zei'-verdediging
In elke eenheid van deze module werd een principe herhaald: het getal moest gebaseerd zijn op een bron, de bewering moest gebaseerd zijn op bewijsmateriaal. Deze laatste eenheid integreert dat principe. Het grootste risico van AI op het gebied van milieu en klimaat is niet een misrekening, maar eerder dat het een geloofwaardig maar ongefundeerd verhaal oplevert. In deze unit leert u hoe u greenwashing kunt herkennen en voorkomen, hoe u de nauwkeurigheid van gegevens, ethiek en privacy kunt garanderen, en hoe u een end-to-end workflow kunt opzetten die de hele module verenigt.
Anatomie van greenwashing
Greenwashing is wanneer een organisatie haar milieuprestaties beter doet lijken dan ze in werkelijkheid is. Omdat AI zo goed is in het produceren van vloeiende en overtuigende teksten, is het ook zeer gevoelig voor onbewust greenwashing. Belangrijkste typen:
Greenwashing-type
Wat bedoel je?
voorbeeld
vage bewering
onmeetbaar, ongedefinieerd woord
"Milieuvriendelijk", "natuurlijk", "groen"
beweren zonder bewijs
Aantal/doel zonder gegevens
"Wij zijn CO2-neutraal" (geen documentatie)
geheime uitwisseling
Het goede benadrukken en het grote slechte verbergen
"Verpakking is recyclebaar", maar het product is zeer vervuilend
irrelevante bewering
Het presenteren van wat al noodzakelijk/onbelangrijk is als een deugd
"Bevat geen verboden stof"
vals etiket
Verzonnen/niet-geverifieerde certificaatuiterlijk
Zelf bedacht "groen" logo
extravagante toekomst
Toevlucht zoeken in een verafgelegen doelwit zonder bewijs
‘In 2050 zijn we neutraal’ (geen tussenplan)
Tip: Een goede milieuclaim heeft drie kenmerken: meetbaar (een getal), bewezen (een bewijsstuk) en helder van omvang (duidelijk wat wanneer wordt vergeleken). Als een claim een van deze drie mist, stop dan voordat je deze publiceert.
Gegevensnauwkeurigheid: de gouden regel van de module
De verificatiediscipline die we in elke eenheid terugzien, kan in één zin worden samengevat: geen enkel getal of feit geproduceerd door AI verandert in een besluit, rapport of claim zonder te worden bevestigd door een onafhankelijke bron. De emissiefactor wordt bevestigd vanuit de officiële tabel, het wetgevingsartikel wordt bevestigd vanuit de huidige tekst, de meting wordt bevestigd vanuit het gekalibreerde apparaat en de berekening wordt bevestigd vanuit de uitgevoerde code. AI versnelt; Hij is de man die eerlijk is.
Ethiek en privacy
Ethiek: Milieugegevens hebben betrekking op het publiek en toekomstige generaties; Het masseren van gegevens, het selectief rapporteren of het verbergen van onzekerheid is een ethische overtreding. Vraag de AI niet om ‘het rapport beter weer te geven’, maar juist ‘het rapport nauwkeuriger en begrijpelijker weer te geven’.
Vertrouwelijkheid: productiecijfers op fabrieksniveau, leveranciersovereenkomsten en niet-openbaar gemaakte emissiegegevens kunnen bedrijfsgeheimen zijn; Reis- of locatiegegevens van medewerkers kunnen persoonsgegevens zijn. Controleer het bedrijfsbeleid en de regels voor gegevensbescherming (bijv. KVKK/GDPR) voordat u deze in openbare AI-tools plakt; Anonimiseer indien mogelijk of gebruik een zakelijke, databestendige tool.
Let op: "De AI zei het" is geen verdediging. De instelling en de ondertekenaar zijn verantwoordelijk voor een vals emissierapport, misleidende reclame of gelekte vertrouwelijke gegevens. AI is een hulpmiddel; Hij is een persoon die verantwoording aflegt.
End-to-end workflow: assembleer de module
Hier volgen zes stappen om van begin tot eind met vertrouwen een milieuclaim of -rapport op te stellen:
1. Definieer. Wat wordt er gerapporteerd/geclaimd? Zijn de reikwijdte, eenheid, norm, periode duidelijk?
2. Verzamel en bevestig gegevens. Heeft elk probleem een traceerbare bron? Zijn de factoren officieel?
3. Bereken en verifieer. Voer de berekeningen uit in code en voorzie het resultaat van eenheden en orders.
4. Schets. Bouw een tekstskelet met AI; Verbind elke zin met bewijsmateriaal.
5. Voer het door het Greenwashing-filter. Elimineer vage, ongefundeerde en overdreven uitspraken.
6. Controleer en neem verantwoordelijkheid. Onafhankelijke assurance/expertcontrole; de uiteindelijke goedkeuring ligt bij de mens.
drie minikoffers
Geval 1 – Vloeiend maar ongegrond. Eén team liet de AI een duurzaamheidsbrief schrijven; De tekst was indrukwekkend, maar gevuld met niet-kwantificeerbare uitdrukkingen als ‘toonaangevende duurzaamheid’, ‘bijna nul impact’. Door het greenwashing-filter toe te passen (sjabloon 1 hieronder) werden zeven ongefundeerde claims gemarkeerd; elk werd vervangen door een bewezen nummer of verwijderd. Het rapport was korter maar verdedigbaar.
Geval 2 — Gelekte gegevens. Een analist plakte nog niet openbaar te maken emissiegegevens van de faciliteit in een openbaar beschikbare AI-tool en vroeg om analyse. Het complianceteam realiseerde zich dat dit een bedrijfsgeheim was en een mogelijke overtreding van de regelgeving; het proces werd stopgezet en de gegevens werden verplaatst naar een bedrijfstool (lekvrij). Les: bepaal de klasse (vertrouwelijk?) van gegevens voordat u deze aan de tool geeft.
Geval 3 — Validatieketen. Eén organisatie hield voor haar hele jaarverslag een ‘claim-bewijs’-tabel bij: tegenover elk getal in elke zin staat de bron ervan. Toen de auditor arriveerde, konden ze elke claim binnen enkele minuten volgen; Het borgingsproces verliep vlot. Deze discipline vormde de kern van alle eenheden van de module en bespaarde tijd en herkenning in de echte wereld.
Zwakke prompt/sterke prompt
Zwakke prompt:
Maak onze duurzaamheidsboodschap nog indrukwekkender.
Waarom het zwak is: het verlangen naar ‘indrukwekkend’ dwingt de AI tot overdrijving en vage lof; produceert greenwashing.
Krachtige prompt:
Jouw rol: redacteur milieucommunicatie en greenwashing-auditor. Maak de onderstaande tekst CORRECT en begrijpelijker, niet "glanzend". Bij elke claim wordt de vraag gesteld: is het meetbaar, is het afkomstig, is de reikwijdte ervan duidelijk? Markeer vage (“milieuvriendelijke”), onbewezen (“neutrale”) en overdreven uitspraken en stel op bewijs gebaseerde, afgemeten alternatieven voor. Verwijder de bewering die geen bewijs bevat.Tekst: [hier]
Vier kopieerbare sjablonen
1) Greenwashing-controlefilter:
Jouw rol: greenwashing auditor. Tabel elke milieuclaim in de onderstaande tekst: (claim | kan deze worden gemeten | is er bewijs | is deze onzeker | oordeel). Markeer de zaken die onduidelijk/onbewezen/overdreven zijn en stel voor elk een afgemeten, op bewijs gebaseerd alternatief voor. Tekst: [hier]
2) Tabel met bewijsbewijzen:
Haal ELKE numerieke en feitelijke claim uit de onderstaande rapporttekst. Laat voor elk een kolom 'bron' achter. Markeer elke claim met een niet-gespecificeerde bron als "BEWIJS VEREIST". Tekst wijzigen; check.Tekst: [hier]
3) Privacycontrole vooraf:
Classificeer de volgende gegevens voordat u deze in een AI-tool verwerkt: bevat deze bedrijfsgeheimen (productie van de plant, prijs van de leverancier), persoonlijke gegevens (naam, locatie) of niet-openbaar gemaakte financiële informatie? Markeer risicovolle gebieden en adviseer anonimisering/verwijdering. Gegevensvoorbeeld: [hier]
4) End-to-end kwaliteitspoort:
Voer hieronder een laatste controle uit voor het milieurapport/claim. In volgorde: (1) is de scope-unit-standaard duidelijk, (2) is elk nummer afkomstig, (3) is de rekenkunde geverifieerd, (4) is er sprake van greenwashing, (5) zijn er vertrouwelijke/persoonlijke gegevens gelekt. Geef voor elk item een voldoende/fout en een motivering. Inhoud: [hier]
Veel voorkomende fouten
- 'Indrukwekkend' willen. Dit zorgt ervoor dat AI overdrijft en greenwasht; Vraag om ‘nauwkeurig en begrijpelijk’.
- Ik heb de vage bewering niet opgemerkt. Zinnen als ‘milieuvriendelijk’ zijn onmetelijk en riskant.
- Vertrouwelijke gegevens exporteren naar een open tool. Classificeer eerst de gegevens en anonimiseer deze indien nodig.
- Verdedigen met "De AI zei het." De verantwoordelijkheid ligt altijd bij de persoon.
- Het niet onderhouden van de verificatieketen. De bron van elke bewering moet controleerbaar zijn.
Samengevat
De essentie van het veilig gebruik van AI in milieu en klimaat is één discipline: elk gevonden getal, elke bewezen claim, elke data die wordt ingevoerd in elk geclassificeerd instrument, elke uiteindelijke menselijke beslissing. Greenwashing is de valkuil van vloeiende taal; De manier om dit te voorkomen is door claims te maken die meetbaar zijn, afkomstig zijn en een bepaalde reikwijdte hebben. AI; berekent, scant, tekent en organiseert – maar het is de bevoegde deskundige die verifieert, beslist en verantwoording aflegt. Bij milieuwerk met grote gevolgen is AI-output geen vervanging voor verificatie en validatie door deskundigen; het versnelt het alleen maar.
Applicatie taak
Kies één resultaat dat u tijdens de module hebt geproduceerd (een emissiesamenvatting, een wateranalyse of een ESG-sectie). Greenwashing-audit met sjabloon 1 eerst en corrigeer eventuele ongefundeerde claims die u tegenkomt. Maak vervolgens een claim-bewijstabel met het 2e sjabloon en vul de resterende cijfers aan zonder bronnen. Breng tenslotte de end-to-end kwaliteitspoort aan met het 4e sjabloon; Corrigeer totdat je een "pass" krijgt voor alle vijf items.
controlelijst
- [ ] Ik heb elke claim meetbaar, onderbouwd en reikwijdtespecifiek gemaakt.
- [ ] Ik heb vage/overdreven taal opgeschoond met een greenwashing-filter.
- [ ] Ik heb elk door AI geproduceerd nummer onafhankelijk geverifieerd.
- [ ] Ik heb de gegevens die ik aan de tool heb verstrekt geclassificeerd/geanonimiseerd vanwege vertrouwelijkheid.
- [ ] Ik heb de rekenkunde laten coderen en voorzien van eenheden en rangen.
- [ ] Ik nam de eindverantwoordelijkheid; Ik vertrouwde niet op de 'AI zei'-verdediging.
Module-examen
1. Welke van de volgende is de meest nauwkeurige positionering voor kunstmatige intelligentie in milieu en klimaat?
- A) Kunstmatige intelligentie is een assistent van code, data en blauwdrukken; De verantwoordelijkheid voor factoren, reikwijdte, bewijsmateriaal en ethische beslissingen ligt bij de mens ✔
- B) Kunstmatige intelligentie is een meetinstrument en de emissiewaarden die het oplevert zijn altijd accuraat.
- C) Kunstmatige intelligentie is alleen nuttig bij het schrijven van rapporten, het heeft niets te maken met boekhouding en monitoring
- D) Omdat kunstmatige intelligentie onpartijdiger is dan mensen, moeten alle beslissingen op milieugebied aan haar worden overgelaten.
Omschrijving: Kunstmatige intelligentie; Het is een assistent die code schrijft, gegevens ordent, concepten maakt en samenvat. Bevestiging van de emissiefactor, omvang en eenheidsnauwkeurigheid, onderbouwing van claims en eindverantwoordelijkheid berusten echter bij de bevoegde deskundige. Het grote taalmodel is geen meetinstrument, rekenmachine of bron van wetgeving; is een tekstgenerator die het 'volgende meest waarschijnlijke woord' produceert en de niet-geverifieerde uitvoer ervan kan leiden tot een valse melding of claim.
2. Welke aanpak is de juiste voor het berekenen van 'activiteitsgegevens x emissiefactor' in een broeikasgasinventarisatie?
- A) Gebruik maken van de factor die de kunstmatige intelligentie onthoudt en het totaal handmatig laten doen
- B) De factor uit de officiële tabel per land en jaar halen en de som maken met uitvoerbare code ✔
- C) Alle gassen tellen als CO₂ en de GWP-conversie overslaan
- D) Gebruik van de standaard (bijvoorbeeld Amerikaanse) rasterfactor voor elk land
Beschrijving: Emissiefactoren variëren per land, jaar en brandstof; 'Herinneren' AI introduceert het risico van fabricage. De factor moet altijd worden bevestigd aan de hand van een officiële tabel (IPCC, DEFRA/EPA, nationale inventaris); Totalen met meerdere regels moeten worden uitgevoerd met uitvoerbare code, niet handmatig. Methaan en N₂O worden noodzakelijkerwijs omgezet in CO₂e met de juiste GWP-set.
3. Welke reikwijdte omvat volgens het GHG Protocol de emissies die voortvloeien uit de productie van aangekochte elektriciteit?
- A) Toepassingsgebied 1
- B) Toepassingsgebied 3
- C) Toepassingsgebied 2 ✔
- D) Het is in geen enkele scope opgenomen en er wordt niet over gerapporteerd
Omschrijving: Scope 1 betreft de directe emissies uit de eigen bronnen van de organisatie (ketel, bedrijfswagen). Scope 2 betreft de indirecte emissies uit de productie van ingekochte energie (elektriciteit, stoom, verwarming, koeling). Scope 3 omvat alle andere indirecte emissies in de waardeketen (aanbod, reizen, productgebruik).
4. Wat is correct bij het prioriteren van mitigatiemaatregelen op basis van MACC (marginale bestrijdingskosten)?
- A) De duurste en meest technologische maatregelen worden altijd als eerste genomen
- B) Eerst wordt de compensatie gekocht en 'netto nul' genoemd, de reductie wordt voor later bewaard.
- C) De volgorde van actie is onafhankelijk van de kosten; allemaal tegelijk toegepast
- D) Negatieve kosten(besparings)maatregelen worden als eerste genomen, eliminatie als laatste ✔
Beschrijving: MACC rangschikt maatregelen op basis van de kosten per vermeden ton (€/ton). Negatieve kostenmaatregelen (bijvoorbeeld energie-efficiëntie) verminderen zowel de uitstoot als besparen geld; Deze worden naar voren gebracht. Dure opties en compensatie worden tot het laatst bewaard. Verwijdering is geen vervanging voor mitigatie, maar een aanvulling op de onvermijdelijke rest.
5. Je zag op het satellietbeeld dat NDVI in één regio in één maand plotseling daalde. Wat moet je eerst doen?
- A) Sla onmiddellijk alarm voor 'plotselinge ontbossing' en kondig dit aan het publiek aan
- B) Het testen van de authenticiteit van het signaal door een wolkenmasker toe te passen en het te vergelijken met aangrenzende data ✔
- C) Kijken naar één afbeelding en een exact percentage verlies rapporteren
- D) Satellietgegevens zijn altijd accuraat; geen extra controles vereist
Uitleg: Het meest voorkomende valse signaal van satellietgegevens is bewolking. Een NDVI-daling kan een feitelijk verlies aan bos betekenen, maar het kan ook een wolk boven het beeld van die dag zijn. Het is noodzakelijk om eerst een wolkenmasker aan te brengen en te vergelijken met aangrenzende wolkenvrije data; De claim over verandering moet gebaseerd zijn op de trend, niet op een enkele datum, en indien mogelijk moet deze worden geverifieerd met de grond van de waarheid.
6. Welke aanpak is correct bij het vergelijken van de waterimpact van twee fabrieken?
- A) Gewoon kijken naar absolute liters en degene die het meeste verbruikt als de slechtste bestempelen
- B) Het watereffect is overal hetzelfde; regio is onbelangrijk
- C) Weging van de consumptie op basis van regionale waterstress en vergelijking met de werkelijke impact ✔
- D) Groen, blauw en grijs water toevoegen aan één getal en stress negeren
Uitleg: Water is, in tegenstelling tot koolstof, lokaal; Dezelfde hoeveelheid water betekent een veel ernstiger impact op het milieu in een regio met hoge waterstress. Daarom moet de waterimpact niet alleen in absolute liters worden beoordeeld, maar ook worden gewogen op basis van regionale waterstress. Een voorziening in een regio die weinig verbruikt maar erg droog is, kan van groter belang zijn dan een voorziening die veel verbruikt maar wel voldoende water heeft.
7. Bij afvalbeheer classificeerde kunstmatige intelligentie een chemisch afval in een 'niet-gevaarlijke' code. Wat is correct gedrag?
- A) Het rechtstreeks uit die code verwijderen omdat de kunstmatige intelligentie dat zegt
- B) Afvalcodes zijn onbelangrijk; ze worden allemaal op dezelfde manier verwijderd
- C) Het negeren van verontreiniging en gevarenklasse en het rapporteren van de ingezamelde hoeveelheid
- D) Bevestiging van de klasse met het veiligheidsinformatieblad (SDS) en wetgeving, het voorstel voor kunstmatige intelligentie niet als definitief aanvaarden ✔
Beschrijving: Verkeerde classificatie en niet-geregistreerde verwijdering van gevaarlijk afval behoren tot de zwaarst bestrafte milieumisdrijven. Het AI-afvalcodevoorstel is slechts een eerste concept; De gevarenklasse moet altijd worden bevestigd door het veiligheidsinformatieblad (SDS) van de stof en de geldende afvalregelgeving. AI-uitvoer wordt nooit gebruikt als definitieve afvalcode.
8. Een faciliteit verminderde de schoorsteenemissies met 20%. Waarom is het verkeerd om te zeggen dat de lucht in de buurt met 20% is gezuiverd?
- A) Emissie en concentratie zijn verschillend; Veranderingen in het weer vereisen afzonderlijke metingen en modellering ✔
- B) Emissie en concentratie zijn hetzelfde; De afname wordt direct weerspiegeld in de lucht
- C) Schoorsteenmeting geeft altijd accuraat weer in de buurt
- D) Meteorologie heeft geen invloed op de luchtkwaliteit, dus de claim is geldig
Uitleg: Emissie (hoeveelheid die uit de bron komt) en concentratie (dichtheid gemeten in lucht) zijn verschillende dingen. Wind, temperatuur en topografie zorgen ervoor dat dezelfde emissie resulteert in zeer verschillende concentraties. Zelfs als de vermindering van de schoorsteenemissies reëel is, kan de claim van concentratie in de lucht alleen worden bewezen door gekalibreerde metingen en een passend dispersiemodel; anders is het ongefundeerd en misleidend.
9. In de ESG-rapportage staat de zin 'we hebben ons waterverbruik met 15% verminderd' in een tekst die is geproduceerd door kunstmatige intelligentie. Wat is de belangrijkste controle?
- A) Kijken hoe indrukwekkend en vloeiend de zin is
- B) Controleer of het nummer gekoppeld is aan een traceerbare bron (factuur, meter, meting) ✔
- C) Ervan uitgaande dat het getal correct is, omdat kunstmatige intelligentie het produceert
- D) Het percentage naar boven afronden om het getal assertiever te laten lijken
Uitleg: De waarde van een ESG-rapport is de traceerbaarheid van de zwakste gegevens, en onafhankelijke assurance-auditors onderzoeken de bewijsketen achter de cijfers. Mogelijk heeft de AI een getal geproduceerd dat op basis van eerdere teksten 'redelijk' leek, maar onvindbaar was. Niet iedere digitale declaratie hoeft in de rapportage te komen zonder gekoppeld te zijn aan een herleidbare bron op basis van de factuur/meter/certificaat.
10. Waarom worden bij de beoordeling van klimaatrisico’s meerdere scenario’s gebruikt in plaats van één enkele toekomst?
- A) Scenario's zijn decoratie; Eén nauwkeurige toekomstvoorspelling is voldoende
- B) Omdat kunstmatige intelligentie de waarschijnlijkheid van toekomstige overstromingen met een exact percentage kan weergeven, is één scenario voldoende
- C) Het fysieke risico en het transitierisico kunnen nadelig zijn, afhankelijk van de scenario’s; Het doel is om het uithoudingsvermogen te testen ✔
- D) Fysieke risico's en transitierisico's zijn hetzelfde; er zijn geen afzonderlijke scenario's nodig
Uitleg: Fysieke risico's (klimaateffecten zoals overstromingen, droogtes) en transitierisico (koolstofprijs, wetgeving, technologische verschuiving) bewegen zich vaak in tegengestelde richtingen: als de wereld aan snelle mitigatie doet, neemt het transitierisico toe en neemt het fysieke risico af; Als hij langzaam handelt, gebeurt het tegenovergestelde. Daarom wordt er minimaal één laag (1,5-2°C) en één hoog (3°C+) opwarmingsscenario getest. Het doel is niet om de toekomst te voorspellen, maar om het uithoudingsvermogen te testen.
11. U heeft de AI gevraagd of een regeling (bijvoorbeeld CBAM) op u van toepassing is en de termijnen daarvan. Hoe moet je je gedragen?
- A) Direct plannen op basis van de data en items die door kunstmatige intelligentie worden gegeven
- B) Het besluit over de reikwijdte baseren op de algemene interpretatie van AI, en niet kijken naar de officiële codelijst
- C) Naleving is eenmalig; Als u er eenmaal om vraagt, hoeft u niet voortdurend de wetgeving in de gaten te houden
- D) Beschouw de output als een concept en bevestig het artikel, de datum, de drempel en de reikwijdte van de huidige officiële tekst ✔
Omschrijving: Regelgevingskennis veroudert snel; Artikelen veranderen, data worden uitgesteld, scopes worden uitgebreid. De trainingsgegevens van de AI worden op een bepaalde datum bevroren en zijn mogelijk niet actueel; Bovendien kan materie kritische feiten verzinnen, zoals geschiedenis en drempelwaarden. Het toepassingsgebiedsbesluit moet worden bevestigd door de officiële product-/codelijst, alle data en drempelwaarden door de officiële tekst die van kracht is; Bij cruciale nalevingsbeslissingen moet het advies van een geautoriseerde/deskundige worden ingewonnen.
12. Welke van de volgende milieuclaims heeft het laagste risico op greenwashing?
- A) 'We hebben onze productie-emissies tegen 2023 met 18% verminderd (met onafhankelijke verificatie)' ✔
- B) 'Onze producten zijn volledig milieuvriendelijk en natuurlijk'
- C) 'Ons bedrijf is klimaatneutraal' (zonder documenten of gegevens te verstrekken)
- D) 'Wij zijn het meest duurzame en bijna-zero-impact bedrijf in de sector'
Toelichting: Een goede milieuclaim is meetbaar (bevat een getal), bewezen (gebaseerd op bewijs) en specifiek van omvang (het is duidelijk wat wanneer wordt vergeleken). 'We hebben de productie-emissies tegen 2023 met 18% verminderd (met onafhankelijke verificatie)' heeft deze drie kenmerken. Uitdrukkingen als 'milieuvriendelijk', 'natuurlijk', 'koolstofneutraal' (niet-gecertificeerd) zijn niet kwantificeerbaar of niet onderbouwd en brengen het risico van greenwashing met zich mee.
13. Waarom is het riskant om niet-openbaar gemaakte emissiegegevens van faciliteiten in een openbaar beschikbare AI-tool te plakken voor analyse?
- A) Er is geen risico; milieugegevens zijn altijd openbaar beschikbaar
- B) Bedrijfsgeheimen, niet-openbaar gemaakte gegevens en persoonlijke gegevens kunnen lekken; classificatie en anonimisering eerst vereist ✔
- C) Het risico is slechts een rekenfout en heeft niets te maken met gegevensprivacy
- D) Zodra de gegevens aan het voertuig zijn doorgegeven, gaat de verantwoordelijkheid over op de aanbieder van kunstmatige intelligentie
Openbaarmaking: Productie- en emissiegegevens op locatieniveau kunnen bedrijfsgeheimen zijn en niet-openbaar gemaakte financiële/milieugegevens kunnen in strijd zijn met de regels voor openbaarmaking van regelgeving; Locatie-/reisgegevens van medewerkers zijn persoonsgegevens. Voordat dit soort gegevens aan een open tool worden gegeven, is het noodzakelijk om deze te classificeren, indien nodig te anonimiseren of een institutionele (datavrije) tool te gebruiken. 'AI zei' is geen verdediging; De verantwoordelijkheid ligt bij de instelling en het individu.
14. Welk concept wordt gebruikt bij het omzetten van een broeikasgas zoals methaan (CH₄) in CO₂e en waarom is dit belangrijk?
- A) AQI (luchtkwaliteitsindex); bepaalt de kleur van het gas in de lucht
- B) NDVI (vegetatie-index); meet de bodemimpact van gas
- C) GWP (potentieel voor de opwarming van de aarde); Als dit wordt weggelaten, zal het methaan/N₂O-effect sterk worden onderschat ✔
- D) Geen coëfficiënten vereist; methaan telt 1 op 1, net als CO₂
Beschrijving: GWP (Global Warming Potential) is de coëfficiënt die het verwarmingseffect van verschillende broeikasgassen omzet in een gemeenschappelijke eenheid ten opzichte van CO₂. Het 100-jarige GWP van methaan is ongeveer 28; 1 ton methaan betekent dus ongeveer 28 ton CO₂e. Als GWP buiten beschouwing wordt gelaten, wordt de impact van sterke gassen als methaan en N₂O sterk onderschat en zal de inventarisatie volkomen onnauwkeurig zijn; Ook moet worden vermeld welke GWP-set (bijvoorbeeld IPCC AR6, 100 jaar) wordt gebruikt.