Wie vandaag textiel wil aankopen met zo weinig mogelijk impact, krijgt een probleem voorgeschoteld dat veel lijkt op een bos zonder wandelpad. “Duurzaam”, “natuurlijk”, “plasticvrij”, “clean”, “biologisch”, “gerecycleerd”, “PFAS-vrij”… Het zijn woorden die geruststellen, maar niet noodzakelijk vertellen wat er precies in een product zit of hoe het gemaakt is.
Steeds meer consumenten en aankopers zoeken daarom hulp bij AI. Even aan ChatGPT vragen welke merken duurzaam zijn, is tenslotte een stuk makkelijker dan twintig duurzaamheidsrapporten, certificaten en technische fiches doorploegen.
Maar daar schuilt een addertje onder het gras
Recent onderzoek van The Business of Fashion (BoF), uitgevoerd samen met Quilt AI, laat zien dat AI-aanbevelingen niet noodzakelijk meten welke bedrijven het duurzaamst presteren. Ze meten eerder welke bedrijven het sterkst met duurzaamheid worden geassocieerd in de informatie waarop AI zich baseert.
Dat verschil is belangrijk. Zeker als je textiel koopt.
AI kent veel. Maar het controleert niet noodzakelijk.
BoF liet ChatGPT, Claude en Gemini zoeken naar merken die “clean”, “plastic-free” en “sustainable” zijn. De uitkomsten verschilden behoorlijk naargelang de vraag.
Patagonia kwam bijvoorbeeld in vrijwel alle zoekopdrachten naar voren. Maar Uniqlo verscheen óók bij de aanbevelingen voor “plastic-free”, terwijl verschillende bekende producten van het merk, zoals Heattech en AIRism, sterk leunen op synthetische vezels zoals polyester.
Nog interessanter: alleen al het veranderen van één woord in de prompt veranderde de resultaten aanzienlijk. Reformation werd in minder dan de helft van de zoekopdrachten naar “clean” genoemd, maar in bijna negen op de tien zoekopdrachten naar “sustainable”.
Dat vertelt ons iets fundamenteels over AI.
Een LLM denkt niet noodzakelijk:
Ik ga eens controleren welk bedrijf de kleinste ecologische voetafdruk heeft.
Het systeem kijkt naar patronen in enorme hoeveelheden informatie. Als een bedrijf al jaren op zijn website, sociale media en in de pers wordt gekoppeld aan woorden als sustainable, natural of clean, wordt die associatie sterker.
BoF vat het scherp samen: de huidige LLM’s lijken eerder te weerspiegelen welke merken sterk met duurzaamheid worden geassocieerd in het publieke debat dan welke merken objectief het beste presteren.
En dat maakt AI niet nutteloos. Integendeel.
Het maakt vooral duidelijk hoe je AI moet gebruiken.
Gebruik AI niet als scheidsrechter, maar als onderzoeksassistent
Dat is misschien wel de belangrijkste tip van Textirama.
Vraag niet:
“Wat is het meest duurzame textielbedrijf?”
en neem het antwoord vervolgens voor waar aan.
Gebruik AI liever om de juiste vervolgvragen te formuleren.
Stel dat je een hotel bent dat nieuwe bedlinnen zoekt. Of een architect die gordijnstoffen voorschrijft. Of een inkoper die werkkleding nodig heeft. Of gewoon iemand die een T-shirt, handdoek, tapijt of zetelstof wil kopen.
Begin dan bijvoorbeeld met:
“Welke materialen worden gebruikt in dit product? Geef per materiaal aan of het bio-based, synthetisch, gerecycleerd of biologisch afbreekbaar is.”
Daarna:
“Welke chemicaliën of behandelingen worden typisch gebruikt om deze eigenschappen te verkrijgen?”
En vervolgens:
“Welke van deze claims kan ik controleren aan de hand van een certificaat, technische fiche of onafhankelijke bron?”
Nu wordt AI interessant.
Je gebruikt het niet meer als Google met een mening, maar als een soort onderzoeksassistent die je helpt om het dossier uit elkaar te halen.
Vraag niet: “Is dit duurzaam?”
Het woord duurzaam is te groot.
Duurzaam waarvan?
Een polyester stof kan bijvoorbeeld een lange levensduur hebben. Een gerecycleerde synthetische vezel kan afval een tweede leven geven. Een natuurlijke vezel kan biologisch afbreekbaar zijn, maar een grote watervoetafdruk hebben. Een technisch textiel kan dankzij zijn lange levensduur of functionaliteit een veel grotere milieu-impact per gebruiksjaar vermijden.
Er bestaat dus niet één knop waarop “duurzaam” staat.
BoF wijst precies op dat probleem: termen als “clean” en “sustainable” hebben geen universeel overeengekomen definitie. “Plastic-free” is concreter, maar ook daar moet je nog weten wat precies wordt bedoeld.
Daarom is een betere AI-vraag bijvoorbeeld:
“Beoordeel dit textielproduct niet op de algemene term duurzaamheid. Analyseer afzonderlijk de grondstoffen, productie, chemicaliën, energie, water, levensduur, circulariteit en end-of-life.”
Dat levert doorgaans veel meer op.
En wat betekent “plasticvrij” eigenlijk?
Hier wordt het helemaal interessant.
In ons eigen onderzoek naar Belgische textielbedrijven kwamen we bijvoorbeeld bedrijven tegen die werken met natuurlijke vezels, plasticvrije producten of circulaire materialen. Maar ook daar is het belangrijk om de claim verder open te trekken.
Een product kan bijvoorbeeld polyestervrij zijn, maar wel een synthetische coating hebben.
Een stof kan uit katoen bestaan, maar behandeld zijn met allerlei chemicaliën.
Een textiel kan “natural” worden genoemd terwijl er synthetische garens, elastaan of coatings in zitten.
En “chemicaliënvrij” is eigenlijk een bijzonder ongelukkige term. Textiel kan niet letterlijk chemicaliënvrij zijn. De relevante vraag is eerder:
Welke stoffen zijn gebruikt, waarom, in welke hoeveelheid en blijven er residuen achter?
Bij technische textielen wordt dat nog belangrijker. Waterafstotendheid, vlamvertraging, vuilafstoting, coating en andere functies kunnen specifieke chemische behandelingen vereisen.
Vraag AI daarom liever:
“Bevat dit product synthetische polymeren, coatings of finishes? Welke precies?”
en:
“Is het product PFAS-vrij? Toon aan welke onafhankelijke bron of certificering dat bevestigt.”
Dat laatste woord — bevestigt — is cruciaal.
Een label is een aanwijzing. Geen eindpunt.
Een certificaat kan enorm nuttig zijn. Maar ook een certificaat vertelt slechts wat het certificaat controleert.
OEKO-TEX, GOTS, GRS, FSC, EU Ecolabel en andere systemen hebben elk hun eigen criteria en scope.
Dus als AI zegt:
“Dit product is OEKO-TEX gecertificeerd en dus duurzaam.”
dan zou je eigenlijk meteen moeten antwoorden:
“Wat controleert OEKO-TEX hier precies, en wat controleert het niet?”
Dat is een veel betere vraag.
Hetzelfde geldt voor slogans.
“Natural.”
Mooi.
Maar: welk percentage?
“Recycled.”
Interessant.
Maar: hoeveel procent? Post-consumer of pre-consumer? Welke vezel? Hoe is die gerecycleerd?
“Plastic-free.”
Goed.
Maar: geldt dat voor de vezel, het volledige product, de coating én de verpakking?
“Bio-based.”
Prima.
Maar: welk deel van het product is bio-based en is het materiaal ook biologisch afbreekbaar?
Dat laatste wordt trouwens vaak door elkaar gehaald. Bio-based is niet hetzelfde als biodegradable.
PLA is daar een mooi voorbeeld van: het is een bio-based polymeer dat uit plantaardige grondstoffen kan worden gemaakt, maar “bio-based” vertelt op zichzelf nog niet hoe, waar en onder welke omstandigheden het materiaal aan het einde van zijn levensduur afbreekt.
De beste AI-prompt is eigenlijk een kruisverhoor
Wie textiel aankoopt, kan AI dus veel slimmer gebruiken.
Bijvoorbeeld zo:
“Analyseer dit textielproduct kritisch op duurzaamheid. Maak geen algemene duurzaamheidsbeoordeling. Onderzoek afzonderlijk:
- grondstoffen en vezels
2. percentage gerecycleerd materiaal
3. bio-based aandeel
4. synthetische polymeren en plastics
5. coatings en finishes
6. PFAS en andere zorgwekkende stoffen
7. water- en energiegebruik
8. productie en geografische herkomst
9. levensduur en onderhoud
10. recycleerbaarheid en end-of-life.
Maak vervolgens onderscheid tussen wat bewezen is, wat het bedrijf zelf claimt en wat niet kan worden geverifieerd. Geef voor elke belangrijke claim de oorspronkelijke bron.”
Dat laatste onderdeel is goud waard:
Vraag AI altijd om het verschil te maken tussen feit, claim en interpretatie.
Dat is precies waar de digitale geletterdheid zit waarover ook Rebecca Beech, onderzoeker naar consumentengedrag, AI en duurzame consumptie, in het BoF-onderzoek spreekt.
Vraag vervolgens naar de bron achter de bron
Een AI-antwoord is geen bewijs.
Vraag daarom:
“Waar komt deze informatie vandaan?”
En vervolgens:
“Is dit een primaire bron, een onafhankelijke bron of informatie die rechtstreeks van het bedrijf afkomstig is?”
En als AI bijvoorbeeld beweert dat een bedrijf “PFAS-free” is:
“Geef me de officiële certificering of test die deze claim ondersteunt.”
En daarna:
“Wat is de datum van deze certificering en welk product of welke productgroep valt er precies onder?”
Want ook hier zit een klassieke valkuil.
Een certificaat voor één product maakt niet automatisch de hele onderneming duurzaam.
Een audit van één fabriek zegt niet noodzakelijk iets over alle productielocaties.
Een gerecycleerd garen maakt niet automatisch het volledige textielproduct circulair.
En een duurzame collectie maakt niet automatisch een duurzaam merk.
Voor aankopers: laat AI vooral de aanbesteding slimmer maken
Voor professionele aankopers kan AI zelfs een stap verder gaan.
Gebruik het om van vage duurzaamheidsambities concrete aankoopcriteria te maken.
Bijvoorbeeld:
“Ik wil een hotelhanddoek inkopen. Welke duurzaamheidscriteria kan ik objectief opnemen in mijn offerteaanvraag?”
AI kan vervolgens helpen criteria te formuleren rond:
- vezelsamenstelling;
- gerecycleerd aandeel;
- certificering;
- chemicaliën en finishes;
- PFAS;
- herkomst;
- water- en energiegebruik;
- levensduur;
- wasbaarheid;
- reparatie;
- take-back;
- recycleerbaarheid.
Daarna kun je leveranciers dezelfde vragen stellen.
Dan vergelijk je niet langer marketingverhalen, maar antwoorden op dezelfde vragen.
Dat is een heel ander spel.
En voor consumenten?
Die hoeven natuurlijk geen duurzaamheidsaudit van hun nieuwe handdoek uit te voeren.
Maar ook hier kan AI helpen.
Neem een productlabel en vraag:
“Leg dit label uit alsof ik een consument ben. Welke vezels zitten erin? Welke zijn synthetisch? Welke claims zijn relevant voor duurzaamheid? Welke informatie ontbreekt?”
Of nog beter:
“Welke drie vragen zou ik aan de verkoper moeten stellen om te weten of deze claim betekenisvol is?”
Dat is vaak veel nuttiger dan:
“Is dit een duurzaam product?”
De gouden regel van Textirama
AI kan je helpen door de bomen het bos te zien.
Maar AI kan niet in jouw plaats bepalen welke boom gezond is.
Daarvoor moet je terug naar de bron.
Naar de technische fiche.
Naar het certificaat.
Naar de testresultaten.
Naar de vezelsamenstelling.
Naar de productieketen.
Naar de definities achter de claims.
En vooral: naar de vraag die je eigenlijk probeert te beantwoorden.
Want “duurzaam textiel” bestaat niet als één uniforme categorie.
Er bestaat wel textiel dat:
- minder fossiele grondstoffen gebruikt;
- minder water vraagt;
- minder schadelijke chemicaliën gebruikt;
- langer meegaat;
- gerecycleerd materiaal bevat;
- makkelijker opnieuw te recycleren is;
- biologisch afbreekbaar is;
- PFAS-vrij is;
- lokaal geproduceerd wordt;
- of dankzij zijn functionaliteit een andere, meer belastende oplossing vervangt.
Dat zijn verschillende verhalen.
En precies daarom is een goed gesprek met AI soms waardevoller dan een snelle aanbeveling.
Niet:
“Welke textielproducent is het duurzaamst?”
Maar:
“Welke informatie heb ik nodig om dat zelf te kunnen beoordelen?”
Dat is misschien wel de beste manier om AI vandaag te gebruiken.
