








📚 Adatforrások: IPCC AR6 (2021–2023) · UNFCCC · Eurostat HU 2025 · MTVSZ · WWF Magyarország · ecoinvent 3.9 · EMBER European Electricity Review 2025 · Pannon Egyetem kutatásai. Az adatbázist évente felülvizsgáljuk.



- Frissítési ciklus: Az adatbázist évente felülvizsgáljuk – az energiamix-tényezőket (EMBER), az IPCC értékeket és a hazai statisztikákat minden évben aktualizáljuk.
- Nyílt adatokat minden esetben részesítünk előnyben; ahol csak fizetős adatbázis elérhető (ecoinvent), ott az akadémiai publikációk konszenzus-értékét alkalmazzuk.
- Kérdések, észrevételek: kristof.hegedus@beeco.hu
Minden, amit a beeco számítási módszertanáról tudni érdemes – röviden és érthetően.
Nincs itt a válasz?
Az összes kérdés ›Az ökológiai válság nem egydimenziós. Az éghajlatváltozás (CO₂e), az édesvízkészletek kimerülése és a hulladékprobléma párhuzamosan zajlanak, és egymástól eltérő cselekvéseket igényelnek. Egy döntés karbon-szempontból jó lehet, de vízlábnyom-szempontból rossz, ezt csak egyszerre mérve lehet felismerni. Klasszikus példa: az elektromos autó ~4× kevesebb CO₂e-t bocsát ki km-enként, de ~7× több vizet igényel, mint a benzines.
A CO₂e egy egységes mérőszám, amely az összes üvegházhatású gázt (CO₂, CH₄, N₂O, F-gázok) egyetlen skálán fejezi ki. Az alapja az IPCC GWP100 módszer: minden gáz 100 éves felmelegedési potenciálját hasonlítják a CO₂-höz. Például 1 kg metán ~27× erősebb hatású, mint 1 kg CO₂ – ezért az értéke 27 kg CO₂e.
Ez az IPCC AR6 (2021) által elfogadott, globálisan alkalmazott sztenderd.
Ha kihagysz egy kérdést, a beeco automatikusan a magyarországi statisztikai átlaggal helyettesíti az értéket. Ehhez a KSH STADAT 2024, az Eurostat HU 2024 és a MEKH 2024 adatokat használjuk. Ez a hibrid fallback-módszer biztosítja, hogy az eredményed sosem marad hiányos, és mindig értelmes kontextusba kerül, akkor is, ha csak 3 kérdésre válaszolsz az összes közül.
A hagyományos kalkulátorok vagy top-down (statisztikai átlagokból indul ki, kevés egyéni adat) vagy bottom-up (minden adatot a felhasználó ad meg) megközelítést alkalmaznak – külön-külön. A beeco egyszerre alkalmazza mindkettőt: ahol van egyéni adatod, ott azt vesszük alapul; ahol nincs, ott statisztikai átlaggal számolunk. Ez pontosabb eredményt ad, és a kalkulátor egyetlen adat megadása nélkül is teljesen kitölthető.
Teljes kitöltésnél a becsült pontosság ±15–20% körül mozog – ez összemérhető az ipari standard lábnyom-auditok pontosságával. A fő bizonytalansági tényezők: az élelmiszer termelési helye (pl. hazai vs. importált marhahús), az autó konkrét fogyasztása, és a repülőjáratok tényleges töltöttségi szintje. Hiányosan kitöltve a pontosság tovább csökkenthet.
Igen. A repülőgépek nem csupán CO₂-t bocsátanak ki, hanem nagy magasságban kondenzcsíkokat és cirrus-felhőket is képeznek, amelyek önmagukban is melegítő hatásúak. Az RFI (Radiative Forcing Index) ezt a teljes éghajlati hatást fejezi ki. A DEFRA és az IPCC konszenzusa alapján ez ~1,9×-es szorzót jelent: a repülés tényleges éghajlati hatása kb. kétszer akkora, mint a CO₂-kibocsátás önmagában. A beeco ezt alkalmazza minden repülős számolásnál.
Az e-autók lítium- és kobaltbányászata rendkívül víz-intenzív folyamat, egy 60 kWh-s akkumulátor gyártása kb. 3,5 millió liter vizet igényel. Km-enként ez ~1,10 L/km vízlábnyomot jelent, szemben a benzines ~0,15 L/km értékével. Ugyanakkor az e-autó karbonlábnyoma ~4× kisebb. Ez a lábnyom-paradoxon az egyik legfontosabb indok arra, hogy egyszerre mérjük mindhárom dimenziót, különben félrevezető döntéseket hoznánk.
A tudományos konszenzus szerint a három legnagyobb hatású egyéni lépés:
Étrend váltás kevesebb marhahús és tejtermék (a karbonlábnyom akár 35%-a, és a vízlábnyom legnagyobb tétele)
Közlekedés elektrifikálása vagy csökkentése fontos: az e-autó jobb karbonosban, de nem vízlábnyomban
Repülés minimalizálása, egyetlen hossztávú repülőút akár éves szintű CO₂e-kibocsátást jelent
A víz- és hulladéklábnyom csökkentésére a leghatékonyabb a kevesebb, tartaósabb vásárlás és a helyi, szezonális élelmiszer választása.
Igen, a beeco dedikált AI-modult tartalmaz. Egy átlagos AI prompt (ChatGPT, Claude, Gemini) ~2 g CO₂e-t bocsát ki, ami napi 20 promptnál ~14–22 kg CO₂e/évet jelent. Az AI adatközpontok vízfelhasználása is számottevő: egy GPT-4 osztályú kérésnél ~0,5 liter hűtővíz szükséges. A modell intenzitása és a platform szorzója pontosítja az egyéni értéket.
Három fő ok:
1. Három dimenzió: a legtöbb kalkulátor csak a CO₂-t méri, a beeco a vizet és hulladékot és más üvegház hatású gázt is.
2. Magyar kalibrálás: a HU energiamix (185 g CO₂e/kWh), az étkezési szokások és a hulladékstatisztikák eltérnek a globális átlagtól.
3. Scope 3 LCA: a beeco a termékek teljes életciklusát veszi figyelembe (gyártás + szállítás + használat + hulladék), nem csak a közvetlen kibocsátást.
Az adatbázist évente egyszer, februárban frissítjük – ekkor aktualizálódnak az EMBER villamosenergia-adatok, az IPCC értékek és a KSH/Eurostat statisztikák. A frissítési logot a metodika oldal alján közzétesszük. Feliratkozhatsz a beeco hírlevélére itt, és értesítünk, ha egy frissítés lényegesen változtatna a számokon.
A kalkulátor adatait GDPR-kompatibilis módon, anonimizáltan kezeljük. Személyes azonosításra alkalmas adatot nem kérünk a számítás elvégzéséhez. Összesített, anonimizált statisztikákat gyűjtünk a magyar átlagértékek frissítéséhez ezek nem köthetők egyéni felhasználóhoz.
Teljes adatvédelmi tájékoztatót az oldal legaláján találod.