Nachhaltige KI: Warum Green AI wichtig ist
KI ist eine Schlüsseltechnologie unserer Zeit – aber sie hat einen Preis, der selten diskutiert wird: ihren enormen Ressourcenverbrauch. In diesem Artikel schaue ich auf den ökologischen Fußabdruck von KI, erkläre, was Green AI bedeutet, und zeige, was du und dein Unternehmen konkret tun können.
Der Energiehunger der KI
Das Training großer KI-Modelle wie ChatGPT (GPT-4) oder Gemini verbraucht immense Energiemengen. Schätzungen zufolge verbraucht das einmalige Training eines großen Sprachmodells so viel Energie wie mehrere Transatlantikflüge – oder der Jahresverbrauch von hunderten Haushalten.
Dazu kommt der laufende Betrieb: Jede Anfrage an ein großes Sprachmodell verbraucht ein Vielfaches der Energie im Vergleich zu einer einfachen Google-Suche. Mit Milliarden von Anfragen täglich summiert sich das schnell.
Die Rechenzentren, die KI-Modelle betreiben, sind ebenfalls ressourcenintensiv: Sie verbrauchen nicht nur Strom, sondern auch enorme Mengen Kühlwasser. Microsoft, Google und Amazon haben bereits auf steigende Wasserverbräuche ihrer KI-Infrastruktur hingewiesen.
Was ist Green AI?
Green AI ist ein Forschungs- und Praxisfeld, das sich mit der Reduktion des Ressourcenverbrauchs von KI beschäftigt. Es umfasst zwei Dimensionen:
1. Effizienz: Wie können KI-Modelle dieselben Ergebnisse mit weniger Energie erzielen? Das beinhaltet effizientere Architekturen, bessere Trainingsmethoden und optimierte Hardware.
2. Bewusstsein: Wie können Entwickler, Unternehmen und Nutzer informierte Entscheidungen über den Einsatz von KI treffen – mit Blick auf den ökologischen Fußabdruck?
In meinem Buch “Nachhaltige Künstliche Intelligenz” (Springer, 2025) entwickle ich einen Rahmen für die Bewertung und Gestaltung von KI-Systemen unter Nachhaltigkeitsgesichtspunkten. Das Ziel: KI nicht trotz, sondern mit ökologischer Verantwortung einzusetzen.
Forschungsfortschritte und Hoffnung
Die gute Nachricht: Die KI-Branche nimmt das Thema zunehmend ernst, getrieben durch Kosten, Regulierung und öffentlichen Druck.
Kleinere, effizientere Modelle: Die neue Generation von Sprachmodellen wie Mistral, Phi oder Llama zeigt, dass man mit deutlich kleineren Modellen erstaunlich gute Ergebnisse erzielen kann. Modelle, die auf einem Laptop laufen, anstatt auf tausenden Cloud-Servern.
Besseres Training: Techniken wie “pruning” (das Entfernen wenig genutzter Modellteile) und Quantisierung (die Reduktion der Rechenpräzision) können Modelle um den Faktor 4–10 effizienter machen, ohne merkliche Qualitätsverluste.
Grüne Rechenzentren: Führende Technologieunternehmen bauen Rechenzentren mit erneuerbaren Energien und besseren Kühlsystemen. Google betreibt bereits mehrere Rechenzentren zu 100 % mit erneuerbarem Strom.
Die EU-Perspektive
Der EU AI Act enthält auch Vorgaben zur Umweltverantwortung. KI-Anbieter werden zunehmend verpflichtet, Transparenz über den Ressourcenverbrauch ihrer Systeme zu schaffen. Das ist ein wichtiger Schritt – denn nur was gemessen wird, kann auch verbessert werden.
Die EU-Taxonomie für nachhaltige Finanzierung erfasst ebenfalls zunehmend den Technologiesektor. Unternehmen, die KI einsetzen, werden sich auf Nachhaltigkeitsanforderungen vorbereiten müssen.
Was du und dein Unternehmen konkret tun können
Nachhaltiger KI-Einsatz bedeutet nicht, auf KI zu verzichten. Es bedeutet, bewusster damit umzugehen:
Das kleinste passende Modell wählen: Für einfache Aufgaben wie Textkorrektur oder kurze Zusammenfassungen reichen oft kleinere, effizientere Modelle. Nicht jede Aufgabe braucht GPT-4 — Claude bietet beispielsweise abgestufte Modellvarianten, die je nach Aufgabe unterschiedlich viel Energie verbrauchen.
KI-Tools bündeln: Anstatt zwölf verschiedene KI-Dienste parallel zu nutzen, konzentriert euch auf wenige gut integrierte Tools. Jede Abfrage kostet Energie.
Anbieter mit grüner Infrastruktur bevorzugen: Viele Anbieter kommunizieren offen über ihren Energiemix. Das kann ein Entscheidungskriterium sein.
Lokale Modelle für sensible Aufgaben: Bei datenschutzrelevanten Anwendungen können lokal laufende Modelle (auf dem eigenen Rechner oder Server) gleichzeitig sicherer und nachhaltiger sein. Ein typisches Beispiel ist der Aufbau einer internen Wissensdatenbank, bei der Unternehmensdaten das Haus nicht verlassen müssen.
KI gezielt einsetzen: Der größte Hebel ist Bewusstsein. Verwende KI für Aufgaben, bei denen sie wirklich Mehrwert schafft – nicht für alles reflexartig. Wer etwa Meeting-Protokolle automatisiert, spart tatsächlich Zeit; wer dagegen jede E-Mail durch ein Großmodell jagt, erzeugt nur Kosten und CO₂.
Fazit
Green AI ist kein Nischenthema für Aktivisten. Es ist eine wirtschaftliche und strategische Notwendigkeit. Unternehmen, die heute lernen, KI verantwortungsvoll einzusetzen, sind besser vorbereitet auf kommende Regulierungen, sparen Kosten und können KI als echten Wettbewerbsvorteil positionieren – nicht als Reputationsrisiko.
KI und Nachhaltigkeit sind kein Widerspruch. Sie brauchen einander. Den regulatorischen Rahmen dazu – inklusive EU AI Act und DSGVO – haben wir in unserem Artikel KI und Datenschutz ausführlich beschrieben. Wenn du KI strategisch und verantwortungsvoll in deinem Unternehmen einführen möchtest, schau auf unserer Unternehmensseite vorbei.
Prof. Dr. Daniel Sonnet, Hochschule Fresenius / KI-Syndikat