greenai.guide

Startseite › Artikel › Souveräne KI und Nachhaltigkeit

Artikel

Souveräne KI und Nachhaltigkeit

Aktualisiert · 5 Min. Lesezeit

Kurz gesagt

Regierungen weltweit finanzieren „souveräne“ KI: nationale Rechenkapazität, Modelle und Daten unter eigener Kontrolle. Befürworter argumentieren, dass sie den Zugang sichert, lokale Werte widerspiegelt und von Anfang an effizient gebaut werden könnte. Kritiker halten vollständige Autarkie für unbezahlbar, sehen doppelten Aufwand und zusätzliche Rechenzentren an ohnehin belasteten Stromnetzen. Das Ergebnis für die Nachhaltigkeit hängt weniger davon ab, wem die KI gehört, als davon, wie sie gebaut, dimensioniert und genutzt wird.

Das Wichtigste

  • Ein Index aus dem Jahr 2026 zählte 184 souveräne KI-Projekte in 67 Ländern.
  • Das Vereinigte Königreich, die EU und die Schweiz gehören zu denen, die in nationale Rechenkapazität und Modelle investieren, in sehr unterschiedlichem Umfang.
  • Die Argumente für souveräne oder öffentliche KI stützen sich auf Sicherheit, gerechten Zugang, Rechenschaftspflicht und die Übereinstimmung mit lokalem Recht und lokalen Werten.
  • Die Argumente dagegen stützen sich auf Kosten, Machbarkeit, die doppelte Durchführung energieintensiven Trainings und das Risiko politischer Kontrolle.
  • Kleine, lokale und offene Modelle bieten einen Mittelweg, der Souveränität und Effizienz zugleich dienen kann.

KI wird zunehmend als nationale Infrastruktur behandelt, wie Energie oder Telekommunikation. Viele Regierungen wollen inzwischen einen Teil der KI-Fähigkeiten unter eigener Kontrolle haben und geben viel Geld aus, um das zu erreichen. Damit stellt sich eine Frage, die in der Debatte oft übersehen wird: Ist souveräne KI besser oder schlechter für die Umwelt? Dieser Artikel stellt die Argumente beider Seiten dar.

Was ist souveräne KI?

KI-Fähigkeiten, die ein Land oder ein Staatenverbund kontrolliert. Das kann eigene Rechenkapazität bedeuten (Rechenzentren und Supercomputer), eigene Modelle, eigene Daten, eigene Fachkenntnisse oder eine Mischung daraus.

Die Idee hat sich schnell verbreitet. Der Sovereign AI Index des Center for a New American Security zählte in Daten bis Juni 2026 insgesamt 184 souveräne KI-Projekte in 67 Ländern.

Einige Beispiele in sehr unterschiedlichem Umfang:

Wer Was
Vereinigtes Königreich Eine Sovereign AI Unit mit bis zu 500 Millionen £, gestartet 2026, neben nationaler Rechenkapazität wie dem Supercomputer Isambard-AI und ausgewiesenen AI Growth Zones
Europäische Union InvestAI, im Februar 2025 angekündigt, um 200 Milliarden € für KI zu mobilisieren, darunter ein Fonds von 20 Milliarden € für KI-„Gigafabriken“; die Auswahl der Gigafabrik-Standorte lief Ende 2026 noch
Schweiz Apertus, ein vollständig offenes, mehrsprachiges Sprachmodell, im September 2025 von der EPFL, der ETH Zürich und dem Swiss National Supercomputing Centre veröffentlicht, in Versionen mit 8 und 70 Milliarden Parametern, mit veröffentlichten Gewichten, Daten und Code

Was spricht für souveräne oder öffentliche KI?

Befürworter argumentieren, dass KI zu wichtig ist, um vollständig von einigen wenigen ausländischen Unternehmen abzuhängen. Ihre wichtigsten Argumente:

  • Sicherheit und Widerstandsfähigkeit. Dienste, auf die sich Regierungen, Gesundheitssysteme und Stromnetze verlassen, sollten nicht von einem Zugang abhängen, den ein anderes Land oder Unternehmen einschränken könnte.
  • Gerechter Zugang. Manche plädieren für KI als öffentliche Versorgungsleistung, wie Wasser oder Bahn, damit der Zugang nicht von der Zahlungsfähigkeit abhängt. Das Papier Public AI der Mozilla Foundation aus dem Jahr 2024 spricht sich für öffentliche Alternativen neben privater KI aus und vergleicht sie mit dem öffentlich-rechtlichen Rundfunk und dem öffentlichen Nahverkehr.
  • Recht und Werte. Ein Modell, das mit Daten trainiert wurde, die lokale Sprachen, Gesetze und Normen widerspiegeln, kann Bürgerinnen und Bürgern besser dienen. Regierungen, die auf offenen Modellen aufbauen, die überwiegend mit Daten anderer Länder trainiert wurden, stehen vor der Frage, wessen Werte diese Modelle widerspiegeln. Die britische Regierung hat zum Beispiel Arbeiten an Werkzeugen für öffentliche Dienste finanziert, die auf offenen Modellen wie Llama von Meta aufbauen.
  • Rechenschaftspflicht. Öffentliche Modelle können öffentlich geprüft, auditiert und gesteuert werden.
  • Sensible Daten. Manche Daten, etwa detaillierte Daten zum Stromnetz oder Gesundheitsdaten, dürfen nicht an externe Anbieter übermittelt werden. Effiziente lokale Modelle sind dann der einzige Weg, KI darauf anzuwenden.

Eine britische Green-AI-Sandpit-Veranstaltung im Jahr 2026 mit Mathematikerinnen und Mathematikern, Informatikerinnen und Informatikern sowie Vertretern der Industrie diskutierte eine Variante davon: ein staatlich betriebenes nationales Modell, geführt als Versorgungsleistung für gerechten Zugang, Souveränität und Sicherheit, mit mathematischer Effizienz als Wettbewerbsvorteil.

Was spricht dagegen?

Kritiker argumentieren, dass vollständige Autarkie unbezahlbar, langsam und für die meisten Länder unmöglich ist. Ihre wichtigsten Argumente:

  • Kosten und Machbarkeit. Der Bericht des Tony Blair Institute aus dem Jahr 2026 argumentiert, dass vollständige Autarkie zu teuer, zu langsam und für die meisten Länder schlicht unmöglich ist, und versteht Souveränität stattdessen als Handlungsfähigkeit bei zentralen Entscheidungen. Ein Bericht von Brookings aus dem Jahr 2026 kam zu dem Schluss, dass KI-Souveränität über den gesamten Technologie-Stack für fast jedes Land strukturell nicht machbar ist.
  • Doppelter Aufwand. Ein Spitzenmodell in jedem Land von Grund auf neu zu trainieren, wiederholt Kosten für Energie, Wasser und Hardware, die anderswo bereits angefallen sind.
  • Politische Kontrolle. Ein staatlich betriebenes Modell weckt Bedenken über staatlichen Einfluss darauf, was Bürgerinnen und Bürger fragen können und was ihnen gesagt wird.
  • Grenzen bei den Daten. Eine demokratische Regierung kann oder will möglicherweise nicht mit Daten trainieren, die private Unternehmen nutzen.
  • Infrastruktur und öffentliche Meinung. Neue Rechenzentren brauchen Netzanschlüsse, Wasser und Baugenehmigungen und stoßen vielerorts auf lokalen Widerstand.
  • Wette auf die falsche Architektur. Eine nationale Investition in ein großes zentrales Modell setzt voraus, dass solche Modelle auch in fünf oder zehn Jahren noch dominieren werden und nicht kleinere lokale Modelle, bei denen die Daten beim Nutzer bleiben.

Was bedeutet Souveränität für Energie und Emissionen?

Das hängt davon ab, was gebaut wird, wo und was es ersetzt. Souveräne KI kann in beide Richtungen wirken:

  • Schlechter: wenn sie mehr Rechenzentren an fossil geprägten Stromnetzen, doppelte Trainingsläufe und große Universalmodelle für Aufgaben bedeutet, die kleine Modelle erledigen könnten.
  • Besser: wenn sie passend dimensionierte, spezialisierte Modelle bedeutet, Rechenzentren dort, wo sauberer Strom im Überschuss vorhanden ist, die Wiederverwendung offener Modelle statt eines Neutrainings von Grund auf und öffentliche Standards für Messung und Berichterstattung.

Der Standort zählt. Die Internationale Energieagentur weist darauf hin, dass sich die Nachfrage von Rechenzentren auf wenige Regionen konzentriert und Netzengpässe ein wachsendes Problem sind. Orte mit überschüssiger erneuerbarer Stromerzeugung, die heute manchmal abgeregelt werden muss, sind naheliegende Kandidaten. Ein öffentliches Programm kann zudem von Anfang an Energieberichterstattung und Effizienz vorschreiben, was sich bei ausländischen Anbietern schwerer durchsetzen lässt.

Ändert Open Source das Bild?

Ja. Offene Modelle ermöglichen es Ländern, anzupassen statt neu zu bauen. Modelle mit offenen Gewichten aus vielen Ländern sind inzwischen weit verbreitet. Das ATOM Project berichtete, dass chinesische offene Modelle Mitte 2025 bei den kumulierten Downloads auf Hugging Face die amerikanischen überholten.

Ein vorhandenes offenes Modell per Fine-Tuning an eine Sprache, eine Branche oder ein Rechtssystem anzupassen, verbraucht nur einen kleinen Bruchteil der Energie, die das Training eines neuen Modells kostet. Apertus aus der Schweiz zeigt einen weiteren Weg: ein vollständig offenes, öffentlich entwickeltes Modell, das andere wiederverwenden können. Beides verringert die Notwendigkeit, dass jedes Land die vollen Trainingskosten trägt.

Gibt es einen Mittelweg?

Viele plädieren für Souveränität bei den Teilen, auf die es ankommt, und gegenseitige Abhängigkeit beim Rest. In der Praxis:

  • Behalten Sie die Kontrolle über die Daten und den Einsatz, auch wenn das Basismodell von anderswo stammt.
  • Bevorzugen Sie kleine, lokale und spezialisierte Modelle, die auf nationaler oder eigener Infrastruktur laufen können und sensible Daten an ihrem Ort belassen. Siehe KI am Netzrand (Edge).
  • Teilen Sie Rechenkapazität und offene Modelle mit Verbündeten, statt sie doppelt aufzubauen.
  • Verankern Sie Effizienz, Messung und sauberen Strom von Beginn an in öffentlicher KI.

Manche gehen weiter und fragen, ob eine verteilte Inferenz, aufgeteilt auf viele kleinere Anbieter, verhindern könnte, dass ein einzelnes Unternehmen oder eine einzelne Regierung kontrolliert, wie KI genutzt wird. Das ist eine offene Forschungsfrage mit eigenen Zielkonflikten bei der Effizienz.

Die nächsten Schritte

  • Wenn Sie öffentliche KI-Programme gestalten, schreiben Sie von Anfang an Energiemessung und -berichterstattung vor: siehe Richtlinien für grüne KI.
  • Passen Sie offene Modelle an, statt neue zu trainieren, wo der Anwendungsfall es zulässt.
  • Platzieren Sie Rechenkapazität dort, wo sauberer Strom verfügbar ist: siehe Hosting und Rechenzentren.
  • Wägen Sie für sensible Daten einen Einsatz am Netzrand oder vor Ort ab: siehe Edge oder Cloud?.
  • Lesen Sie Warum grüne KI jetzt wichtig ist für den Energiekontext.

Häufige Fragen

Was ist souveräne KI?

KI-Fähigkeiten, die ein Land oder eine Gruppe von Ländern kontrolliert: eigene Rechenkapazität, Modelle, Daten oder Fachkenntnisse, damit es nicht vollständig von ausländischen Unternehmen oder Regierungen abhängt.

Ist souveräne KI grüner?

Nicht automatisch. Ein nationales Modell, das von Grund auf neu trainiert wird, verbraucht noch einmal Energie, die andere bereits aufgewendet haben. Es kann grüner sein, wenn es kleiner und spezialisiert ist, mit sauberem Strom läuft und eine weniger effiziente Nutzung ersetzt, aber das muss bewusst so gestaltet werden.

Was ist öffentliche KI?

Die Idee, dass ein Teil der KI als öffentliche Infrastruktur bereitgestellt werden sollte, wie der öffentlich-rechtliche Rundfunk oder der öffentliche Nahverkehr, neben privaten Diensten und mit öffentlicher Rechenschaftspflicht und öffentlichem Zugang.

Quellen

  1. Sovereign AI Index, Center for a New American Security (2026)
  2. Sovereign AI Unit, UK Government, Department for Science, Innovation and Technology (2026)
  3. AI Opportunities Action Plan: one year on, UK Government (2026)
  4. EU launches InvestAI initiative to mobilise €200 billion of investment in artificial intelligence, European Commission (2025)
  5. Call for tenders: selection of AI gigafactory consortia, EuroHPC Joint Undertaking (2026)
  6. Apertus: a fully open, transparent, multilingual language model, EPFL, ETH Zurich and CSCS (2025)
  7. Public AI: making AI work for everyone, by everyone, Mozilla Foundation (2024)
  8. Sovereignty in the age of AI: strategic choices, structural dependencies, Tony Blair Institute for Global Change (2026)
  9. Is AI sovereignty possible? Balancing autonomy and interdependence, Brookings Institution (2026)
  10. UK's best AI engineers can apply now to build tech for public services in £1 million fellowship, UK Government (2025)
  11. The ATOM Project, ATOM Project (2026)
  12. Energy and AI, International Energy Agency (2025)

Machen Sie mit

Helfen Sie, die Umweltwirkung von KI zu senken

Erhalten Sie neue Leitfäden, Förderausschreibungen und Verzeichniseinträge etwa einmal im Monat per E-Mail. Oder tragen Sie Ihr Produkt, Ihren Kurs, Ihre PhD-Stelle oder Ihre Forschung in die Verzeichnisse ein.

Kein Tracking. Abmeldung mit einem Klick. Weitere Möglichkeiten mitzumachen · Datenschutz