greenai.guide

Startseite › Leitfäden › Grüne KI für Unternehmen

Leitfaden

Grüne KI für Unternehmen

Aktualisiert · 9 Min. Lesezeit

Kurz gesagt

Grüne KI bedeutet für ein Unternehmen, die benötigten Ergebnisse mit weniger Energie, Geld und CO2 zu erreichen. Die größten Einsparungen entstehen durch wenige Entscheidungen: KI nur dort einsetzen, wo sie einen Mehrwert bringt, das kleinste Modell wählen, das die Aufgabe gut erledigt, Anbieter wählen, die ihre Energiedaten veröffentlichen, und messen, bevor Sie irgendeine Aussage machen.

Das Wichtigste

  • In den meisten Unternehmen ist die günstigste, schnellste und grünste KI meist dieselbe: kleinere Modelle, weniger Token, weniger Nacharbeit.
  • Die Internationale Energieagentur schätzt, dass Rechenzentren 2024 rund 415 TWh Strom verbraucht haben, etwa 1,5 % des weltweiten Gesamtverbrauchs, und erwartet bis 2030 etwa 945 TWh.
  • Aufgabenspezifische Modelle können im Betrieb um Größenordnungen günstiger sein als generative Allzweckmodelle für dieselbe Aufgabe.
  • Fragen Sie Anbieter nach dem Energieverbrauch pro Anfrage, den genutzten Rechenzentren und ihrer Messmethode, und schreiben Sie die Antworten in die Verträge.
  • Machen Sie keine Umweltaussage, die Sie nicht mit gemessenen oder klar belegten Zahlen untermauern können.

Warum sollte sich ein Unternehmen für grüne KI interessieren?

Weil das, was KI grüner macht, meist auch das ist, was sie günstiger, schneller und zuverlässiger macht. Weniger Rechenaufwand bedeutet niedrigere Rechnungen, schnellere Antworten und weniger Wartezeit. Und dieselben Gewohnheiten, die Energie verschwenden, etwa lange Prompts, wiederholte Versuche und überdimensionierte Modelle, verschwenden auch Geld und Arbeitszeit.

Ein britisches Green-AI-Sandpit von Mathematikerinnen und Mathematikern, Informatikerinnen und Informatikern sowie Vertretern der Industrie kam 2026 zu einer ähnlichen Einschätzung: Käufer entscheiden nach Kosten, Geschwindigkeit und Qualität. Grüne KI muss diese Eigenschaften also mitbringen, statt mit ihnen zu konkurrieren. Für ein Unternehmen ist das eine gute Nachricht. Sie müssen selten Ergebnisse gegen einen kleineren Fußabdruck eintauschen.

Es gibt vier weitere Gründe, genauer hinzusehen:

  • Größenordnung. Die Internationale Energieagentur (IEA) schätzt, dass Rechenzentren 2024 rund 415 TWh Strom verbraucht haben, etwa 1,5 % des weltweiten Stromverbrauchs. Sie erwartet, dass sich dieser Wert bis 2030 auf etwa 945 TWh mehr als verdoppelt, wobei KI der wichtigste Wachstumstreiber ist. Ihre KI-Nutzung ist Teil dieser Nachfrage.
  • Berichterstattung. Wenn Sie über Energie und Emissionen berichten, steckt KI jetzt in der Zahl, ob Sie sie mitzählen oder nicht.
  • Regulierung. Erste Vorschriften verlangen Energiedaten von KI- und Rechenzentrumsanbietern (siehe unten). Dadurch erhalten Sie bessere Informationen über Ihre Anbieter.
  • Vertrauen. Kundschaft, Beschäftigte und Investoren fragen immer häufiger, wie Sie KI einsetzen. Klare, ehrliche Antworten helfen.

Wohin fließt die Energie bei KI?

Der größte Teil der KI-Energie eines typischen Unternehmens entfällt auf die Inferenz, also auf das Ausführen eines Modells, um Anfragen zu beantworten, und nicht auf das Training. Ein großes Modell trainieren Sie selbst fast nie. Aber jeder Prompt, jeder automatisierte Arbeitsablauf und jede KI-Funktion in Ihrer Software führt eine Inferenz auf der Hardware von irgendjemandem aus.

Die wichtigsten Stellen, an denen Energie verbraucht wird:

Phase Was passiert Wer es steuert
Training Ein Modell lernt aus Daten, einmalig oder gelegentlich Vor allem der Modellanbieter
Fine-Tuning Ein bestehendes Modell wird an Ihre Aufgabe angepasst Sie oder Ihr Anbieter
Inferenz Das Modell beantwortet jede Anfrage Geteilt: Sie wählen, wie viel und welches Modell
Rechenzentrum Kühlung, Stromumwandlung, Netzwerk Der Hosting-Anbieter
Hardware Herstellung der Chips und Server (graue Emissionen) Der Anbieter, durch die Nutzungsdauer der Geräte

Für ein Unternehmen ist die Inferenz der Teil, den Sie am stärksten beeinflussen können. Wie viel Energie sie verbraucht, hängt ab von:

  • der Größe und Art des Modells. Eine Studie von Luccioni, Jernite und Strubell ergab, dass generative Allzweckmodelle im Betrieb um Größenordnungen teurer waren als aufgabenspezifische Systeme für dieselbe Aufgabe. In ihren Tests verbrauchte das Erzeugen von Bildern im Schnitt etwa 2,9 kWh pro 1.000 Anfragen, das Klassifizieren von Text dagegen etwa 0,002 kWh;
  • der Anzahl der Token (der Textbausteine, die ein Modell liest und schreibt). Lange Prompts, eingefügte Dokumente und ausschweifende Antworten summieren sich;
  • der Anzahl der Aufrufe, die ein Arbeitsablauf auslöst. Agenten, die planen, prüfen und neu versuchen, können für eine einzige Aufgabe Dutzende Aufrufe machen; und
  • dem Ort und der Zeit, an dem bzw. zu der sie läuft, denn der CO2-Gehalt einer Kilowattstunde hängt vom lokalen Stromnetz ab.

Als Größenordnung pro Anfrage: Google berichtet, dass ein mittlerer Text-Prompt (Median) an seine Gemini-Apps 0,24 Wh Energie verbrauchte und dass dieser Wert innerhalb eines Jahres um das 33-Fache gesunken ist. Anbieter messen auf unterschiedliche Weise. Betrachten Sie solche Zahlen daher als Richtwerte und lesen Sie unter KI-Energie messen, warum die Details wichtig sind.

Wie wählen wir das richtige Modell?

Nutzen Sie das kleinste Modell, das die Aufgabe zuverlässig erledigt, und testen Sie das mit Ihrer eigenen Arbeit. Für viele Geschäftsaufgaben, etwa E-Mails sortieren, Felder aus Rechnungen auslesen, zusammenfassen oder übersetzen, reicht ein kleines oder spezialisiertes Modell.

Die UNESCO und das University College London haben festgestellt, dass kleinere, aufgabenspezifische Modelle den Energieverbrauch bei geeigneten Aufgaben ohne Leistungsverlust um bis zu 90 % senken können und dass kürzere Prompts und Antworten ihn um mehr als die Hälfte senken können.

Praktische Schritte:

  1. Listen Sie Ihre KI-Aufgaben auf und was „gut genug“ jeweils bedeutet, zum Beispiel 98 % korrekt erfasste Rechnungsfelder.
  2. Probieren Sie Modelle von klein nach groß an einer Stichprobe echter Fälle aus. Hören Sie beim ersten auf, das den Standard erfüllt.
  3. Leiten Sie Anfragen weiter. Schicken Sie Routineanfragen an ein kleines Modell und nur schwierige an ein großes. Das nennt man oft Model Routing.
  4. Achten Sie auf Scheinersparnisse. Ein zu kleines Modell, das scheitert und einen erneuten Durchlauf mit einem großen Modell erzwingt, kann mehr Energie verbrauchen, als direkt das große zu nutzen. Messen Sie den Erfolg beim ersten Versuch, nicht die Kosten pro Aufruf.
  5. Wiederverwenden statt neu erzeugen. Wo dieselbe Antwort, Vorlage oder derselbe Code erneut gebraucht wird, speichern und verwenden Sie ihn wieder, statt jedes Mal das Modell zu fragen. GreenCode, ein ITEA-Forschungsprojekt, beschreibt, wie es Retrieval, die Weiterleitung an die günstigste geeignete Komponente und zeitliche Planung nutzt, um seinen eigenen KI-Einsatz klein zu halten.

Unabhängige Bewertungen können Ihnen helfen, offene Modelle zu vergleichen. Der AI Energy Score, eingeführt von Hugging Face und Partnern, bewertet Modelle mit einem bis fünf Sternen nach ihrer Energieeffizienz bei gängigen Aufgaben. Mehr dazu finden Sie unter das richtige Modell wählen und Orchestrierung statt Generierung.

Was sollten wir KI-Anbieter fragen?

Fragen Sie nach Zahlen, Methoden und Standorten, und nehmen Sie die Antworten in den Vertrag auf. Viele Anbieter können noch keine vollständigen Antworten geben. Die Frage signalisiert aber Nachfrage und zeigt Ihnen, wer das Thema ernst nimmt.

Fragen für Ausschreibungen und Vertragsverlängerungen:

  • Energie pro Anfrage. Wie hoch ist der Energieverbrauch (Wh) pro typischer Anfrage oder pro 1.000 Token für die Modelle, die wir nutzen werden? Ist er gemessen oder geschätzt, und wie?
  • Systemgrenze. Umfasst die Zahl ungenutzte Kapazität, Kühlung und Netzwerk oder nur die Chips?
  • Wo es läuft. Welche Rechenzentren und Regionen betreiben unsere Arbeitslast? Wie hoch ist ihre Power Usage Effectiveness (PUE, das Verhältnis der gesamten Energie der Anlage zur Energie für die Rechentechnik) und ihr Wasserverbrauch?
  • Strom. Welcher Anteil wird Stunde für Stunde mit sauberem Strom abgedeckt, statt über jährliche Zertifikate?
  • Modelloptionen. Können wir kleinere Modelle wählen oder Anfragen zwischen Modellen weiterleiten? Können wir auf eigener Hardware arbeiten, wenn Daten lokal bleiben müssen?
  • Berichte. Liefern Sie uns monatliche Energie- und Emissionsdaten für unser Konto in einer Form, die wir in unserer eigenen Berichterstattung nutzen können?
  • Lebensdauer der Hardware. Wie lange bleiben Ihre Server in Betrieb, und was geschieht danach mit ihnen?
  • Benachrichtigung bei Änderungen. Informieren Sie uns, wenn Sie das Modell hinter unserem Dienst austauschen?

Zwei EU-Rechtsakte sind auch außerhalb der EU wissenswert, weil große Anbieter sie breit anwenden:

  • Der EU AI Act (KI-Verordnung) verpflichtet Anbieter von KI-Modellen mit allgemeinem Verwendungszweck, den bekannten oder geschätzten Energieverbrauch des Modells zu dokumentieren (Anhang XI).
  • Die Energieeffizienzrichtlinie verpflichtet Betreiber von Rechenzentren mit mindestens 500 kW IT-Leistung, ihre Energieeffizienz einschließlich Energie- und Wasserverbrauch an eine europäische Datenbank zu melden (Delegierte Verordnung 2024/1364).

Unser Leitfaden zur nachhaltigen KI-Beschaffung enthält einen ausführlicheren Fragenkatalog, und Hosting und Rechenzentren erklärt, was die Antworten bedeuten. Anbieter finden Sie im Produktverzeichnis, unabhängige Unterstützung im Beraterverzeichnis.

Wie messen wir Energieverbrauch und Emissionen von KI?

Messen Sie, was Sie können, schätzen Sie den Rest offen, und erfassen Sie das, was Sie selbst steuern. Perfekte Zahlen gibt es selten, aber mit einer einheitlichen Methode sehen Sie, ob Sie besser werden.

  • Eigene Hardware oder Cloud-Maschinen. Open-Source-Werkzeuge wie CodeCarbon schätzen die Emissionen aus der Leistungsaufnahme von Prozessoren und Speicher und der CO2-Intensität des lokalen Stromnetzes.
  • KI-Dienste von Drittanbietern. Erfassen Sie Token, Aufrufe und genutzte Modelle. Multiplizieren Sie mit dem Energiewert pro Anfrage des Anbieters, falls er einen angibt. Falls nicht, nutzen Sie eine veröffentlichte Schätzung und sagen Sie das dazu.
  • Einheiten. Geben Sie Energie in kWh und Emissionen in kg CO₂e (CO₂-Äquivalent) an, und nennen Sie den verwendeten Emissionsfaktor des Stromnetzes.
  • Pro Ergebnis. Erfassen Sie die Energie pro nützlichem Ergebnis, zum Beispiel pro bearbeiteter Rechnung, nicht nur insgesamt. So wird die Wirkung von Nacharbeit und Wiederholungen sichtbar.

Siehe KI-Energie messen und warum die Messung der Engpass ist.

Wie passt KI in die CSRD- und ESG-Berichterstattung?

Der Strom für KI ist Teil Ihres Energieverbrauchs. Er gehört deshalb in Ihre bestehende Emissionsberichterstattung und nicht in einen separaten Bericht. In den meisten Berichtsrahmen fällt er unter zugekauften Strom (Scope 2), wenn Sie die Hardware selbst betreiben, und unter zugekaufte Dienstleistungen (Scope 3), wenn Sie Cloud- oder KI-Dienste nutzen.

In der EU wurde die Corporate Sustainability Reporting Directive (CSRD) 2026 eingeschränkt. Mit der endgültigen Zustimmung des Rates der EU im Februar 2026 gilt sie nur noch für Unternehmen mit mehr als 1.000 Beschäftigten und mehr als 450 Millionen € Nettojahresumsatz. Liegen Sie darunter, werden Sie möglicherweise trotzdem von größeren Kunden, die unter die Richtlinie fallen, nach Daten gefragt, oder Sie entscheiden sich für eine freiwillige Berichterstattung. Prüfen Sie außerhalb der EU Ihre nationalen Vorschriften und alle freiwilligen Rahmenwerke, denen Sie folgen.

Unabhängig von Ihrer Pflicht gilt: Behandeln Sie KI wie jeden anderen wesentlichen Energieverbrauch und nennen Sie Methode, Systemgrenze und Unsicherheit.

Wie fördern wir gute Gewohnheiten bei den Beschäftigten?

Geben Sie den Menschen ein paar einfache Regeln und standardmäßig die richtigen Werkzeuge, statt von ihnen zu verlangen, jedes Mal über Energie nachzudenken. Gewohnheiten zählen am meisten dort, wo viele Menschen KI viele Male am Tag nutzen.

  • Das richtige Werkzeug wählen. Suchmaschinen, Vorlagen, Tabellenkalkulationen und vorhandene Software reichen oft aus. Nutzen Sie KI dort, wo sie echte Zeit spart oder die Qualität verbessert.
  • Sich kurz fassen. Stellen Sie klare Fragen, bitten Sie um kurze Antworten, und fügen Sie keine ganzen Dokumente ein, wenn ein Abschnitt genügt.
  • Keine „Spielautomaten“-Nutzung. Ein Bild oder eine Antwort viele Male neu erzeugen zu lassen, ist teuer. Verfeinern Sie stattdessen die Anfrage.
  • Standardmäßig kleinere Modelle in den Werkzeugen des Unternehmens, mit größeren Modellen bei Bedarf.
  • Abschalten, was nicht genutzt wird. Standardmäßig aktivierte KI-Funktionen in Software und ungenutzte Testmaschinen verbrauchen alle Energie.
  • Rechenintensive Aufgaben zeitlich planen. Arbeiten, die warten können, etwa die nächtliche Dokumentenverarbeitung, können laufen, wenn der Strom im Netz sauberer ist.

Halten Sie diese Regeln in einer kurzen Richtlinie fest. Unser Leitfaden zur Richtlinie für grüne KI enthält eine Vorlage, und KI effizient nutzen bietet weitere Tipps für den Alltag.

Wie sprechen wir ehrlich darüber?

Machen Sie nur Aussagen über das, was Sie gemessen haben, gegenüber einer genannten Ausgangsbasis, und nennen Sie die Grenzen. Vage Aussagen wie „nachhaltige KI“ oder „klimaneutrale KI“ ziehen die kritische Aufmerksamkeit von Aufsichtsbehörden und Kundschaft auf sich.

Gute Praxis:

  • Nennen Sie die Ausgangsbasis („im Vergleich zu unserem bisherigen Modell“) und die Messmethode.
  • Trennen Sie Effizienz (weniger Energie pro Aufgabe) vom Gesamtverbrauch (der trotzdem steigen kann). Günstigere KI führt oft zu mehr KI-Nutzung; das nennt man den Rebound-Effekt.
  • Verlassen Sie sich nicht allein auf Kompensationen oder jährliche Herkunftsnachweise für erneuerbare Energie, um einen Dienst als grün zu bezeichnen.
  • Denken Sie daran, dass die selbst gemeldete Zahl eines Anbieters möglicherweise nicht mit der eines anderen vergleichbar ist.

Mehr dazu unter ehrliche Umweltaussagen und Effizienz ist nicht Suffizienz.

Die nächsten Schritte

  1. Erfassen Sie Ihre KI-Nutzung. Listen Sie die eingesetzten Werkzeuge, Modelle und automatisierten Arbeitsabläufe auf und wie oft jeder ungefähr läuft.
  2. Wählen Sie eine Aufgabe mit hohem Volumen und testen Sie, ob ein kleineres Modell Ihren Qualitätsstandard erfüllt.
  3. Beginnen Sie, Token und Aufrufe zu erfassen, für Ihre wichtigsten KI-Dienste, und den Energieverbrauch dort, wo Sie eigene Hardware betreiben.
  4. Nehmen Sie die obigen Fragen an Anbieter in Ihre nächste Ausschreibung oder Vertragsverlängerung auf.
  5. Veröffentlichen Sie eine kurze Richtlinie für Beschäftigte dazu, wann und wie KI genutzt wird, mit Hilfe unseres Leitfadens zur Richtlinie.
  6. Überprüfen Sie die Aussagen in Ihrem Marketing und Ihren Berichten anhand des Leitfadens zu ehrlichen Aussagen.
  7. Holen Sie sich bei Bedarf Unterstützung im Beraterverzeichnis, und suchen Sie Werkzeuge im Produktverzeichnis.

Häufige Fragen

Kostet grüne KI mehr?

Meist nicht. Die wichtigsten Hebel, etwa kleinere Modelle, kürzere Prompts und weniger Wiederholungen, senken auch die API-Kosten und die Antwortzeiten. Mehraufwand entsteht vor allem durch die Arbeitszeit für das Messen und für das Einrichten des Routings zwischen Modellen.

Müssen wir den Energieverbrauch unserer KI berichten?

In den meisten Ländern nicht als eigenen Posten. Der Strom für KI ist aber Teil Ihres Energieverbrauchs und Ihrer Emissionen und fällt damit unter umfassendere Berichtspflichten, etwa die CSRD der EU für Unternehmen in ihrem Anwendungsbereich, oder unter freiwillige ESG-Berichte.

Ist ein kleineres Modell immer grüner?

Nein. Ein zu kleines Modell kann scheitern und Wiederholungen oder einen zweiten Durchlauf mit einem größeren Modell erzwingen. Testen Sie mit Ihrer echten Aufgabe: Das grünste Modell ist das kleinste, das sie beim ersten Mal richtig löst.

Wie können wir den Energieverbrauch eines Cloud-KI-Dienstes messen, den wir nicht selbst betreiben?

Fragen Sie den Anbieter nach dem Energieverbrauch pro Anfrage und der Methode dahinter. Wenn er das nicht offenlegt, nutzen Sie veröffentlichte Schätzungen pro Prompt mit klaren Vorbehalten und erfassen Sie das, was Sie selbst steuern, etwa Token und Anzahl der Aufrufe.

Quellen

  1. Energy and AI, International Energy Agency (2025)
  2. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
  3. Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
  4. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  5. Council signs off simplification of sustainability reporting and due diligence requirements, Council of the European Union (2026)
  6. AI Act, Annex XI: technical documentation for providers of general-purpose AI models, European Commission AI Act Service Desk (2024)
  7. Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres, EUR-Lex (2024)
  8. CodeCarbon, CodeCarbon (2026)
  9. Announcing AI Energy Score ratings, Hugging Face (2025)
  10. Green AI and energy-aware computing, GreenCode (ITEA) (2026)

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