# Grüne KI für Unternehmen

> Ein Praxisleitfaden für Unternehmen: Energie, Kosten und CO2 von KI senken – Modellwahl, Anbieter, Messung, Beschaffung und ehrliche Aussagen.

Source: https://greenai.guide/de/leitfaeden/gruene-ki-fuer-unternehmen/  
Updated: 2026-11-19

## 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? {#why-should-a-business-care-about-green-ai}

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? {#where-does-the-energy-in-ai-go}

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](/de/gute-praxis/so-messen-sie-den-energieverbrauch-und-co2-fussabdruck-von-ki/), warum die Details wichtig sind.

## Wie wählen wir das richtige Modell? {#how-do-we-choose-the-right-model}

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](/de/gute-praxis/das-richtige-modell-fuer-die-aufgabe-waehlen/) und
[Orchestrierung statt Generierung](/de/artikel/orchestrierung-statt-generierung/).

## Was sollten wir KI-Anbieter fragen? {#what-should-we-ask-ai-suppliers}

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](/de/gute-praxis/nachhaltige-ki-beschaffung/) enthält einen
ausführlicheren Fragenkatalog, und [Hosting und Rechenzentren](/de/gute-praxis/hosting-und-rechenzentren-fuer-gruene-ki/) erklärt, was die
Antworten bedeuten. Anbieter finden Sie im [Produktverzeichnis](/de/produkte/), unabhängige Unterstützung im
[Beraterverzeichnis](/de/berater/).

## Wie messen wir Energieverbrauch und Emissionen von KI? {#how-do-we-measure-ai-energy-and-emissions}

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](/de/gute-praxis/so-messen-sie-den-energieverbrauch-und-co2-fussabdruck-von-ki/) und
[warum die Messung der Engpass ist](/de/artikel/messung-ist-der-engpass-fuer-gruene-ki/).

## Wie passt KI in die CSRD- und ESG-Berichterstattung? {#how-does-ai-fit-into-csrd-and-esg-reporting}

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? {#how-do-we-build-good-habits-among-staff}

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](/de/gute-praxis/so-schreiben-sie-eine-richtlinie-fuer-gruene-ki/) enthält eine Vorlage, und
[KI effizient nutzen](/de/gute-praxis/ki-effizient-nutzen-gewohnheiten-fuer-den-alltag/) bietet weitere Tipps für den Alltag.

## Wie sprechen wir ehrlich darüber? {#how-do-we-talk-about-it-honestly}

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](/de/glossar/#rebound-effect).
- 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](/de/gute-praxis/ehrliche-umweltaussagen-ueber-ki/) und
[Effizienz ist nicht Suffizienz](/de/artikel/effizienz-ist-nicht-suffizienz-der-rebound-effekt-bei-ki/).

## Die nächsten Schritte {#what-to-do-next}

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](/de/gute-praxis/so-schreiben-sie-eine-richtlinie-fuer-gruene-ki/).
6. **Überprüfen Sie die Aussagen** in Ihrem Marketing und Ihren Berichten anhand des
   [Leitfadens zu ehrlichen Aussagen](/de/gute-praxis/ehrliche-umweltaussagen-ueber-ki/).
7. **Holen Sie sich bei Bedarf Unterstützung** im [Beraterverzeichnis](/de/berater/), und suchen Sie Werkzeuge im
   [Produktverzeichnis](/de/produkte/).

## 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

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Council signs off simplification of sustainability reporting and due diligence requirements](https://www.consilium.europa.eu/en/press/press-releases/2026/02/24/council-signs-off-simplification-of-sustainability-reporting-and-due-diligence-requirements-to-boost-eu-competitiveness/), Council of the European Union (2026)
- [AI Act, Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission AI Act Service Desk (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), EUR-Lex (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (ITEA) (2026)
