# Brauche ich für diese Aufgabe überhaupt KI?

> Ein Schnelltest, ob eine Aufgabe generative KI braucht oder ob Suche, Taschenrechner, Vorlage oder eine einfache Regel es schneller und sparsamer erledigen.

Source: https://greenai.guide/de/wie/brauche-ich-fuer-diese-aufgabe-ueberhaupt-ki/  
Updated: 2026-11-19

## Kurz gesagt

Fragen Sie, ob ein einfacheres Werkzeug die Aufgabe bereits zuverlässig erledigt: eine Suchmaschine, ein Taschenrechner, eine Karte, ein Wörterbuch, eine Vorlage oder eine Tabellenformel. Nutzen Sie generative KI dort, wo sie wirklich Zeit spart oder das Ergebnis verbessert, etwa beim Entwerfen, Erklären oder Überarbeiten von Text, und verzichten Sie darauf bei Nachschlagen und Rechnen, was andere Werkzeuge gut können.

## Steps

1. Schreiben Sie in einem Satz auf, was das Ergebnis sein soll.
2. Prüfen Sie, ob eine Suche, ein Taschenrechner, eine Karte, ein Wörterbuch oder eine Vorlage es bereits liefert.
3. Nutzen Sie KI, wenn die Aufgabe Entwerfen, Erklären, Zusammenfassen oder Überarbeiten verlangt und sich das Ergebnis prüfen lässt.
4. Verzichten Sie auf KI, wenn Sie einen genauen, überprüfbaren Fakt oder eine Zahl brauchen, die eine vertrauenswürdige Quelle bereits liefert.
5. Überprüfen Sie Aufgaben, die Sie oft wiederholen, denn bei ihnen zählt die Wahl am meisten.

**Die günstigste KI-Anfrage ist die, die Sie gar nicht stellen müssen.** Generative KI ist nützlich, aber für viele
alltägliche Aufgaben ist ein einfacheres Werkzeug schneller, zuverlässiger und verbraucht weniger Energie. Ein
britisches Green-AI-Sandpit aus Mathematik, Informatik und Industrie im Jahr 2026 kam immer wieder auf denselben
Punkt zurück: Menschen greifen oft zu KI, wenn es bereits eine gut verstandene Methode gibt.

## Wie sieht ein Schnelltest aus? {#what-is-a-quick-test}

| Wenn Sie … brauchen | Meist besser | KI lohnt sich, wenn … |
|---|---|---|
| einen Fakt, eine Uhrzeit, eine Adresse oder einen Preis | Suche oder die offizielle Website | Sie es in einfachen Worten erklärt brauchen |
| eine Rechnung oder Umrechnung | Taschenrechner oder Tabellenkalkulation | die Mathematik in unübersichtlichem Text versteckt ist |
| eine Wegbeschreibung | eine Karten-App | eigentlich nie |
| einen Standardbrief | eine gespeicherte Vorlage | jeder Brief wirklich angepasst werden muss |
| einen ersten Entwurf, eine Zusammenfassung oder Umformulierung | KI | meistens: Darin ist sie gut |

## Warum ist das wichtig? {#why-does-it-matter}

**Allgemeine KI-Modelle leisten für jede Anfrage viel Arbeit.** Luccioni, Jernite und Strubell stellten fest, dass
generative Mehrzweckmodelle im Betrieb um Größenordnungen teurer waren als aufgabenspezifische Systeme für dieselbe
Aufgabe. Und KI ist nicht umsonst, selbst wenn sie hilft: Eine Studie zu Programmieraufgaben aus dem Jahr 2025 ergab,
dass KI-gestütztes Programmieren in den getesteten Fällen im Schnitt etwa den 33-fachen CO₂-Fußabdruck des manuellen
Vorgehens hatte.

Das heißt nicht, sie nie zu nutzen. Es heißt, sie dort zu nutzen, wo sie sich auszahlt. Die Web Sustainability
Guidelines des W3C sagen dasselbe für Menschen, die Produkte entwickeln: Prüfen Sie den Bedarf an KI, bevor Sie sie
einbauen.

## Häufige Fehler {#common-mistakes}

- **Einen Chatbot als Suchmaschine nutzen** für einfache Fakten und sie dann trotzdem überprüfen müssen.
- **KI um Rechenaufgaben bitten**, die ein Taschenrechner exakt löst.
- **Aus Gewohnheit zu KI greifen** bei täglich wiederholten Aufgaben, für die eine Vorlage reichen würde.

Für das große Ganze lesen Sie [Effizienz ist nicht Suffizienz](/de/artikel/effizienz-ist-nicht-suffizienz-der-rebound-effekt-bei-ki/) und
[das richtige Modell wählen](/de/gute-praxis/das-richtige-modell-fuer-die-aufgabe-waehlen/).

## Quellen

- [Web Sustainability Guidelines](https://www.w3.org/TR/web-sustainability-guidelines/), W3C (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
