# Soll ich KI auf meinem Gerät oder in der Cloud laufen lassen?

> Wie Sie KI auf dem Gerät (Edge) und in der Cloud nach Energie, Datenschutz und Qualität abwägen und welche Aufgaben wohin passen, mit ehrlichen Vorbehalten.

Source: https://greenai.guide/de/wie/soll-ich-ki-auf-meinem-geraet-oder-in-der-cloud-laufen-lassen/  
Updated: 2026-11-19

## Kurz gesagt

Lassen Sie kleine, häufige, private oder latenzkritische Aufgaben auf dem Gerät laufen und schicken Sie große oder gelegentliche Aufgaben, die große Modelle brauchen, an einen effizienten Cloud-Dienst. Einige Studien finden bei geeigneten Modellen große Energieeinsparungen auf dem Gerät, aber gut betriebene Rechenzentren sind ein harter Vergleichsmaßstab. Messen Sie deshalb für Ihren eigenen Fall, wo Sie können.

## Steps

1. Listen Sie die Anforderungen der Aufgabe auf: Modellgröße, Häufigkeit, Datenschutz und ob sie offline funktionieren muss.
2. Bevorzugen Sie das Gerät für kleine Modelle, häufige Nutzung, private Daten und Offline-Bedarf.
3. Bevorzugen Sie die Cloud für große Modelle, gelegentliche schwere Aufgaben und Arbeit, die sich bündeln lässt.
4. Vergleichen Sie den Energieverbrauch pro Aufgabe bei beiden Optionen, einschließlich des Netzwerks, wo Sie ihn messen können.
5. Berücksichtigen Sie Akkulaufzeit und Alter der Hardware als Teil der Kosten des Geräts.

**Klein und häufig passt zum Gerät, groß und gelegentlich passt zur Cloud.** Keine der beiden Optionen ist in jedem
Fall grüner. Die Antwort hängt vom Modell ab, davon, wie oft es läuft, und davon, wie effizient jede Seite ist.

## Was sagt die Evidenz? {#what-does-the-evidence-say}

**Sie ist gemischt.** Li, Islam und Ren fanden für mehrere generative Modelle einen geringeren Fußabdruck beim
Einsatz auf dem Gerät, mit Energieeinsparungen von über 90 % in Tests auf einem aktuellen Smartphone. Ihr
Cloud-Vergleichswert war jedoch kein vollständig optimierter Produktionsdienst, und gut ausgelastete Server mit
Batching in einem effizienten Rechenzentrum sind schwerer zu schlagen. Ein britisches Green-AI-Sandpit aus
Mathematik, Informatik und Industrie im Jahr 2026 nannte die Netto-Energiewirkung von KI, die auf Millionen Geräte
verteilt ist, als offene Frage.

## Wie entscheide ich? {#how-do-i-choose}

| Spricht für das Gerät | Spricht für die Cloud |
|---|---|
| Kleines Modell, etwa Apples On-Device-Modell mit rund drei Milliarden Parametern | Großes Modell, das lokal nicht passt |
| Läuft oft, zum Beispiel bei jedem Foto oder jedem Tastenanschlag | Läuft gelegentlich |
| Private oder sensible Daten | Arbeit, die sich bündeln oder zeitlich planen lässt |
| Muss offline oder sofort funktionieren | Braucht das neueste, leistungsfähigste Modell |

Die Green Software Foundation führt das Ausführen von KI-Modellen am Edge unter ihren Green-Software-Patterns, als
Option für geeignete Modelle und nicht als Regel.

## Häufige Fehler {#common-mistakes}

- **Annehmen, lokal sei kostenlos.** Es verbraucht Ihren Akku und kann Sie zu neuer Hardware drängen.
- **Das Netzwerk ignorieren.** Große Dateien in die Cloud zu schicken, kostet ebenfalls etwas.
- **Ein Modell ausführen, das zu groß** für das Gerät ist, sodass es langsam ist und viel Strom zieht.

Eine ausführlichere Entscheidungshilfe finden Sie unter [Edge oder Cloud](/de/gute-praxis/edge-oder-cloud-wo-sollte-ki-laufen/) und
[KI am Edge](/de/artikel/ki-am-edge-gruener-oder-nur-weniger-sichtbar/).

## Quellen

- [A case study of environmental footprints for generative AI inference: cloud versus edge](https://escholarship.org/uc/item/2kc978dg), Li, Islam and Ren, ACM SIGMETRICS Performance Evaluation Review (2025)
- [Apple Intelligence Foundation Language Models: Tech Report 2025](https://arxiv.org/abs/2507.13575), Apple (2025)
- [Green Software Patterns: run AI models at the edge](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/architecture/system-topology/run-ai-models-edge.md), Green Software Foundation (2025)
