Kurz gesagt
Wählen Sie eine funktionale Einheit, die dem Nutzen der KI entspricht, etwa pro zusammengefasstem Dokument oder pro erfolgreicher Aufgabe, und teilen Sie die Energie dadurch. Erfassen Sie Energie pro Einheit, Qualität pro Einheit und die Summe nebeneinander. Werte pro Einheit zeigen, ob das System effizienter wird; die Summe zeigt, ob das Wachstum schneller ist.
Schritte
- Wählen Sie eine funktionale Einheit und ziehen Sie pro erfolgreicher Aufgabe dem Wert pro Aufruf vor.
- Kennzeichnen Sie jeden Modellaufruf mit der Aufgabe, zu der er gehört, einschließlich Wiederholungen und Fehlversuchen.
- Teilen Sie die gemessene oder geschätzte Energie durch die Zahl der gelieferten Einheiten.
- Erfassen Sie Qualität oder Erfolgsquote für dieselben Einheiten.
- Berichten Sie jeden Monat Werte pro Einheit und Summen gemeinsam.
Summen steigen mit dem Wachstum und verdecken Effizienz; Werte pro Aufgabe machen sie sichtbar. Wenn Sie beides erfassen, wissen Sie, ob Sie besser werden und ob das reicht.
Welche Einheit sollte ich wählen?
| Einheit | Gut für | Achtung |
|---|---|---|
| Pro Aufruf | Einfache Protokollierung | Verdeckt Wiederholungen und Agenten-Schleifen |
| Pro Anfrage oder Antwort | Chat- und Suchfunktionen | Zeigt nicht, ob die Antwort nützlich war |
| Pro Dokument, Ticket oder Bild | Batch-Verarbeitung | Dokumente sind unterschiedlich groß |
| Pro erfolgreicher Aufgabe | Agenten und Workflows | Braucht eine klare Erfolgsprüfung |
Pro erfolgreicher Aufgabe ist meist am besten, weil eine einzige Nutzeranfrage viele Aufrufe umfassen kann. Anthropic berichtete, dass seine Agenten typischerweise etwa viermal so viele Tokens verbrauchten wie Chat-Interaktionen und Multi-Agenten-Systeme etwa fünfzehnmal so viele.
Warum auch die Summe behalten?
Luccioni, Strubell und Crawford warnen, dass Effizienzgewinne bei KI durch wachsende Nutzung zunichtegemacht werden können, der Rebound-Effekt. Halbiert sich die Energie pro Aufgabe, während sich die Zahl der Aufgaben verdreifacht, steigt die Summe trotzdem. Aus diesem Grund ist die SCI-Spezifikation der Green Software Foundation eine Rate pro funktionaler Einheit, aber Sie sollten den absoluten Wert trotzdem daneben berichten.
Häufige Fehler
- Nur erfolgreiche Aufrufe zählen, sodass Fehlversuche aus den Zahlen verschwinden.
- Die Einheit zwischen Berichten wechseln.
- Effizienz ohne Qualität berichten. Eine günstigere Aufgabe, die häufiger scheitert, ist keine Verbesserung.
Siehe verhindern, dass Effizienzgewinne zunichtegemacht werden und den Energieverbrauch von KI messen.
Quellen
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
- How we built our multi-agent research system, Anthropic (2025)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
Verwandte Themen
Wie berechne ich einen Software-Carbon-Intensity-Wert für eine KI-Funktion?
So ermitteln Sie den SCI-Wert einer KI-Funktion: Energie mal Netzintensität plus graue Emissionen, geteilt durch eine funktionale Einheit wie pro Anfrage.
Wie schätze ich den Energieverbrauch meiner KI-API-Aufrufe?
Eine gehostete KI-API lässt sich nicht messen, aber mit EcoLogits können Sie die Energie pro Aufruf aus Tokens schätzen und neben den Kosten protokollieren.
Wie verhindere ich, dass Effizienzgewinne bei KI durch mehr Nutzung zunichtegemacht werden?
Wie Effizienzgewinne bei KI nicht von wachsender Nutzung geschluckt werden: Summen erfassen, Nutzung begrenzen, frei gewordene Kapazität abbauen, Bedarf prüfen.
So messen Sie den Energieverbrauch und CO2-Fußabdruck von KI
Ein Praxisleitfaden zum Messen oder Schätzen von Energie und CO2 bei KI-Arbeit: Werkzeuge, Systemgrenzen, Kennzahlen pro Aufgabe und ehrliche Unsicherheit.