# Wie erkenne ich Greenwashing im KI-Marketing?

> Warnsignale für Greenwashing bei KI-Produkten und -Diensten, von vagen Labels wie „nachhaltige KI“ bis zu Neutralität per Kompensation, und die richtigen Fragen.

Source: https://greenai.guide/de/wie/wie-erkenne-ich-greenwashing-im-ki-marketing/  
Updated: 2026-11-19

## Kurz gesagt

Seien Sie vorsichtig bei Wörtern wie „grün“, „nachhaltig“ oder „klimaneutrale KI“ ohne Zahlen, Methoden und Systemgrenzen dahinter, und bei Aussagen, die auf Kompensationen oder jährlichen Herkunftszertifikaten beruhen. Ehrliche Aussagen sagen, was gemessen wurde, gegenüber welchem Ausgangswert und was weggelassen wurde; in der EU sind allgemeine Umweltaussagen, die sich nicht belegen lassen, verboten.

## Steps

1. Fragen Sie, was genau gemessen wurde und was die Zahl umfasst.
2. Prüfen Sie, ob sich eine behauptete Einsparung auf eine einzelne Aufgabe oder auf die Gesamtmenge bezieht.
3. Suchen Sie den Ausgangswert, mit dem die Aussage verglichen wird.
4. Behandeln Sie „klimaneutral“-Aussagen, die auf Kompensationen oder Zertifikaten beruhen, mit Vorsicht.
5. Prüfen Sie, ob die Zahl eine Selbstauskunft ist oder unabhängig geprüft wurde.

**Greenwashing ist eine grüne Aussage, die sich nicht überprüfen lässt.** Da der Energieverbrauch von KI Aufmerksamkeit
erregt, werden mehr Produkte als „effizient“, „nachhaltig“ oder „grüne KI“ vermarktet. Manche sind es; der Test ist,
ob die Aussage mit Belegen kommt.

## Was sind die Warnsignale? {#what-are-the-warning-signs}

- **Vage Labels.** „Umweltfreundliche KI“ oder „nachhaltige Intelligenz“ ohne Zahlen.
- **Neutralität durch Kompensation.** „Klimaneutral“, weil Zertifikate gekauft wurden, nicht weil die Emissionen
  gesunken sind. Die Software-Carbon-Intensity-Spezifikation der Green Software Foundation lässt nicht zu, dass
  Kompensationen oder Herkunftszertifikate den CO₂-Wert einer Software senken.
- **Effizienz als Reduktion dargestellt.** „50 % weniger Energie pro Anfrage“ sagt nichts über den Gesamtverbrauch,
  der trotzdem steigen kann. Luccioni, Strubell und Crawford argumentieren, dass Effizienzgewinne bei KI durch
  wachsende Nutzung aufgehoben werden können, der [Rebound-Effekt](/de/glossar/#rebound-effect).
- **Keine Systemgrenze.** Eine Zahl pro Prompt, die nur die Chips zählt, sieht besser aus als eine, die Kühlung und
  ungenutzte Maschinen einschließt.
- **Selektive Vergleiche** mit einem alten oder ungewöhnlich ineffizienten Ausgangswert.

## Was sagt das Recht? {#what-does-the-law-say}

**In der EU wurden die Regeln verschärft.** Die Richtlinie (EU) 2024/825 verbietet allgemeine Umweltaussagen
gegenüber Verbrauchern, die sich nicht belegen lassen. Andere Länder haben eigene Verbraucherschutzregeln zu
irreführenden Aussagen; prüfen Sie die Hinweise Ihrer nationalen Aufsichtsbehörde.

## Welche Fragen sollte ich stellen? {#what-questions-should-i-ask}

1. Was wurde gemessen, und was wurde weggelassen?
2. Bezogen worauf: pro Anfrage, pro Nutzer, pro Jahr?
3. Verglichen mit welchem Ausgangswert?
4. Wer hat es gemessen, und lässt es sich überprüfen?

## Häufige Fehler {#common-mistakes}

- **Annehmen, dass eine Zusage zu erneuerbarer Energie** jede Nutzung eines Dienstes grün macht.
- **„KI für das Gute“ mit „grüner KI“ verwechseln.** KI für ein Klimaziel einzusetzen, macht die KI selbst nicht
  wirkungsarm.

Wenn Sie selbst Aussagen treffen, lesen Sie [ehrliche Aussagen über grüne KI machen](/de/wie/wie-mache-ich-ehrliche-aussagen-ueber-unsere-gruene-ki/)
und den vollständigen Leitfaden zu [ehrlichen Umweltaussagen](/de/gute-praxis/ehrliche-umweltaussagen-ueber-ki/).

## Quellen

- [Directive (EU) 2024/825 on empowering consumers for the green transition](https://eur-lex.europa.eu/eli/dir/2024/825/oj), European Union (2024)
- [Software Carbon Intensity specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate](https://arxiv.org/abs/2501.16548), Luccioni, Strubell and Crawford, ACM FAccT (2025)
