# Wie lege ich Ziele für Energieverbrauch und Emissionen von KI fest?

> Wie Sie aussagekräftige Ziele für Energie und Emissionen von KI setzen: eine gemessene Ausgangsbasis, Intensitäts- und absolute Ziele zusammen, regelmäßige Prüfung.

Source: https://greenai.guide/de/wie/wie-lege-ich-ziele-fuer-energieverbrauch-und-emissionen-von-ki-fest/  
Updated: 2026-11-19

## Kurz gesagt

Messen Sie zuerst eine Ausgangsbasis und legen Sie dann zwei Arten von Zielen zusammen fest: ein Intensitätsziel (Energie oder Emissionen pro nützlicher Aufgabe) und ein absolutes Ziel oder eine Obergrenze für die Summe. Die Intensität zeigt die Effizienz; der absolute Wert zeigt, ob wachsende Nutzung die Einsparungen aufzehrt. Prüfen Sie sie mindestens jährlich, wenn sich Modelle und Nutzung ändern.

## Steps

1. Messen oder schätzen Sie mit einer schriftlich festgehaltenen Methode eine Ausgangsbasis für Ihre wichtigsten KI-Anwendungen.
2. Wählen Sie eine funktionale Einheit, etwa Energie pro Anfrage oder pro verarbeitetem Dokument.
3. Legen Sie ein Intensitätsziel pro Einheit und ein absolutes Ziel oder eine Obergrenze für die Summe fest.
4. Ergänzen Sie Prozessziele, die Sie direkt steuern, etwa den Anteil der Anfragen, die kleine Modelle bedienen.
5. Prüfen Sie Fortschritt und Methode jedes Jahr und passen Sie die Ausgangsbasis an, wenn sich die Methode ändert.

**Legen Sie ausgehend von einer gemessenen Ausgangsbasis ein Intensitätsziel und ein absolutes Ziel zusammen fest.**
Jedes für sich kann in die Irre führen: Werte pro Aufgabe können sinken, während die Summe steigt, und eine Summe
kann gut aussehen, nur weil die Nutzung noch nicht gewachsen ist.

## Warum zwei Ziele? {#why-two-targets}

Die Effizienz pro Anfrage kann sich sehr schnell verbessern. Google berichtet, dass der Energiebedarf seines mittleren
(Median-)Text-Prompts an Gemini innerhalb eines Jahres auf ein Dreiunddreißigstel gesunken ist. Doch günstigere KI
wird tendenziell mehr genutzt, was Luccioni, Strubell und Crawford als Rebound- oder Jevons-Effekt diskutieren. Ein
Intensitätsziel erfasst das Erste, ein absolutes Ziel oder eine Obergrenze das Zweite.

## Wie sollten die Ziele aussehen? {#what-should-the-targets-look-like}

| Art | Beispiel |
|---|---|
| Intensität | Energie pro verarbeitetem Dokument gegenüber der Ausgangsbasis um einen festgelegten Anteil gesenkt |
| Absolut | Gesamter KI-Strom oder geschätzte Emissionen auf oder unter einer Obergrenze gehalten |
| Prozess | Anteil der Anfragen, die kleine Modelle bearbeiten; Anteil der Lieferanten, die Daten pro Anfrage liefern |

Die Software-Carbon-Intensity-Spezifikation der Green Software Foundation bietet eine fertige Intensitätskennzahl:
Emissionen pro funktionaler Einheit, auf Basis standortbezogener Netzdaten. Siehe
[einen SCI-Wert berechnen](/de/wie/wie-berechne-ich-einen-software-carbon-intensity-wert-fuer-eine-ki/).

## Häufige Fehler {#common-mistakes}

- **Keine Ausgangsbasis.** Siehe [eine Ausgangsbasis festlegen](/de/wie/wie-lege-ich-einen-ausgangswert-fest-um-ki-energieeinsparungen/).
- **Ziele, die durch Zertifikate erreicht werden.** Der Kauf von Zertifikaten kann einen marktbasierten Wert ändern,
  ohne den Energieverbrauch zu ändern. Halten Sie mindestens ein Ziel in Kilowattstunden.
- **Die Methode stillschweigend ändern.** Wenn sich die Methode verbessert, passen Sie die Ausgangsbasis an.
- **Ziele, die niemand steuert.** Kombinieren Sie Ergebnisziele mit Prozesszielen, auf die Teams Einfluss haben.

Die Methode hinter den Zahlen finden Sie unter [den Energieverbrauch von KI messen](/de/gute-praxis/so-messen-sie-den-energieverbrauch-und-co2-fussabdruck-von-ki/).

## Quellen

- [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)
- [Measuring the environmental impact of delivering AI at Google Scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
