Kurz gesagt
Erfassen Sie zuerst, wo Ihr Unternehmen KI nutzt, und machen Sie dann die effiziente Wahl zum Standard: das kleinste Modell, das die Qualitätsanforderung erfüllt, kurze Ausgaben, KI-Funktionen aus, sofern nicht benötigt. Fragen Sie Anbieter nach der Energie pro Anfrage und wo sie ihre Systeme betreiben, messen Sie pro nützlich erledigter Aufgabe, und halten Sie das in einer kurzen Richtlinie mit einer verantwortlichen Person fest. Die meisten dieser Schritte senken neben der Energie auch Kosten und Wartezeiten.
Schritte
- Listen Sie die genutzten KI-Werkzeuge, -Funktionen und automatisierten Abläufe auf und wie oft jede ungefähr läuft.
- Testen Sie, ob ein kleineres Modell oder eine Methode ohne KI die Qualitätsanforderung für Ihre volumenstärksten Aufgaben erfüllt.
- Setzen Sie effiziente Standards in Unternehmenswerkzeugen, etwa kleinere Modelle, Ausgabegrenzen und Funktionen aus, sofern nicht benötigt.
- Fragen Sie Anbieter nach der Energie pro Anfrage, wo Arbeitslasten laufen und wie sie darüber berichten.
- Verfolgen Sie Energie oder Tokens pro nützlich erledigter Aufgabe und prüfen Sie die Zahlen jedes Quartal.
- Halten Sie die Regeln in einer kurzen Richtlinie mit einer namentlich verantwortlichen Person und einem Prüftermin fest.
Machen Sie die effiziente Wahl zum Standard und messen Sie dann, ob es funktioniert. Für die meisten Unternehmen steckt die Energie im vielfachen täglichen Betrieb von Modellen (Inferenz), nicht in ihrem Training; alltägliche Entscheidungen zu Modellen, Prompts und Funktionen zählen daher am meisten.
Zwei Befunde zeigen, wie viel Spielraum es gibt. Luccioni, Jernite und Strubell stellten fest, dass generative Allzweckmodelle im Betrieb um Größenordnungen teurer waren als aufgabenspezifische Modelle für dieselben Aufgaben. UNESCO und das University College London fanden heraus, dass kleinere, aufgabenspezifische Modelle den Energieverbrauch um bis zu 90 % senken konnten und kürzere Prompts und Antworten um mehr als die Hälfte.
Wo fange ich an?
- Erfassen Sie Ihre KI-Nutzung: siehe wie Sie erfassen, wo Ihre Organisation KI nutzt.
- Passen Sie die Modellgröße für die meistgenutzten Aufgaben an: Probieren Sie zuerst kleine Modelle; siehe ein kleineres KI-Modell wählen.
- Setzen Sie Standards: Schalten Sie Funktionen ab, die niemand nutzt; siehe unnötige KI-Funktionen abschalten.
- Fragen Sie Anbieter: siehe Nachhaltigkeit in der KI-Beschaffung.
- Messen Sie pro Aufgabe: siehe KI-Energie pro Aufgabe verfolgen.
- Schreiben Sie es auf: siehe eine Richtlinie für grüne KI schreiben.
Was den größten Unterschied macht
Die Modellwahl bei volumenstarken Aufgaben und das Abschalten von KI, die läuft, ohne dass jemand sie braucht. Gewohnheiten der Mitarbeitenden zählen, aber Standardeinstellungen erreichen alle, ohne dass sich jemand daran erinnern muss.
Häufige Fehler
- Kosten pro Aufruf statt pro erfolgreich erledigter Aufgabe zählen, sodass Wiederholungen verborgen bleiben.
- Einen grünen Cloud-Vertrag als vollständige Lösung betrachten, während die Nutzung weiter wächst.
- Einsparungen behaupten, bevor ein Ausgangswert gemessen wurde.
Den vollständigen Ansatz finden Sie in unserem Leitfaden für Unternehmen.
Quellen
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
Verwandte Themen
Grüne KI für Unternehmen
Ein Praxisleitfaden für Unternehmen: Energie, Kosten und CO2 von KI senken – Modellwahl, Anbieter, Messung, Beschaffung und ehrliche Aussagen.
Wie erfasse ich, wo meine Organisation KI nutzt?
So legen Sie ein einfaches KI-Verzeichnis Ihrer Organisation an: Tools, eingebaute Funktionen, Automatisierungen, Lieferanten, Volumen, Zuständige, Daten.
Wie schreibe ich eine Richtlinie für grüne KI?
Was eine kurze Richtlinie für grüne KI regeln sollte: wann KI genutzt wird, welche Voreinstellungen gelten, was Lieferanten gefragt werden, Messung und Zuständigkeit.
Das richtige Modell für die Aufgabe wählen
KI richtig dimensionieren: wann kleine oder spezialisierte Modelle reichen, wann sich ein Frontier-Modell lohnt, wie Routing funktioniert und wann man auf KI verzichtet.