Kurz gesagt
Schätzen Sie den eigenen Fußabdruck der KI (Training oder Fine-Tuning plus Betrieb über die erwartete Lebensdauer) und stellen Sie ihn dem Nutzen gegenüber, gemessen über denselben Zeitraum. Vergleichen Sie mit der einfachsten Lösung ohne KI, nicht mit Nichtstun. Soll das Projekt Energie oder Emissionen einsparen, muss die Einsparung die eigenen Kosten der KI deutlich übersteigen, sonst ist es unterm Strich ein Verlust.
Schritte
- Schreiben Sie auf, welchen Nutzen Sie erwarten und wie Sie ihn messen werden.
- Schätzen Sie den Fußabdruck der KI über ihre erwartete Lebensdauer, einschließlich Training, Inferenz und Wiederholungen.
- Vergleichen Sie ihn mit der einfachsten Methode ohne KI, die die Aufgabe erledigen könnte.
- Legen Sie vorab fest, bei welchem Ergebnis Sie aufhören oder zurückfahren.
- Prüfen Sie erneut mit gemessenen Werten, sobald das System läuft.
Zählen Sie den eigenen Fußabdruck der KI und stellen Sie ihn dem Nutzen über denselben Zeitraum gegenüber. Projekte, die mit KI etwas optimieren, auch Projekte nach dem Motto „KI für die Umwelt“, zählen selten den Energieverbrauch der KI selbst mit. Ohne diese Zahl kann ein Projekt unterm Strich negativ ausfallen.
Wie schätze ich die Seite der KI?
- Training oder Fine-Tuning, falls Sie so etwas durchführen.
- Inferenz: Anfragen pro Tag × Energie pro Anfrage × Tage im Einsatz. Die Schätzung von Epoch AI von etwa 0,3 Wh für eine typische ChatGPT-Anfrage ist ein Ausgangspunkt für Text, aber lange Eingaben erhöhen den Wert stark. Nutzen Sie deshalb Ihre eigenen Token-Zahlen; siehe den Energieverbrauch von KI-API-Aufrufen schätzen.
- Wiederholungen und fehlgeschlagene Läufe, die man leicht vergisst.
Womit sollte ich vergleichen?
Mit der einfachsten Lösung ohne KI, nicht mit Nichtstun. KI ist nicht kostenlos, selbst wenn sie Zeit spart: Eine Studie von 2025, die manuelles und KI-gestütztes Programmieren an 12 Programmieraufgaben verglich, ergab, dass der KI-gestützte Ansatz im Schnitt etwa den 33-fachen CO2-Fußabdruck des manuellen Ansatzes hatte. Das heißt nicht, dass Sie nie KI nutzen sollten. Es heißt, dass Sie prüfen sollten, ob sie sich auszahlt.
GreenCode, ein ITEA-Forschungsprojekt, veröffentlicht eine Klimabilanz, die den eigenen KI-Fußabdruck der angestrebten Energieeinsparung gegenüberstellt. Dieses Modell lohnt sich zum Nachahmen.
Was den größten Unterschied macht
Die Abbruchbedingung festzulegen, bevor Sie beginnen. Schreiben Sie das Ergebnis auf, bei dem Sie zurückfahren würden, damit die Entscheidung nicht aus bloßer Eigendynamik fällt.
Häufige Fehler
- Den Nutzen über zehn Jahre zählen und die KI-Kosten über einen Monat.
- Das Wachstum der Nutzung ignorieren, sobald das Werkzeug beliebt ist.
- Unsicherheit als null behandeln. Geben Sie eine Spanne an.
Das größere Bild finden Sie unter Effizienz ist nicht Suffizienz.
Quellen
- Green AI and energy-aware computing, GreenCode (2026)
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
Verwandte Themen
Brauche ich für diese Aufgabe überhaupt KI?
Ein Schnelltest, ob eine Aufgabe generative KI braucht oder ob Suche, Taschenrechner, Vorlage oder eine einfache Regel es schneller und sparsamer erledigen.
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.
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.
Effizienz ist nicht Suffizienz: der Rebound-Effekt bei KI
Warum effizientere KI nicht garantiert, dass insgesamt weniger Energie verbraucht wird, was der Rebound- oder Jevons-Effekt ist und was Einsparungen sichert.