Kurz gesagt
Vergleichen Sie Regionen nach der CO₂-Intensität des Netzes und dem Anteil CO₂-freier Energie, anhand der veröffentlichten Regionsdaten Ihres Anbieters oder einer Quelle wie Electricity Maps, und wägen Sie dann Latenz, Vorgaben zum Datenstandort und Kosten ab. Stapelverarbeitung wie Training, Fine-Tuning und nächtliche Verarbeitung lässt sich am leichtesten verlagern; nutzernahe Inferenz muss meist in der Nähe der Nutzer bleiben.
Schritte
- Listen Sie auf, welche Arbeitslasten überall laufen können, angefangen bei Training, Fine-Tuning und Batch-Jobs.
- Vergleichen Sie infrage kommende Regionen nach CO₂-Intensität des Netzes und Anteil CO₂-freier Energie.
- Prüfen Sie für jede Region die Vorgaben zu Datenstandort, Latenz und Kosten.
- Berücksichtigen Sie Energie und Kosten für das Verschieben von Daten in die neue Region.
- Prüfen Sie die Wahl jährlich neu, da sich Netze und Anbieterdaten ändern.
Die Wahl der Region kann die CO₂-Emissionen desselben Jobs um ein Mehrfaches verändern, ohne eine einzige Codeänderung. Der Strom hinter einer Kilowattstunde unterscheidet sich zwischen Netzen stark.
Wo finde ich Daten zu Regionen?
- Google Cloud veröffentlicht für jede Region den stündlichen Durchschnittsanteil CO₂-freier Energie und die CO₂-Intensität des Netzes in gCO₂e/kWh. Die Konsole kennzeichnet Regionen als „Low CO2“, wenn der Anteil CO₂-freier Energie mindestens 75 % beträgt oder, wo dieser Wert nicht verfügbar ist, die Netzintensität höchstens 200 gCO₂e/kWh beträgt.
- Electricity Maps liefert Echtzeit-, Prognose- und historische Daten zur CO₂-Intensität für mehr als 350 Zonen, nützlich bei jedem Anbieter.
- Nachhaltigkeitsseiten und CO₂-Dashboards anderer Anbieter; siehe die CO₂-Daten Ihres Cloud-Anbieters.
Welche Arbeitslasten sollten verlagert werden?
Das Muster der Green Software Foundation für KI-Arbeitslasten empfiehlt, Training, Fine-Tuning und Stapelverarbeitung in CO₂-armen Regionen auszuführen, wo die Latenz weniger kritisch ist. Die Azure-Well-Architected- Leitlinien von Microsoft raten, bei der Wahl von Regionen CO₂-Intensität, Latenz und Ausfallsicherheit gemeinsam abzuwägen.
Häufige Fehler
- Latenzempfindliche Inferenz weit weg von den Nutzern verlagern, was die Nutzererfahrung verschlechtern und zusätzlichen Netzwerkverkehr erzeugen kann.
- Datenbewegungen ignorieren. Große Datensätze zwischen Regionen zu kopieren, hat eigene Kosten.
- Sich auf Zertifikate verlassen. Wenn ein Anbieter Herkunftszertifikate kauft, wird ein CO₂-intensives Netz dadurch nicht CO₂-arm; siehe prüfen, ob Ihre KI mit erneuerbarer Energie läuft.
- Die Regionswahl als Ersatz für Effizienz betrachten. Sie senkt CO₂, nicht die Energie.
Mehr unter Hosting und Rechenzentren.
Quellen
- Carbon free energy for Google Cloud regions, Google Cloud (2025)
- Electricity Maps data, Electricity Maps (2026)
- Use carbon-aware scheduling and region selection for AI workloads, Green Software Foundation, Green Software Patterns (2025)
- Reliability recommendations for sustainable workloads on Azure, Microsoft Azure Well-Architected Framework (2026)
Verwandte Themen
Wie plane ich KI-Training für Zeiten, in denen der Strom sauberer ist?
Training und Batch-Jobs laufen lassen, wenn die CO₂-Intensität im Netz niedrig ist: Prognosen nutzen, Jobs per Checkpoint pausierbar machen, Fristen fest einhalten.
Wo finde ich die CO₂-Intensität meines Stromnetzes?
Wo Sie Daten zur CO₂-Intensität des Stromnetzes für KI-Bilanzen finden: regionale, stündliche Quellen wie die GB Carbon Intensity API und Electricity Maps.
Wie prüfe ich, ob meine KI mit erneuerbarer Energie läuft?
Stündlichen Ökostrom von Jahreszertifikaten unterscheiden: Fragen Sie, wo Ihre KI läuft, nach der CO₂-Intensität des Netzes und dem stündlichen Ökostromanteil.
Hosting und Rechenzentren für grüne KI
Wo KI laufen sollte: CO2-Intensität des Stromnetzes, PUE und WUE, Ökostromaussagen, Wasserverbrauch und Standortwahl, mit Fragen an Hoster.