# Wie wähle ich eine Cloud-Region mit wenig CO₂?

> Eine CO₂-ärmere Cloud-Region für KI wählen: CO₂-Intensität und CO₂-freie Energie je Region vergleichen, dann Latenz, Datenregeln und Kosten abwägen.

Source: https://greenai.guide/de/wie/wie-waehle-ich-eine-cloud-region-mit-wenig-co2/  
Updated: 2026-11-19

## 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.

## Steps

1. Listen Sie auf, welche Arbeitslasten überall laufen können, angefangen bei Training, Fine-Tuning und Batch-Jobs.
2. Vergleichen Sie infrage kommende Regionen nach CO₂-Intensität des Netzes und Anteil CO₂-freier Energie.
3. Prüfen Sie für jede Region die Vorgaben zu Datenstandort, Latenz und Kosten.
4. Berücksichtigen Sie Energie und Kosten für das Verschieben von Daten in die neue Region.
5. 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? {#where-do-i-find-region-data}

- **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](/de/wie/wo-finde-ich-die-co2-daten-meines-cloud-anbieters/).

## Welche Arbeitslasten sollten verlagert werden? {#which-workloads-should-move}

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 {#common-mistakes}

- **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](/de/wie/wie-pruefe-ich-ob-meine-ki-mit-erneuerbarer-energie-laeuft/).
- **Die Regionswahl als Ersatz für Effizienz betrachten.** Sie senkt CO₂, nicht die Energie.

Mehr unter [Hosting und Rechenzentren](/de/gute-praxis/hosting-und-rechenzentren-fuer-gruene-ki/).

## Quellen

- [Carbon free energy for Google Cloud regions](https://cloud.google.com/sustainability/region-carbon), Google Cloud (2025)
- [Electricity Maps data](https://www.electricitymaps.com/data), Electricity Maps (2026)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
- [Reliability recommendations for sustainable workloads on Azure](https://learn.microsoft.com/en-us/azure/well-architected/sustainability/sustainability-reliability-recommendations), Microsoft Azure Well-Architected Framework (2026)
