Green AI: Künstliche Intelligenz nachhaltiger nutzen

KI gehört mittlerweile vielerorts zum Alltag. Ob in Suchmaschinen, im Fundraising oder der Softwareentwicklung. Doch im Hinblick auf die Klimakrise müssen wir jede Praxis auch auf ihre Umweltauswirkungen bewerten. Dabei solltest Du beachten: Große Sprachmodelle brauchen enorm viel Energie. Wir haben recherchiert und geben Dir Tipps, wie Du Deine KI-Nutzung grüner gestalten kannst.

Was versteht man unter Green AI?

Green AI steht für einen bewussten, ressourcenschonenden Umgang mit künstlicher Intelligenz – von der Auswahl des Modells bis hin zur Infrastruktur, auf der es läuft. Dabei geht es nicht nur um Effizienz, sondern um ein ganzes Bündel an Maßnahmen:

• Energieeffiziente Modelle, die mit weniger Rechenleistung auskommen
• Grüne Infrastruktur, d. h. Rechenzentren mit erneuerbaren Energien
• Edge Deployment – also die Ausführung möglichst nah am Endgerät, um Übertragungswege zu verkürzen
• CO₂-bewusste Trainingsverfahren mit optimiertem Ressourcenverbrauch

Der Begriff wurde u. a. durch den AI-Forscher Roy Schwartz und Kolleg*innen geprägt, die sich bereits 2020 gegen den Trend der immer größeren Modelle stellten (vgl. Schwartz et al., 2020).

Warum braucht es das – wo liegt das Umweltproblem?

Große KI-Modelle wie GPT-3, PaLM oder Codex verschlingen bei Training und Nutzung enorme Mengen Strom. Laut einer Analyse der University of Massachusetts Amherst verursachte allein das Training eines großen Modells wie BERT einen CO₂-Ausstoß von rund 280.000 kg – das entspricht etwa dem 5-Fachen eines durchschnittlichen Menschen pro Jahr, oder 125 Flügen von München nach New York und wieder zurück.

Noch problematischer wird es, wenn diese Modelle permanent in Rechenzentren laufen, die mit fossilen Brennstoffen betrieben werden. Denn auch die Nutzung von KI – z. B. für Texterstellung oder Code-Generierung – braucht Strom. Wenn diese Rechenprozesse über Rechenzentren in Regionen mit Kohle- oder Gasstrom laufen, potenziert sich der ökologische Fußabdruck. Künstliche Intelligenz ist damit längst auch ein Klimathema.

Welche KI-Modelle sind „grün“ – und welche nicht?

Hier eine aktualisierte Übersicht über gängige Sprachmodelle und ihre Einordnung im Sinne von Green AI:

✅ Green AI – empfehlenswerte, effiziente Modelle

• GPT-4o (OpenAI)
  Hocheffizient und multimodal, läuft mit geringerer Latenz als GPT-4, geringerer Strombedarf im Vergleich zu Vorgängern.
  → Green AI-konform bei sinnvoller Nutzung, besonders wenn lokal eingesetzt.

• Phi-3 Mini (Microsoft)
  Entwickelt für sparsamen Einsatz, funktioniert auch offline.
  → Ideal für leichte Aufgaben auf energiearmer Hardware.

• Mistral / Mixtral (Mistral.ai)
  Open-Weight-Modelle mit starker Performance bei gleichzeitig geringem Energiebedarf.
  → Besonders interessant für europäische Organisationen.

• StarCoder 2 (BigCode)
  Optimiert für Entwickler*innen – Open Source und ressourcenschonend.
  → Gute Alternative zu Codex.

• Gemma (Google)
  Kleine Open-Source-Modelle, lauffähig auf Laptops oder Edge Devices.
  → Sehr umweltfreundlich nutzbar.

⚠️ Modelle mit hohem Energieverbrauch / CO₂-Fußabdruck

• GPT-3 / GPT-3.5 (OpenAI)
  Veraltete Modelle mit hohem Rechenbedarf – werden heute noch in vielen Tools im Hintergrund genutzt.
  → Nicht mehr empfehlenswert, wenn Alternativen vorhanden sind.

• PaLM / PaLM Coder (Google)
  Große Modelle, stark in der Leistung – aber auch stark im Stromverbrauch.
  → Sollte ersetzt werden durch kleinere Gemini- oder Gemma-Modelle.

• Codex / Incoder / CodeGeeX
  Ältere Codegeneratoren, ineffizient im Ressourcenverbrauch.
  → Vermeiden, wenn moderne Alternativen verfügbar sind.

• Gemini 1.5 (Google DeepMind)
  Trotz intelligenter Funktionen wie Multimodalität sind Gemini-Modelle extrem groß.
  → Für komplexe Anwendungen okay, aber nichts für alltägliche Aufgaben.

Green Tech im Alltag: 5 einfache Tipps für nachhaltige KI-Nutzung

Auch ohne Tech-Hintergrund kannst du KI umweltbewusster einsetzen. Diese Tipps helfen dir dabei – ganz ohne Fachchinesisch:

1. Nur wenn nötig nutzen:
   Frag dich: Brauch ich die KI wirklich für diese Aufgabe? Ein kurzer Text oder eine einfache Mail lässt sich oft schneller selbst schreiben – und spart Strom.

2. Kleine Tools bevorzugen:
   Wähle schlanke KI-Anwendungen, z. B. in Apps oder Browser-Add-ons. Große Plattformen wie ChatGPT oder Gemini brauchst du nur für komplexere Aufgaben.

3. Lokal statt in der Cloud:
   Einige KI-Tools funktionieren direkt auf deinem Laptop oder Handy – das spart lange Datenwege und Energie. Achte auf Begriffe wie „offline-fähig“ oder „lokal ausführbar“.

4. Grüne Rechenzentren nutzen:
   Wenn du KI in der Cloud verwendest, achte auf Anbieter mit Ökostrom. Viele Services zeigen dir, wo ihre Server stehen (Tipp: Skandinavien = meist erneuerbar).

5. Weitererzählen & sensibilisieren:
   Du musst keine Expertin sein, um Kolleg*innen auf das Thema aufmerksam zu machen. Je mehr Menschen Green AI einfordern, desto eher passen Anbieter ihre Modelle an.

Nachhaltigkeit beginnt bei der Entscheidung, welche Tools wir nutzen

Green AI zeigt: Auch moderne Technologie kann verantwortungsvoll gestaltet sein. Es braucht dafür keine Verzichtsdebatten, sondern bewusste Entscheidungen – bei der Wahl der Tools, der Art ihrer Nutzung und der Frage: Was brauchen wir wirklich – und was kostet es die Umwelt?

Quellen (Auswahl):

• Schwartz et al. (2020): Green AI – Communications of the ACM

• 618media.com: Claude AI’s Sustainability

• TUDelft: Sustainable Artificial Intelligence

• ScienceDirect: Efficient Transformer Training

• CarbonCredits.com: Green AI Explained

• McKinsey: The Attention Equation