Recht, Ethik und Sicherheit
Green AI
Nachhaltige KI
Green AI bezeichnet den bewussten Umgang mit dem Energie-, Wasser- und Rechenressourcenverbrauch von KI-Systemen: von der Modellwahl über die Rechenzentrumsinfrastruktur bis zum laufenden Betrieb von Chatbots und KI-Agenten. Der Begriff ist als Gegenentwurf zum reinen Streben nach immer größeren, genaueren Modellen entstanden.
Für dein Unternehmen
Für den deutschen Mittelstand ist die CSRD (Corporate Sustainability Reporting Directive) der wichtigste regulatorische Anknüpfungspunkt. Nach der Omnibus-Reform vom Dezember 2025 sind direkt nur noch Unternehmen mit über 1.000 Beschäftigten und mehr als 450 Millionen Euro Jahresumsatz zur vollständigen CSRD-Berichterstattung verpflichtet. Indirekt betroffen sind viele trotzdem: Größere Kunden und Kreditgeber fragen zunehmend Nachhaltigkeitskennzahlen von Zulieferern ab. Praktisch lässt sich das Prinzip einfach umsetzen: kleinere Sprachmodelle oder Edge-AI-Lösungen für Standardaufgaben statt reflexhaft das größte verfügbare Modell, Anbieter mit Ökostrom-Rechenzentren bevorzugen.
Geschäftsführung, Recht, IT, Produktion, Finanzen/Controlling
Ausführliche Definition
Geprägt wurde der Begriff 2019 von den Forschenden Schwartz, Dodge, Smith und Etzioni, die Green AI (Effizienz als Bewertungskriterium neben Genauigkeit) von Red AI (Genauigkeit um praktisch jeden Rechenpreis) abgrenzten und feststellten, dass der Rechenaufwand für KI-Training zwischen 2012 und 2018 um etwa das 300.000-Fache gestiegen war. Der Ressourcenverbrauch betrifft nicht nur das einmalige Training, sondern läuft bei jeder einzelnen Anfrage (Inferenz) weiter mit. Auch Wasser für die Kühlung von Rechenzentren fällt ins Gewicht: Laut Li, Yang, Islam und Ren verdunstete allein das Training von GPT-3 in US-Rechenzentren von Microsoft rund 700.000 Liter Süßwasser. Besonders bei Agentic AI steigt der Verbrauch pro erledigter Aufgabe: Weil Agenten mehrere Modellaufrufe und Tool-Nutzungen verketten, kann der Energiebedarf pro Aufgabe laut Harvard-Forschenden um das bis zu 97-Fache steigen.
kleines-sprachmodell; edge-ai-on-device-ki; agentic-ai; token-okonomie
Towards A Rigorous Science of Interpretable Machine Learning | Doshi-Velez & Kim, Harvard University, 2017 (arXiv:1702.08608)
← Alle Begriffe im KI-Glossar


