Es sind erst wenige Jahre vergangen, seit ChatGPT einer breiten Öffentlichkeit die Möglichkeiten von KI-Assistenten zeigte. Seit 2022 können Interessierte das Tool nutzen, um Informationen zu finden, zu verstehen und in Texte, Ideen oder Lösungen umzusetzen. Zeitgleich entwickelte sich eine breite gesellschaftliche Diskussion hinsichtlich möglicher Gefahren, die mit dem Einsatz von Künstlicher Intelligenz (KI) einhergehen. Dabei dreht sich die Debatte längst nicht nur um technische, sondern auch um rechtliche, demokratietheoretische oder ethische Fragen.
Und die Umwelt?
Weniger Aufmerksamkeit fand lange die Frage nach den ökologischen Auswirkungen eines wachsenden KI-Einsatzes. Der größte Druck auf die Umwelt resultiert dabei aus dem wachsenden Ressourcenbedarf. Sowohl das Anlernen von technischen Anwendungen, die auf komplexen neuronalen Netzen basieren, als auch deren späterer Betrieb beruhen auf der Verarbeitung großer Datenmengen. Die dafür benötigten Rechenzentren verbrauchen große Mengen Strom. Expert*innen schätzen, dass 2026 bereits 31 Prozent des gesamten Stromverbrauchs bei Rechenzentren auf KI-optimierte Server entfallen werden und sich dieser Trend fortsetzen wird. Bereits 2027 könnten KI-Server mehr Strom verbrauchen als konventionelle Server. Hinzu kommt ein immenser Wasserbedarf für die Kühlung der Rechenzentren. Laut des Nachhaltigkeitsberichts von Microsoft aus dem Jahr 2024 wuchs der Wasserverbrauch des Unternehmens zwischen 2020 und 2023 von rund 4,2 auf 7,8 Mrd. Liter jährlich. Das entspricht einem Anstieg von gut 85 Prozent. Das kommt in etwa dem Wasserverbrauch von 52.000 4-Personen-Haushalten in Deutschland gleich. Erschwerend wirkt, dass in der Vergangenheit Rechenzentren zum Teil in wasserarmen Regionen gebaut wurden und dort zur Verschärfung von Wasserknappheiten beigetragen haben.
Neben diesen direkten Effekten sehen Expert*innen noch weitere Gefahren für die Umwelt. Im Marketing wird davon ausgegangen, dass sich die Kaufentscheidungen von Konsument*innen immer stärker durch Algorithmen beeinflussen lassen. Da personalisierte Empfehlungen passgenau die Wünsche von Verbraucher*innen treffen oder sogar erst erzeugen, entstehen permanent neue Konsumanreize. Schließlich kann KI dazu beitragen, bereits bestehende ökologische Herausforderungen der Digitalisierung wie die Entstehung von Reboundeffekten oder technische Obsoleszenz noch zu verstärken: So verbraucht eine einzelne generative KI-Anfrage bis zu zehnmal so viel Energie wie eine herkömmliche Suchmaschinenanfrage. Sowohl server- als auch clientseitig erzwingt der technische Fortschritt bei KI zudem ständig neue und leistungsfähigere Komponenten wie Grafikchips und Mikroprozessoren oder größere Arbeitsspeicher. Eine potentielle Folge ist, dass bestehende Hardware immer schneller veraltet und Smartphones oder Laptops häufiger ersetzt werden müssen.
KI-Prozesse ressourceschonender gestalten
Vor dem Hintergrund dieser Herausforderungen stellt sich die Frage, ob und in welcher Weise dem KI-Boom auch ressourcenschonende Potentiale innewohnen. Dies verlangt zunächst, dass Maßnahmen gegen die bereits bestehenden ökologischen Nachteile ergriffen werden. Mögliche Stellschrauben sind dabei einerseits infrastrukturelle Anpassungen auf Seiten der Betreiber. Neben dem Übergang von wasserintensiver traditioneller Verdunstungskühlung hin zu geschlossenen Flüssigkeitskühlsystemen, kann es sich dabei um den bewussten Einsatz von Regen- oder Brauchwasser anstelle von Trinkwasser oder eine gezielte Standortwahl der Rechenzentren in kühleren Regionen handeln, um die Vorteile einer natürlichen Kühlung durch die Außenluft zu nutzen. Energieschonend wirkt sich auch die bewusste Verlagerung intensiver Prozesse in kühlere Nachtstunden aus.
Andererseits bestehen ökologische Potentiale bei einer zielgerichteten Softwareentwicklung. Hier geht es bspw. um den Verzicht auf sehr große Modelle zugunsten kompakter, spezialisierter Sprachmodelle, wodurch die Rechenlast deutlich verringert werden kann. Durch algorithmische Optimierungen lässt sich potenziell die Zahl benötigter Rechenzyklen im Training senken. Beides trägt zur Senkung des Energiebedarfs bei.
Drei Beispiele, wie KI Ressourcen schonen kann
Es gibt bereits etliche Beispiele, die zeigen, dass KI-Anwendungen zukünftig verstärkt einen positiven Beitrag zur Schonung der planetaren Ressourcen leisten können.
Im Rahmen eines Projektes, an dem u. a. das Fraunhofer IEE in Kassel und die Deutsche Energie-Agentur (dena) beteiligt waren, standen die Einsparungspotentiale von Energieverbräuchen in Nichtwohngebäuden im Fokus. Ein intelligenter Agent wurde dabei eingesetzt, um unter anderem Wärmepumpen, Ladesäulen sowie Photovoltaikanlagen verbrauchsoptimal zu steuern. Er diente als lernender Energiemanager, der auf Grundlage der Auswertung von smart erfassten Verbrauchsdaten die Gebäudetechnik aktiv steuerte. Zum Beispiel wurden Elektroautos an den Ladesäulen bevorzugt zu Zeiten geladen, an denen viel Solarstrom verfügbar war.
Im Verbundprojekt „Smart Recycling Up“ wurde Künstliche Intelligenz eingesetzt, um großstückige Abfälle wie Sperrmüll oder Bauschutt vollautomatisch zu identifizieren und zu klassifizieren. Die KI-Methoden sollten es hochentwickelten Robotern und Sensoren ermöglichen, komplexe Materialstrukturen in Echtzeit zu erkennen und sortenrein zu trennen. Dies war bisher nur bei kleinstückigen Abfällen automatisiert möglich. Der KI-Einsatz sollte so einen Beitrag zur Digitalisierung der Kreislaufwirtschaft leisten und die Rückgewinnungsquote wertvoller Sekundärrohstoffe fördern.
Im Vorhaben „GreenTwin“ wurden eine KI-gestützte Marktplatzplattform und ein digitaler Zwilling entwickelt, um nachhaltige Mobilitäts- und Logistiklösungen für die letzte Meile im ländlichen Raum zu schaffen. Durch die Echtzeit-Berechnung von Ökobilanzen sowie Simulationen von Verkehrsströmen und Kaufverhalten sollten gezielt CO2-sparende und kooperative Transportkonzepte entworfen werden und in mehreren Pilot-Szenarien erprobt werden. Der KI-Einsatz sollte messbare Emissionsminderungen mit einer hohen Nutzerakzeptanz aufgrund einer steigenden Lebensqualität auf dem Land erreichen.
Fazit: KI lösungsorientiert einsetzen
Diese kursorische Betrachtung der ökologischen Auswirkungen des KI-Einsatzes zeigt die Ambivalenz der neuen Technologie. Einerseits gehen mit ihr erhebliche Ressourcenverbräuche insb. in den Bereichen Energie- und Wasserverbrauch einher. Erschwerend kommt der in diesem Beitrag aus Platzgründen unbeachtete Aspekt des Bedarfs weiterer im Bergbau gewonnener Ressourcen („seltene Erden”) hinzu, mit denen ebenfalls negative ökologische Effekte einhergehen. Auch die Frage nach der Art der Stromerzeugung (regenerativ, fossil oder atomar) musste unbeachtet bleiben. Andererseits zeigt die schlaglichtartige Darstellung der drei Pilotprojekte, dass der Einsatz von KI-Agenten in diversen Handlungsfeldern wie beispielsweise der Realisierung einer Kreislaufwirtschaft, der Umsetzung der Energiewende oder der nachhaltigen Entwicklung des ländlichen Raums vielversprechende Lösungsansätze bereithält. Hier wird weitere Forschung zeigen müssen, wie sich ökobilanziell Einsparungspotentiale im Verhältnis zu den notwendigen Ressourcenbedarfen für den KI-Einsatz verhalten und wie hoch mögliche Effizienzgewinne ausfallen.
Bereits heute zeichnet sich daher ab, dass auch im fortschreitenden digitalen Zeitalter das Thema Suffizienz nicht außer Acht gelassen werden sollte: Nicht jede Information muss mittels einer ressourcenintensiven KI-Abfrage gewonnen werden, nicht jeder Produktempfehlung des Algorithmus sollte gefolgt werden. Anders als bei materiellen Produkten ist jedoch im virtuellen Raum die Ressourcenintensität vieler konsumierter Güter nicht unmittelbar erkennbar. Nachhaltiges Verhalten bedingt daher mehr denn je ein reflektiertes digitales Nutzungsverhalten aufgeklärter und problemsensibler Nutzer*innen. Verzicht kann in diesem Fall schon damit beginnen, den Computer häufiger auszuschalten und sich stattdessen mit Freund*innen an der Sonne im Stadtpark zu erfreuen. Klingt doch eigentlich ganz gut.
