KI und Nachhaltigkeit
KI-Produktivitätsgewinne und Klimaziele in Einklang bringen
Generative KI bringt spürbare Effizienzgewinne. Gleichzeitig verbraucht eine ChatGPT-Anfrage bis zu zehn Mal mehr Energie als eine Google-Suche. Für Unternehmen entsteht damit ein komplexes Spannungsfeld zwischen Produktivitätsvorteilen und Nachhaltigkeitszielen.
Als Gemeinwohl-bilanziertes Unternehmen steht der Mittelständler und Rechenzentrumsspezialist Prior1 vor der Herausforderung, KI-Potenziale zu nutzen, ohne die eigenen Klimaziele zu konterkarieren. Danne die Zahlen sprechen eine klare Sprache: Eine Studie von Harvard und der Federal Reserve Bank of St. Louis zeigt, dass Nutzer generativer KI in den Stunden, in denen sie KI nutzen, 33 Prozent produktiver sind. Die Zeitersparnis beträgt im Schnitt 5,4 Prozent der Arbeitszeit. Das entspricht etwa 2,2 Stunden bei einer 40-Stunden-Woche. Intensive Nutzer berichten von noch größeren Effekten: 33,5 Prozent der täglichen KI-Anwender sparen vier Stunden oder mehr pro Woche ein. McKinsey schätzte bereits 2024 das globale jährliche Produktivitätspotenzial durch GenKI auf 2,4 bis 4,1 Billionen Euro. Besonders in wissensintensiven Branchen wie IT und Datenanalyse sind größere Produktivitätsgewinne messbar.
Doch diese Effizienz hat ihren Preis: Während eine Google-Suche etwa 0,3 Wattstunden benötigt, schlägt eine Chatbot-Anfrage, je nach Komplexität der Anfrage, mit bis zu 2,9 Wattstunden zu Buche. Anders ausgedrückt: Eine Google-Suche verursacht etwa 1,5 Gramm CO2, eine ChatGPT-Anfrage je nach Infrastruktur zwischen 2,5 und 5 Gramm CO2. Bei ungünstigem Strommix kann der Wert sogar auf 80 Gramm pro Anfrage steigen. Auf Milliarden täglicher Prompts gerechnet, ergibt sich ein relevanter Klimafußabdruck.
Weniger Klicks, mehr Wirkung: Wie Effizienz die Bilanz verbessert
Tatsächlich gibt es Argumente, die Hoffnung machen. Eine vergleichende Studie von Xu et al. (2023) untersuchte drei typische Wissensaufgaben – von der Faktenfrage bis zur komplexen Analyse – und zeigte: Mit ChatGPT lassen sie sich im Schnitt 40 Prozent schneller erledigen als mit einer klassischen Websuche.
Hinzu kommt: ChatGPT-User formulieren deutlich präzisere Prompts als Google-Suchende. Sie verwenden im Schnitt 37 statt zwölf Zeichen für eine Suche. Das führt zu gezielteren Ergebnissen, weniger Klickpfaden, weniger Seitenaufrufen. Und damit: geringerer Rechenlast auf Nutzerseite. Weniger Umwege sparen nicht nur Zeit, sondern auch Energie.
Auch bei Prior1 zeigt sich dies im Alltag: Pro- und Contra-Analysen für Nachhaltigkeitsentscheidungen oder thematische Dossiers für Kundentermine werden mit ChatGPT in Minuten erstellt – früher dauerten solche Aufgaben oft Stunden. Die direkte Nutzbarkeit der Antworten senkt die kognitive Belastung und ermöglicht schnellere Entscheidungen, etwa bei der Bewertung neuer Techniken im Rechenzentrumsbetrieb. So wird KI zum echten Effizienzhebel, bei gleichbleibend hohem Qualitätsanspruch. Zugleich ist ein kritischer Blick erforderlich: Untersuchungen weisen darauf hin, dass KI-generierte Inhalte zwar schneller verfügbar, aber mitunter oberflächlicher sind. Prior1 nutzt die gewonnene Zeit daher gezielt für die inhaltliche Prüfung und Qualitätssicherung, denn Effizienz darf nicht auf Kosten der Substanz gehen.
Die CO2-Bilanz generativer KI ergibt sich nicht allein aus dem Stromverbrauch pro Anfrage, sondern vor allem aus den Emissionen über den gesamten Lebenszyklus der eingesetzten Rechenzentrumsinfrastruktur. Studien zeigen, dass ein großer Anteil der sogenannten Scope-3-Emissionen durch die Herstellung und den Betrieb der IT-Hardware verursacht wird. So entfallen etwa 50 bis 85 Prozent der Embodied-Carbon-Emissionen in Rechenzentren auf die IT-Hardware selbst, also Server, Speicher und Netzwerkkomponenten. Weitere relevante Anteile entfallen auf Kühlsysteme und andere Gebäudetechnik, die für den Betrieb der Rechenzentren notwendig sind.
Eine Verlängerung der Lebensdauer von Servern hat dabei einen erheblichen Effekt auf die Gesamtemissionen: Wird die durchschnittliche Nutzungsdauer von vier auf acht Jahre verdoppelt, können die jährlichen CO2-Emissionen durch die Herstellung neuer Hardware deutlich reduziert werden. Konkrete Berechnungen zeigen, dass bei einem mittelgroßen Rechenzentrum mit mehreren hundert Servern dadurch Einsparungen von mehreren Dutzend Tonnen CO2 pro Jahr möglich sind.
Zusätzlich bietet der Einsatz von Low-Carbon-Hardware, etwa energieeffizienterer Komponenten oder wiederaufbereiteter Geräte, weitere signifikante Einsparpotenziale. Solche Maßnahmen können die Embodied-Carbon-Emissionen um bis zu 40 Prozent verringern. Zusammen mit einer längeren Lebensdauer und effizienteren Kühlsystemen trägt dies maßgeblich dazu bei, den ökologischen Fußabdruck von KI-Infrastrukturen nachhaltig zu senken.
99,8 Prozent weniger Energie möglich
Der Energiebedarf eines KI-Modells hängt zudem maßgeblich von der eingesetzten Hardware, der Modellarchitektur und der Trainingsstrategie ab. Die technische Entwicklung macht dabei rasante Fortschritte: Spezialisierte KI-Chips wie die NVIDIA H100-GPU bieten bis zu 30 Prozent höhere Energieeffizienz und bis zu doppelte Rechenleistung gegenüber ihren Vorgängern. Noch deutlicher sind die Einsparungen durch neue Chiplet-Architekturen: Das chinesische Cambricon-LLM-Design reduziert laut Hersteller den Energiebedarf pro Token um bis zu 99,8 Prozent im Vergleich zu klassischen GPU-Setups für GPT-3. Auch auf Software-Ebene gibt es große Fortschritte: Der Algorithmus FlashAttention 3 steigert die GPU-Auslastung von etwa 35 Prozent auf 75 Prozent. Mixture-of-Experts-Architekturen aktivieren pro Anfrage nur rund 20 Prozent der Modellparameter und sparen so bis zu 60 Prozent Energie – ohne Qualitätsverlust.
Der Strommix entscheidet über die Klimabilanz
Auch die effizienteste Hardware nützt wenig, wenn sie mit Kohlestrom betrieben wird. Entscheidender als die reine Energieeffizienz ist daher der Strommix: Bei 100 Prozent erneuerbarer Energie sinken die Emissionen einer GPT-4-Anfrage auf etwa 1,2 Gramm CO2. Bei kohledominierten Stromnetzen steigen sie auf bis zu 80 Gramm. Die Unterschiede zwischen den Ländern sind dramatisch: Frankreichs Strommix verursacht nur 44 Gramm CO2 pro Kilowattstunde, Deutschland liegt bei durchschnittlich 400 Gramm. Zu berücksichtigen ist jedoch, dass Frankreichs niedrige CO2-Emissionen maßgeblich auf den hohen Anteil der Kernenergie im Strommix zurückzuführen sind.
Governance statt Verbote
Als gemeinwohlorientiertes Unternehmen hat Prior1 ein strukturiertes und wertebasiertes Governance-Modell für den KI-Einsatz etabliert. Dabei verfolgt das Unternehmen einen proaktiven, chancenorientierten Ansatz: Generative KI soll nicht verboten oder ausgebremst, sondern verantwortungsvoll gestaltet werden. Die KI-Richtlinie des Unternehmens regelt den internen Einsatz generativer Systeme wie ChatGPT und orientiert sich an ethischen Grundwerten wie Transparenz, Fairness, ökologischer Verantwortung und Gemeinwohlorientierung.
Um dies in der Praxis umzusetzen, verfolgt Prior1 ein mehrstufiges Konzept. Vier zentrale Säulen bilden das Rückgrat der KI-Governance:
- KI-Bootcamps vermitteln allen Mitarbeitenden nicht nur technische Grundlagen, sondern auch kritische Perspektiven auf den KI-Einsatz im Unternehmenskontext.
- „Hop-On“-Begleitungen helfen Teams dabei, KI in reale Prozesse zu integrieren. Erfahrene Kolleginnen und Kollegen begleiten die ersten Schritte, geben Feedback und machen konkrete Potenziale sichtbar.
- Ein interner Kompetenzkreis entwickelt die unternehmensweite KI-Nutzung weiter, bewertet neue Anwendungsfälle und sorgt für kontinuierliche Qualitätskontrolle sowie ethische Reflexion.
- Mitarbeitende werden für mögliche Risiken sensibilisiert und dazu angehalten, KI-generierte Inhalte nicht ungeprüft zu verwenden.
Diese Struktur ist nötig, denn die Risiken unkritischer KI-Nutzung sind real: Drei Viertel der Nutzer übernehmen KI-Vorschläge ohne Prüfung. Andere Untersuchungen sprechen von einem „Kompetenzvakuum“: KI ersetzt Denkprozesse, statt sie zu unterstützen. Daher warnen Experten vor einem kollektiven Kompetenzverlust, bei dem Fähigkeiten verloren gehen, sobald sie nicht mehr von Menschen selbst aus- oder eingeübt werden. Prior1 begegnet dieser Entwicklung mit aktiver Aufklärung und institutionalisierter Reflexion, nicht zuletzt, um die eigene Innovationsfähigkeit langfristig zu sichern.
Ein besonderes Augenmerk liegt auf dem „Human-in-the-Loop“-Prinzip: Entscheidungen mit ethischer Tragweite bleiben grundsätzlich in menschlicher Verantwortung. Prior1 versteht KI nicht als Ersatz, sondern als Verstärker menschlicher Kompetenz. Die aktive Gestaltung dieses Spannungsfelds zwischen Innovation und Verantwortung macht das Unternehmen zu einem glaubwürdigen Vorreiter für nachhaltige KI-Nutzung im Mittelstand, weit über gesetzliche Mindestanforderungen hinaus.
Rechenzentrum mit Klimaschutz-DNA
Prior1s eigene Infrastruktur zeigt, wie sich Rechenzentren nachhaltiger betreiben lassen. Das Unternehmen nutzt 100 Prozent zertifizierten Grünstrom durch direkte Abnahmeverträge mit regenerativen Erzeugern.
Für Wartung und Service der Kundenrechenzentren bietet das Unternehmen mit Prior1-360 ein KI-unterstütztes System, das den Stromverbrauch analysiert sowie CO2-Emissionen und thermische Lasten in Echtzeit misst. KI-gestützte Mustererkennung identifiziert Anomalien und glättet Lastspitzen – ein direkter Beitrag zur Effizienzsteigerung im Rechenzentrumsbetrieb.
EU AI Act gibt Rückenwind
Ab August 2026 sind für Hochrisiko-KI-Anwendungen technische Dokumentationen über Energieverbrauch und CO2-Emissionen erforderlich. Vollständige Compliance-Prozesse greifen ab August 2027.
Zwar gelten für kleine und mittlere Unternehmen vereinfachte Verfahren – etwa durch sogenannte Regulatory Sandboxes oder schlankere Formulare. Doch auch sie müssen bei bestimmten Anwendungen Transparenzberichte und Lifecycle-Daten vorlegen. Damit wird Nachhaltigkeit nicht nur ethisch, sondern regulatorisch relevant. Für Unternehmen wie Prior1, die schon heute auf Monitoring, Grünstrom und Governance setzen, bietet der AI Act Rückenwind: Pioniere werden gesetzlich bestätigt.
Realitätscheck: Kein Patentrezept in Sicht
Der Energiebedarf von KI-Modellen hängt stark von der eingesetzten Hardware, der Architektur des Modells und der Trainingsstrategie ab. Fortschritte in der Hardwareentwicklung, wie spezialisierte KI-Chips, und algorithmische Verbesserungen tragen dazu bei, die Energieeffizienz kontinuierlich zu steigern. So können moderne KI-Chips im Vergleich zu älteren Generationen deutlich weniger Strom verbrauchen und gleichzeitig mehr Leistung bieten.
Trotz dieser Effizienzgewinne bleibt der Energieverbrauch von KI-Anwendungen im Vergleich zu klassischen IT-Anwendungen und Suchmaschinen deutlich höher. Schätzungen zufolge kann der Energiebedarf pro Token durch algorithmische Verbesserungen in den kommenden Jahren um 30 bis 50 Prozent sinken. Dennoch verursachen KI-Systeme weiterhin ein Vielfaches an CO2-Emissionen im Vergleich zu traditionellen Suchanfragen, abhängig vom Strommix und der Infrastruktur.
Entscheidend für Unternehmen wird sein, wie sie diese Effizienzgewinne nutzen: Werden KI-Techniken als Ersatz für bestehende Arbeitsweisen eingesetzt, können sie den Mehrverbrauch rechtfertigen und zu Produktivitätssteigerungen führen. Werden sie jedoch zusätzlich zu bisherigen Prozessen verwendet, steigt der Gesamtenergieverbrauch weiter an.
Fazit: Technik mit Haltung
Generative KI stellt Unternehmen vor ein komplexes Optimierungsproblem: Die Produktivitätsgewinne sind messbar und real, der Energiemehrverbrauch aber ebenso. Es gibt keine einfachen Antworten, aber durchdachte Ansätze für den Umgang mit diesem Spannungsfeld.
Prior1 zeigt als GWÖ-zertifiziertes Unternehmen einen möglichen Weg: durch technische Optimierung, verantwortungsvolle Governance und konsequenten Einsatz erneuerbarer Energien. Das Prinzip lautet: Technik mit Haltung, Effizienz mit Verantwortung.
Philip Grawe ist in der Teamkoordination und Beratung bei Prior1 tätig.
Lesen Sie mehr zum Thema
