STUDIE

Nachhaltige KI vorantreiben

Wachstum fördern, umweltbewusst handeln – ein Balanceakt

5 Minuten Lesezeit

23 Juni 2025

In Kürze

KI wächst exponentiell. Eine Entwicklung, die die Umwelt belastet und im Hinblick auf Energie- und Wasserverbrauch sowie CO₂-Emissionen mit schwerwiegenden Folgen für den Planeten verbunden ist.
Unser Sustainable AI Quotient (SAIQ) bietet einen ganzheitlichen Ansatz zur Messung der tatsächlichen Kosten von KI, basierend auf finanziellen Investitionen, Energieverbrauch in Megawattstunden, CO₂-Emissionen in Tonnen und Wasserverbrauch in Kubikmetern.
Mithilfe von vier Maßnahmen kann es Unternehmen gelingen, ihre KI-Initiativen mit einer verantwortungsvollen, nachhaltigen Ressourcennutzung in Einklang zu bringen.

Eine breitere Perspektive

Seit Jahrzehnten verwenden Rechenzentren den PUE-Wert (Power Usage Efficiency) – eine Kennzahl für die Energieeffizienz – zur Überwachung ihres Stromverbrauchs. Ein nützliches Tool, das jedoch nicht auf KI-Lösungen ausgelegt ist. Wir brauchen eine neue Art der Intelligenzmessung – eine, die nicht nur die Leistungsfähigkeit von KI widerspiegelt, sondern auch ihre smarte Programmierung und den verantwortungsvollen Einsatz. Eine Kennzahl, die nicht nur die Rechenleistung der KI misst, sondern auch ihre Resilienz und Effizienz unter wirtschaftlichem Druck.

Unser SAIQ wurde mit dem Ziel entwickelt, diese Lücke zu schließen und zu erfassen, wie effizient KI-Systeme finanzielle Ressourcen, Energie und Emissionen in messbare Leistung umwandeln. Eine Kennzahl, die mithilfe präziser Daten dazu beiträgt, die tatsächlichen Auswirkungen von KI messbar zu machen, damit Unternehmen eine grundlegende Frage beantworten können: „Welchen Mehrwert erhalten wir aus den Ressourcen, die wir in KI investieren?“

Die folgenden vier Maßnahmen können Unternehmen dabei helfen, den SAIQ als Kennzahl für eine nachhaltige KI-Skalierung zu etablieren, um ökonomisches Wachstum und ökologische Verantwortung ins Gleichgewicht zu bringen.

Smarte Siliziumtechnologie

Der Stromverbrauch von KI ist bereits jetzt eine Belastung für die Energienetze, erhöht die Betriebskosten und schränkt die Skalierbarkeit ein. Intelligentere Computing-Strategien können dazu beitragen, die Anforderungen an die Leistung von KI und deren Skalierung mit den Nachhaltigkeitszielen des Unternehmens in Einklang zu bringen.

Eine smartere Infrastruktur für Ihre KI: Mit Technologien wie Compute-in-Memory (CIM) und Processing-in-Memory (PIM), die Hardware und Software effizienter integrieren, und neuromorphischem Computing, das das menschliche Gehirn imitiert, um Daten effizienter zu verarbeiten, zeichnen sich bahnbrechende Innovationen ab.

Leichte Modelle und offene Ökosysteme: Leichte KI-Modelle und Rechenformate mit geringerer Genauigkeit, wie z. B. Floating Point 8-bit (FP8), verringern den Speicherbedarf und ermöglichen schnellere Berechnungen, sodass weniger Energie für das Training und die Bereitstellung großer KI-Modelle verbraucht wird.

KI an der Edge: Edge-KI verbessert die Leistung und reduziert Emissionen, indem Daten lokal auf Geräten verarbeitet werden – optimal für Branchen, die auf eine Echtzeit-Datenverarbeitung angewiesen sind, zum Beispiel Fertigung, Gesundheitswesen, Einzelhandel und Finanzdienstleistungen.

Dekarbonisierung von Rechenzentren

Die riesigen Rechenzentren, die für KI, Cloud-Computing und andere energieintensive Anwendungen benötigt werden, belasten die Strominfrastruktur und verbrauchen enorme Wasserressourcen. Unter dem strengen Blick von Aufsichtsbehörden und Investoren müssen Unternehmen deshalb umso genauer nachweisen, dass sie in Sachen Nachhaltigkeit echte Fortschritte machen.

Dynamische Skalierung und intelligenter Lastenausgleich: Durch die Angleichung des Energieverbrauchs an den KI-Workload können Unternehmen wie Meta und Google den Energieverbrauch und die Emissionen senken und gleichzeitig die ständig steigende Nachfrage nach KI-Tools bedienen.

Monetarisierung von Rechenzentren: KI-Computing-Marktplätze und GPU-Sharing-Plattformen ermöglichen es Einzelpersonen und Unternehmen, ungenutzte Rechenressourcen zu monetarisieren, indem sie in wertvolle Ressourcen für KI- und andere Anwendungen umgewandelt werden.

Rechenzentren mit optimalem Standort: Unternehmen planen ihren KI-Workload für Zeiten und Standorte, an denen sauberere Energie verfügbar ist, und suchen sogar nach Möglichkeiten, um Solarenergie und natürliche Kühlung auf der Mondoberfläche zu nutzen.

CO₂-arme Energieoptionen: Kleine Kernreaktoren (Small Modular Reactors, SMR) sind eine zuverlässige Möglichkeit für eine konstante Stromversorgung und verringern gleichzeitig die Abhängigkeit von fossilen Brennstoffen. Jüngste Partnerschaften belegen die zunehmende Dynamik hin zu einer nuklearbetriebenen KI-Infrastruktur.

Innovative wassersparende Kühlungssysteme: Technologien wie Direct-to-Chip-Flüssigkeitskühlung, verdampfungsfreie Kühlung und Wärmerückgewinnungssysteme können den Wasser- und Energieverbrauch minimieren. Geschlossene Kühlkreisläufe und Abwasserrecycling können zu Wassereinsparungen von 50 bis 70 Prozent führen.

Bewusster Umgang mit KI

Das Paradoxe an KI ist, dass sie sowohl selektiver als auch umfassender eingesetzt werden kann, um ihre Auswirkungen zu reduzieren. Unternehmen, denen es gelingt, die richtige Strategie zu finden, können in puncto Nachhaltigkeit, Rentabilität und Wettbewerbsfähigkeit auf ein neues Level aufsteigen.

KI-Modelle mit der richtigen Größe: Plattformen wie Accenture Model Switchboard optimieren den KI-Einsatz, indem sie kostengünstige Modelle für Aufgaben auswählen. Retrieval-Augmented Generation (RAG) steigert die Effizienz, indem der Datenzugriff nur bei Bedarf erfolgt, während hybride KI-basierte Ansätze die Leistung weiter optimieren können.

Anreize für Effizienz: Durch den Übergang von Pauschalpreisen für KI hin zu nutzungs- oder effizienzbasierten Preismodellen lässt sich optimieren, wie und wann KI-Ressourcen genutzt werden.

Netto-Negativ-Ziele: KI selbst ist ein wertvolles Tool, um die Auswirkungen von KI zu minimieren. KI-gestützte Heizungs-, Lüftungs- und Klimasysteme können den Energieverbrauch senken, vorausschauende Logistikprozesse die Transportemissionen verringern und KI-basierte intelligente Stromnetze zu einer optimierten Stromverteilung beitragen.

Mit KI-Governance einen Schritt voraus

Die Einführung von KI hat bestehende Governance-Frameworks längst überholt. Die Folgen sind vielfältig: CO₂-intensive Implementierungen, Compliance-Probleme und Richtlinien, die Innovationen ausbremsen. Unternehmen, die KI in ihre Prozesse integrieren, können zukünftigen Regelungen zuvorkommen und gleichzeitig das volle Potenzial ihrer Technologie ausschöpfen.

Nachhaltigkeit als Teil der KI-Governance: Neben traditionellen KPIs setzt man heute auf Energie-Monitoring in Echtzeit, um die CO₂-Intensität und Energieeffizienz von KI zu verfolgen und so einen umfangreicheren Datensatz zur Förderung von Nachhaltigkeitsinitiativen bereitzustellen.

Automatisierung von Governance-Richtlinien: KI-gestützte Automatisierungsprozesse können dabei helfen, Nachhaltigkeitsrichtlinien durchzusetzen, Umweltrisiken zu managen und die passende Infrastruktur für jedes Modell-Deployment auszuwählen.

Definition neuer KI-Standards: Aktuelle Initiativen zur Definition einheitlicher globaler Standards und Nachhaltigkeitsbestimmungen für KI-Lösungen bieten Unternehmen die seltene Gelegenheit, eigene Vorschläge für intelligente KI-Design-Richtlinien einzubringen und mitzubestimmen, wie sich der Balanceakt zwischen Innovation und Nachhaltigkeit zukünftig meistern lässt.