Nachhaltige KI ist mehr als CO2-Bilanzierung

Thomas Heine
Co-Chair von SustainableIT.org und Herausgeber des Magazins „Kleine Kniffe“

Seltene Erden — Bild: Getty Images / pingingz Auch Ressourcenaspekte sind von künstlicher Intelligenz betroffen, etwa wenn es um Rohstoffe wie seltene Erden geht.

KI boomt – doch Nachhaltigkeit bleibt dabei oft auf CO₂-Bilanzen reduziert. Thomas Heine, Experte für nachhaltige Beschaffung, zeigt, warum das zu kurz greift: von sozialer Gerechtigkeit über Ressourcenverbrauch bis hin zur globalen Verantwortung in der KI-Entwicklung.

Künstliche Intelligenz ist das Wort der Stunde. Ob ChatGPT, KI-basierte Diagnosetools oder autonome Fahrzeuge – das Thema ist medial omnipräsent und hat längst Eingang in politische Debatten, wirtschaftliche Strategien und alltägliche Anwendungen gefunden. Was in dieser Debatte jedoch auffällig unterbelichtet bleibt, sind nachhaltige Perspektiven. Während das gesellschaftliche Gespräch über Digitalisierung zunehmend von ethischen Leitplanken und regulatorischer Gestaltung geprägt ist, wird der Diskurs über KI noch stark von technischer Machbarkeit und wirtschaftlichem Potenzial dominiert. Nachhaltigkeit, so scheint es, ist bislang ein Randaspekt – wenn überhaupt.

Warum CO₂-Bilanzen so präsent sind

Wenn Nachhaltigkeit in Zusammenhang mit KI genannt wird, dann fast ausschließlich in Bezug auf den Energieverbrauch großer KI-Modelle. Die CO₂-Bilanz von Rechenzentren, die Emissionen bei Training und Inferenz von Sprachmodellen oder der Strombedarf von Serverfarmen werden intensiv diskutiert. Das hat gute Gründe: Die Zahlen sind greifbar, vergleichbar und bieten eine scheinbar objektive Grundlage für Bewertung und Regulation. Studien wie die von Strubell et al. (2019) oder Patterson et al. (2021) haben den enormen Ressourcenverbrauch von Modellen wie GPT-3 und BERT öffentlich gemacht. Die Debatte ist auch politisch anschlussfähig, denn sie lässt sich in bestehende Emissionsziele und Klimastrategien integrieren. Doch diese Fokussierung auf die CO₂-Bilanzierung greift zu kurz. Nachhaltigkeit ist mehrdimensional – und eine zukunftsfähige KI muss sich auch daran messen lassen.

Erweiterte Dimensionen nachhaltiger KI

Ein ganzheitlicher Nachhaltigkeitsbegriff umfasst ökologische, soziale, ökonomische und technologische Aspekte. Die Diskussion muss sich daher auf breitere Grundlagen stellen. Etwa auf die Frage, wie durch KI soziale Ungleichheiten verschärft oder abgebaut werden können – Stichwort digitale Kluft oder automatisierte Diskriminierung. Oder auf die Ressourcendimension: Was bedeutet es, wenn KI-Systeme auf seltene Erden, energieintensive Infrastruktur und Wasserverbrauch angewiesen sind? In der Theorie liefern Konzepte wie die „Doughnut Economics“ (Raworth, 2017) oder systemische Nachhaltigkeitsmodelle wie das „Triple Bottom Line“-Prinzip wertvolle Impulse für eine breitere Betrachtung. Auch feministische und dekoloniale Ansätze wie die des Afro-Asian AI Research Collective erweitern den Blick auf ethische Verteilungsgerechtigkeit in der globalen KI-Landschaft.

Beispiele, die zum Umdenken zwingen

Die theoretischen Forderungen nach einer erweiterten Sicht auf nachhaltige KI lassen sich durch zahlreiche Praxisbeispiele untermauern. In Bangladesch etwa wird KI zur Frühwarnung bei Überschwemmungen eingesetzt – ein wertvoller Beitrag zur Klimaanpassung im Globalen Süden (UN ESCAP, 2021). Gleichzeitig exportieren große Tech-Konzerne ihre energieintensiven KI-Rechenlasten in Regionen mit instabiler Stromversorgung, was Fragen nach „Data Colonialism“ aufwirft (Couldry & Mejias, 2019). Auch bei der Hardware zeigen sich Brüche: KI-Chips benötigen seltene Erden, deren Abbau häufig unter prekären Bedingungen erfolgt. Initiativen wie Fairphone AI versuchen, hier transparente Lieferketten zu etablieren, stoßen aber an Grenzen globaler Marktstrukturen.

Wo KI strategisch zur Transformation beiträgt

KI kann mehr sein als ein Werkzeug zur Effizienzsteigerung. Wenn Unternehmen den Nachhaltigkeitsbegriff ernst nehmen und nicht auf reine Berichtspflicht reduzieren, eröffnet sich ein neues Potenzial. KI kann helfen, Geschäftsmodelle zu analysieren, Szenarien für klimaneutrale Produktionsweisen zu entwickeln oder soziale Risiken in Lieferketten sichtbar zu machen. In der öffentlichen Verwaltung kann sie dabei unterstützen, Ressourcen effizienter zu verteilen, Mobilität klimafreundlich zu planen oder partizipative Prozesse zu stärken. Voraussetzung ist jedoch, dass die Implementierung strategisch angelegt ist – mit klaren Zieldefinitionen, ethischen Leitplanken und langfristiger Ausrichtung.

Der Gap zwischen Anspruch und Wirklichkeit

Derzeit zeigt sich jedoch ein deutlicher Widerspruch zwischen dem, was möglich wäre, und dem, was tatsächlich geschieht. KI wird vielfach als Mittel zur Kostensenkung oder Prozessoptimierung eingesetzt, nicht aber als Transformationswerkzeug. Die Daten, auf denen KI basiert, sind oft proprietär, intransparent und westlich dominiert. Selbstlernende Systeme werden nicht systematisch auf Biases geprüft, und ihre Wirkung auf Gesellschaft und Umwelt bleibt häufig unbeachtet. Der Nachhaltigkeitsanspruch wird dadurch zur kosmetischen Maßnahme – eine CO₂-Bilanz hier, ein Greenwashing-Versprechen dort.

Stakeholder in der Verantwortung

Eine nachhaltige KI kann nur entstehen, wenn alle relevanten Akteure ihren Beitrag leisten. Unternehmen müssen ihre Entwicklungsteams diversifizieren, Offenlegungspflichten für KI-Algorithmen schaffen und Verantwortung für die gesamte Wertschöpfungskette übernehmen. Regierungen sind gefordert, nicht nur Regularien wie den AI Act der EU zu erlassen, sondern auch Förderprogramme für nachhaltige KI-Projekte aufzulegen. NGOs und Zivilgesellschaft sollten als Kontrollinstanzen und Impulsgeber gestärkt werden. Und die Wissenschaft hat die Aufgabe, interdisziplinär zu forschen, Wissen offen zugänglich zu machen und Standards zu entwickeln, die über Effizienz hinausgehen.

Ein Aufruf zum Handeln

Wenn Sie in Ihrem Unternehmen, Ihrer Behörde oder Organisation über den Einsatz von KI nachdenken, dann stellen Sie sich bitte nicht nur die Frage nach den Einsparpotenzialen. Fragen Sie, ob Ihre KI fair ist. Ob sie transparent ist. Ob sie hilft, Ihr Geschäftsmodell zukunftsfähig zu machen – nicht nur im Sinne des Shareholder Value, sondern im Sinne gesellschaftlicher Verantwortung. Nachhaltige KI ist keine technische Disziplin, sie ist eine kulturelle Herausforderung. Und es ist an der Zeit, ihr mit derselben Ernsthaftigkeit zu begegnen wie dem Klimawandel selbst.

Quellen:

Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and Policy Considerations for Deep Learning in NLP. arXiv.
Patterson, D. et al. (2021). Carbon Emissions and Large Neural Network Training. Google.
Raworth, K. (2017). Doughnut Economics. Chelsea Green Publishing.
Couldry, N., & Mejias, U. (2019). The Costs of Connection. Stanford University Press.
UN ESCAP (2021). AI for Flood Forecasting in Bangladesh.
AI Now Institute Reports (2022–2024).
European Commission. AI Act Proposal.
Afro-Asian AI Research Collective. (2023). Ethical AI from the Global South.

Dieser Beitrag wurde ursprünglich in Ausgabe April 2025 des Magazins „ Kleine Kniffe –Das betriebliche Magazin für einen nachhaltigen Einkauf“ veröffentlicht. Wir danken der Redaktion für die freundliche Genehmigung der Zweitveröffentlichung.