Nachhaltigkeit und Technologie: Was KI und Cloud fürs Klima leisten

Wie Unternehmen mit Daten, Cloud und künstlicher Intelligenz Emissionen senken können und warum dieselben Technologien selbst immer mehr Strom brauchen
Aktualisiert:
Abstract
- #Nachhaltigkeit
- #Technologie
- #Künstliche Intelligenz
- #Cloud Computing
- #Datenanalyse
- #Umweltschutz
- #Klimawandel
- #Green Tech
- #Green IT
- #Rechenzentren
Digitale Technik kann Energie sparen helfen. Ob sie es tut, hängt davon ab, wie genau Unternehmen messen und wie sparsam sie Rechenleistung einsetzen.
Ein Logistiker plant seine Touren neu und spart Diesel. Eine Hausverwaltung steuert die Heizung nach Wetterprognose statt nach Zeitschaltuhr. Ein Onlinehändler verlegt seine Server in ein Cloud-Rechenzentrum und schaltet den eigenen Serverraum ab. In allen drei Fällen hilft Technik, Energie zu sparen. Zugleich wächst der Stromverbrauch der Rechenzentren so schnell wie lange nicht, vor allem wegen künstlicher Intelligenz.
Beides stimmt gleichzeitig, und genau das macht das Thema schwierig. Digitale Technik ist weder automatisch grün noch automatisch ein Klimaproblem. Entscheidend ist, wofür sie eingesetzt wird und ob jemand nachmisst. Der folgende Überblick zeigt, wo KI, Cloud und Datenanalyse tatsächlich Emissionen senken, wo sie neue verursachen und wie Unternehmen das Thema pragmatisch angehen.
Ohne Messung keine Klimabilanz: Carbon Footprint und Scopes
Der Carbon Footprint (CO₂-Fußabdruck) eines Unternehmens ist die Summe aller Treibhausgase, die durch seine Tätigkeit entstehen, umgerechnet in CO₂-Äquivalente. Methan oder Kältemittel zählen also mit, gewichtet nach ihrer Klimawirkung. Das international verbreitete Regelwerk dafür ist das Greenhouse Gas Protocol. Es teilt die Emissionen in drei Bereiche, sogenannte Scopes:
- Scope 1 umfasst direkte Emissionen aus eigenen Quellen: die Gasheizung im Bürogebäude, die Dieselfahrzeuge der Außendienstflotte, das Notstromaggregat.
- Scope 2 erfasst die Emissionen aus eingekaufter Energie, vor allem Strom und Fernwärme. Hier schlägt der eigene Serverraum zu Buche.
- Scope 3 enthält alle übrigen indirekten Emissionen entlang der Wertschöpfungskette: eingekaufte Waren und Dienstleistungen, Geschäftsreisen, Pendelwege, die Nutzung und Entsorgung verkaufter Produkte. Auch Cloud-Dienste landen hier, denn der Strom fließt beim Anbieter.
Für die meisten Unternehmen ist Scope 3 der mit Abstand größte und zugleich der am schwersten zu erfassende Block. Angenommen, ein mittelständischer Maschinenbauer will seine Bilanz aufstellen: Den eigenen Gasverbrauch liest er von der Rechnung ab. Für Stahl, Elektronikbauteile und Transporte braucht er dagegen Angaben seiner Lieferanten oder Durchschnittswerte aus Datenbanken. Genau an dieser Stelle wird Datenanalyse zum Werkzeug des Klimaschutzes.
Regulatorisch hat das Thema in der EU mit der Richtlinie zur Nachhaltigkeitsberichterstattung (Corporate Sustainability Reporting Directive, CSRD) Gewicht bekommen. Mit dem sogenannten Omnibus-Paket hat die EU 2025 und 2026 Fristen verschoben und den Kreis der berichtspflichtigen Unternehmen deutlich verkleinert. Viele Mittelständler müssen daher nicht selbst berichten. Fragen nach Emissionsdaten erreichen sie trotzdem, weil große Kunden und Banken diese Zahlen für ihre eigene Scope-3-Bilanz brauchen. Welche Pflichten im Einzelfall gelten, klärt die Rechts- oder Steuerberatung.
Cloud Computing: effizienter, aber nicht automatisch klimaneutral
Große Rechenzentren arbeiten in der Regel effizienter als der Serverraum im Keller. Das hat drei Gründe. Erstens die Auslastung: Ein eigener Server läuft oft rund um die Uhr, ist aber nur zu einem kleinen Teil beschäftigt. In der Cloud teilen sich viele Kunden dieselbe Hardware per Virtualisierung (mehrere virtuelle Rechner auf einem physischen). Zweitens die Kühlung: Professionelle Betreiber optimieren Luftführung, nutzen Außenluft und teils Abwärme. Drittens die Hardware selbst, die häufiger erneuert wird.
Ein gängiges Maß für die Effizienz eines Rechenzentrums ist die Power Usage Effectiveness (PUE): der gesamte Strombedarf geteilt durch den Bedarf der IT-Geräte. Ein Wert von 2 bedeutet, dass auf jede Kilowattstunde für Server eine weitere für Kühlung und Verluste kommt. Ein Wert nahe 1 heißt, dass fast der gesamte Strom in die Rechentechnik fließt. In Deutschland schreibt das Energieeffizienzgesetz Rechenzentren inzwischen Grenzwerte für die PUE vor, für neue Anlagen besonders strenge, und verlangt einen wachsenden Anteil erneuerbaren Stroms.
Was die Versprechen der Hyperscaler wert sind
Amazon, Microsoft und Google, die drei großen Cloud-Anbieter (Hyperscaler), haben ehrgeizige Klimaziele veröffentlicht: Microsoft will bis 2030 CO₂-negativ sein, Google bis 2030 rund um die Uhr mit CO₂-freiem Strom arbeiten, Amazon gibt laut eigenem Bericht an, seinen Stromverbrauch bereits vollständig mit erneuerbaren Quellen abzudecken. Zugleich meldeten Google und Microsoft in ihren Umweltberichten 2024 steigende Gesamtemissionen, vor allem durch den Ausbau von Rechenzentren für KI.
Bei solchen Angaben lohnt der Blick ins Detail. „100 Prozent erneuerbar“ heißt häufig, dass der Jahresverbrauch bilanziell durch Ökostromverträge oder Zertifikate gedeckt ist. Nachts bei Windstille kann trotzdem Kohlestrom aus dem Netz fließen. Ein ehrlicheres, aber schwierigeres Ziel ist die stündliche Deckung, wie sie Google anstrebt. Für Kunden heißt das: Die Herstellerangabe ersetzt keine eigene Bewertung.
Wann der Umzug in die Cloud etwas bringt
Angenommen, eine Steuerkanzlei betreibt drei ältere Server, die gemeinsam rund um die Uhr laufen, aber kaum ausgelastet sind. Ein Umzug in die Cloud senkt hier sehr wahrscheinlich Stromverbrauch und Emissionen, zumal die alte Hardware nicht ersetzt werden muss. Anders sieht es aus, wenn ein Team in der Cloud großzügig Ressourcen anlegt und vergisst, sie wieder abzuschalten. Dann wandert die Verschwendung nur woandershin.
Alle drei Hyperscaler bieten inzwischen Werkzeuge an, mit denen Kunden die Emissionen ihrer Cloud-Nutzung abschätzen können. Die Zahlen beruhen auf Herstellerangaben und Berechnungsmodellen, sind aber ein brauchbarer Startpunkt. Die wirksamsten Hebel sind meist unspektakulär: Testumgebungen nachts und am Wochenende abschalten, überdimensionierte Instanzen verkleinern, alte Daten löschen oder in günstigere Speicherklassen verschieben. Diese Maßnahmen senken übrigens auch die Rechnung. Welche Architektur sich für welches Unternehmen eignet, ist Gegenstand einer Beratung zu Cloud-Strategien.
Künstliche Intelligenz als Werkzeug für Effizienz
Maschinelles Lernen, also das Erkennen von Mustern in großen Datenmengen, eignet sich überall dort, wo Prognosen Energie sparen. Einige Einsatzfelder haben sich bewährt:
- Gebäude und Anlagen: Modelle sagen Belegung, Wetter und Wärmebedarf voraus und steuern Heizung, Lüftung und Kühlung vorausschauend. Ein Bürogebäude muss dann nicht am Montagmorgen alle Etagen gleichzeitig hochheizen.
- Stromnetze: Netzbetreiber und Energieversorger prognostizieren die Einspeisung aus Wind und Sonne. Je besser die Vorhersage, desto weniger Reservekraftwerke müssen bereitstehen.
- Logistik: Routenoptimierung bündelt Lieferungen, vermeidet Leerfahrten und berücksichtigt Verkehrslage. Das spart Kraftstoff und Zeit.
- Industrie: Predictive Maintenance, also vorausschauende Wartung, erkennt aus Sensordaten, wann eine Maschine ausfallen wird. Weniger Ausfälle bedeuten weniger Ausschuss und weniger Ersatzteile.
- Landwirtschaft: Bodensensoren und Satellitenbilder zeigen, wo Wasser und Dünger wirklich gebraucht werden.
Gemeinsam ist diesen Beispielen, dass die KI ein klar abgegrenztes Problem löst und das Ergebnis messbar ist: Kilowattstunden, Liter, Ausfallstunden. Das sind keine großen Sprachmodelle, sondern oft vergleichsweise kleine, spezialisierte Modelle mit geringem eigenen Energiebedarf. Wie solche Verfahren in der Produktion zusammenspielen, beschreibt der Infothek-Beitrag zu Predictive Maintenance und automatischer Qualitätskontrolle.
Der Energiehunger der KI
Die Kehrseite zeigt sich bei großen generativen Modellen. Ihr Training läuft wochenlang auf Tausenden spezialisierter Chips. Eine viel zitierte Studie von Google und der University of California in Berkeley schätzte 2021 den Strombedarf für das Training von GPT-3 auf rund 1.300 Megawattstunden. Seitdem sind die Modelle deutlich größer geworden, aktuelle Anbieter veröffentlichen solche Zahlen aber meist nicht mehr.
Inzwischen fällt zudem die Nutzung stärker ins Gewicht als das Training. Jede Anfrage an einen Chatbot kostet Rechenzeit, und Milliarden Anfragen summieren sich. Die Internationale Energieagentur (IEA) schätzte in ihrem Bericht „Energy and AI“ 2025, dass Rechenzentren 2024 rund 1,5 Prozent des weltweiten Stroms verbrauchten, und erwartet bis 2030 etwa eine Verdopplung. KI ist dabei der größte Wachstumstreiber. Hinzu kommt Wasser: Viele Rechenzentren kühlen mit Verdunstung, was in trockenen Regionen zum Konflikt mit anderen Nutzern führen kann.
Dahinter steckt ein bekanntes Muster, der Rebound-Effekt: Wird eine Technik effizienter und billiger, wird sie mehr genutzt, und der Gesamtverbrauch steigt trotzdem. Effizientere Chips allein lösen das Problem deshalb nicht.
Was Unternehmen beim KI-Einsatz tun können
Für Anwender folgt daraus keine Verzichtsempfehlung, sondern Augenmaß:
- Passende Modellgröße wählen: Für Klassifikation, Extraktion oder Zusammenfassungen reicht oft ein kleines Modell. Das große Spitzenmodell für jede Routineaufgabe ist teuer und energieintensiv.
- Nicht alles neu trainieren: Vorhandene Modelle mit eigenen Daten anzureichern, etwa per Retrieval (Abruf passender Dokumente zur Laufzeit), braucht meist viel weniger Rechenleistung als eigenes Training.
- Ergebnisse wiederverwenden: Antworten auf häufige Fragen zwischenspeichern, statt sie jedes Mal neu zu erzeugen.
- Klassische Verfahren nicht vergessen: Eine Regel, eine Datenbankabfrage oder eine Formel schlägt KI oft bei Kosten, Verlässlichkeit und Energiebedarf.
Wer Mitarbeitende im Umgang mit KI-Werkzeugen schult, kann solche Überlegungen gleich mitvermitteln. Grundlagen dazu bietet das Seminar „Einführung in Künstliche Intelligenz“.
Daten als Grundlage für Klimaentscheidungen
Ohne Daten bleibt Nachhaltigkeit ein Bauchgefühl. Viele Unternehmen beginnen deshalb mit einfachen Mitteln: Zählerstände, Tankkarten, Reisekostenabrechnungen und Einkaufsdaten werden zusammengeführt und mit Emissionsfaktoren verrechnet. Dafür gibt es spezialisierte Software für das Carbon Accounting, also die Treibhausgasbilanzierung, auch als Modul großer CRM- und ERP-Anbieter. Ob eine Tabellenkalkulation, ein Fachprogramm oder eine eigene Lösung passt, hängt vor allem von der Zahl der Standorte und Lieferanten ab.
Echtzeitdaten aus dem Internet der Dinge (IoT), also vernetzten Sensoren in Maschinen, Gebäuden und Fahrzeugen, gehen einen Schritt weiter. Angenommen, ein Kunststoffverarbeiter misst den Stromverbrauch jeder Spritzgießmaschine einzeln. Dann fällt auf, dass eine Anlage im Leerlauf fast so viel zieht wie im Betrieb, und die Abschaltung am Schichtende spart sofort Energie.
Auch öffentliche Daten helfen. Das EU-Erdbeobachtungsprogramm Copernicus und der Deutsche Wetterdienst stellen umfangreiche Klima- und Wetterdaten frei zur Verfügung. Unternehmen können damit etwa abschätzen, wie Hitzeperioden oder Starkregen Standorte und Lieferketten treffen. Klimaschutz und Anpassung an den Klimawandel gehören hier zusammen.
CO₂-bewusste Software
Ein noch junges Feld ist Carbon-aware Computing. Die Idee: Der CO₂-Gehalt des Stroms schwankt je nach Tageszeit und Wetter. Rechenjobs, die nicht sofort fertig sein müssen, etwa nächtliche Datenauswertungen oder das Training eines Modells, lassen sich in Stunden mit viel Wind- und Solarstrom verschieben. Die Green Software Foundation, ein Zusammenschluss von Unternehmen der Branche, hat dafür eine Kennzahl entwickelt, die Software Carbon Intensity. Mehr zur praktischen Umsetzung im IT-Betrieb zeigt der Infothek-Beitrag zu Green IT im IT-Betrieb.
Wo Technik selbst zum Problem wird
Neben dem Strombedarf der Rechenzentren gibt es zwei weitere Baustellen.
Hardware: Die Herstellung von Notebooks und Smartphones verursacht einen großen Teil ihrer gesamten Emissionen, bevor das Gerät zum ersten Mal eingeschaltet wird. Bei Servern überwiegt meist der Strom im Betrieb, doch auch dort entfällt ein spürbarer Teil auf die Herstellung. Rohstoffe wie Kupfer, Kobalt oder seltene Erden werden unter teils problematischen Bedingungen gewonnen, Elektroschrott wird nur zu einem Teil recycelt. Der wirksamste Hebel ist daher oft der einfachste: Geräte länger nutzen, reparieren und gebraucht weitergeben.
Blockchain: Als der Beitrag 2022 zuerst erschien, galt Ethereum als Beispiel für energieintensive Kryptowährungen. Im September 2022 stellte das Netzwerk mit dem sogenannten Merge von Proof of Work auf Proof of Stake um, ein Verfahren ohne energieaufwendiges Rechenrennen. Laut Ethereum Foundation sank der Energiebedarf dadurch um mehr als 99,9 Prozent. Bitcoin arbeitet weiterhin mit Proof of Work und verbraucht entsprechend viel Strom. Der NFT-Boom von 2021 ist inzwischen weitgehend abgeflaut. Für Lieferketten-Transparenz, das oft genannte Nachhaltigkeitsargument, reicht in vielen Fällen eine gewöhnliche Datenbank mit sauberen Zugriffsrechten.
Was das für Ihr Unternehmen bedeutet
Technik ist im Klimaschutz ein Werkzeug, keine Lösung an sich. Die größten Effekte erzielen Unternehmen meist dort, wo Digitalisierung physische Prozesse verbessert: weniger Fahrten, weniger Ausschuss, weniger Heizenergie. Die eigene IT ist dagegen oft ein kleinerer Posten, wenn auch einer, der mit KI wächst.
Unsere Einschätzung: Überschätzt werden Herstellerversprechen und Symbolprojekte, unterschätzt wird die Wirkung schlichter Maßnahmen. Wer anfangen will, kommt mit vier Schritten weit:
- Messen: eine erste Bilanz für Scope 1 und 2 aufstellen, dann die wichtigsten Scope-3-Posten schätzen.
- Die großen Posten zuerst: Gebäude, Fuhrpark und Produktion haben fast immer mehr Gewicht als die IT.
- IT aufräumen: ungenutzte Server und Cloud-Ressourcen abschalten, Geräte länger einsetzen.
- KI gezielt einsetzen: dort, wo ein messbarer Effizienzgewinn absehbar ist, und mit der kleinsten Lösung, die die Aufgabe erfüllt.
Wie sich Nachhaltigkeitsziele mit Digitalisierungsprojekten verbinden lassen, beschreibt unsere Seite zu Nachhaltigkeit und digitaler Transformation. Konkrete Maßnahmen für Rechenzentrum, Arbeitsplatz und Softwareentwicklung behandelt das Angebot zu Green IT mit Beratung und Seminaren.
Häufige Fragen zu Nachhaltigkeit, KI und Cloud
Ist die Cloud immer umweltfreundlicher als eigene Server?
Nicht immer, aber häufig. Große Rechenzentren sind meist effizienter ausgelastet und gekühlt. Der Vorteil geht verloren, wenn in der Cloud Ressourcen ungenutzt weiterlaufen oder der gewählte Standort überwiegend mit fossilem Strom versorgt wird.
Wie viel Energie verbraucht eine Anfrage an einen KI-Chatbot?
Eine verlässliche Einzelzahl gibt es nicht. Der Verbrauch hängt von Modellgröße, Länge der Antwort und Hardware ab, und die Anbieter legen ihre Werte nur teilweise offen. Klar ist: Eine Anfrage an ein großes Sprachmodell braucht deutlich mehr Rechenleistung als eine klassische Websuche.
Muss unser Unternehmen einen Nachhaltigkeitsbericht erstellen?
Das hängt von Größe, Rechtsform und Kapitalmarktorientierung ab, und die Regeln wurden auf EU-Ebene zuletzt mehrfach geändert. Auch ohne eigene Pflicht fragen Kunden, Banken und Ausschreibungen zunehmend nach Emissionsdaten. Eine verbindliche Auskunft gibt die Rechts- oder Steuerberatung.
Womit sollte ein kleines Unternehmen anfangen?
Mit den eigenen Strom-, Wärme- und Kraftstoffrechnungen. Daraus ergibt sich eine erste Bilanz für Scope 1 und 2, die meist schon zeigt, wo die größten Hebel liegen. Software und KI kommen ins Spiel, wenn Datenmengen und Standorte wachsen.
Kategorien
Schlagworte
- #Nachhaltigkeit
- #Künstliche Intelligenz
- #Cloud Computing
- #Datenanalyse