MÖGLICHER NUTZEN
Was wird besser?
Energie steuernMaterial sparenWissen erschließen
NACHHALTIGE KI-IMPLEMENTIERUNG IM UNTERNEHMEN
Nachhaltige KI im Unternehmen
Bewusst entscheiden.
Wirksam umsetzen.
Wie bringen wir KI und Nachhaltigkeit im Unternehmen zusammen? Indem wir Nutzen, Ressourcen, Menschen und gesellschaftliche Folgen gemeinsam betrachten.
KI kann verbessern, beschleunigen und entlasten. Sie braucht aber auch Strom, Infrastruktur und Kontrolle. Entscheidend ist die Wirkung im gesamten Prozess.
01 / ZWEI SEITEN EINER ENTSCHEIDUNG
KI für Nachhaltigkeit.
Nachhaltigkeit der KI.
Ein Nachhaltigkeitsbericht wird nicht schon dadurch nachhaltiger, dass eine KI ihn schreibt. Zeitgewinn und Umweltentlastung sind unterschiedliche Ergebnisse.
Gleiche Aufgabe.
Gesamte Wirkung.
Gesamte Wirkung.
ZUSÄTZLICHER AUFWAND
Was kostet es?
Strom & KühlungHardwarePrüfung & Nacharbeit
Chancen und Belastungen genauer einordnen
Wo KI helfen kann
- Energie- und Ressourcenbedarf besser analysieren.
- Wartung und Materialeinsatz unterstützen.
- Informationen für Entscheidungen aufbereiten.
Ob das gelingt, hängt von Daten, Anwendungsfall und Umsetzung ab. [1]
DIE GRÖSSENORDNUNG
Effizienter pro Aufgabe.
Mehr Bedarf insgesamt.
Die IEA erwartet in ihrer Analyse 2026 nahezu eine Verdopplung des weltweiten Rechenzentrums-Strombedarfs bis 2030. KI ist ein wichtiger Wachstumstreiber. Die Zahlen umfassen alle Rechenzentren, nicht nur KI. [1]
05001.000 TWh/Jahr
02 / BEWUSST PROMPTEN
Weniger Umwege.
Bessere Aufträge.
Token sind Textbausteine, keine Energieeinheit. Weniger unnötige Ein- und Ausgabe kann Rechenarbeit reduzieren. Wie viel Energie das spart, hängt unter anderem von Modell, Hardware, Auslastung und Kontext ab. [5]
01 / AUSWÄHLENPassende QuelleNur relevante Auszüge
02 / FOKUSSIERENKonkrete AufgabeZiel und Grenzen nennen
03 / BEGRENZENPrüfbare AusgabeFormat und Länge festlegenEin klarer Auftrag spart Schleifen.
ZIEL · QUELLE · FORMAT · GRENZE
Prüfe den freigegebenen Berichtsauszug auf drei unbelegte Nachhaltigkeitsaussagen. Ausgabe als Tabelle: Aussage | fehlender Beleg | Rückfrage. Maximal 150 Wörter. Nutze nur den Auszug. Fehlende Informationen markieren, nichts ergänzen.
Dieser Auftrag ist länger, aber genauer. Er kann unnötige Antworten und Nachfragen vermeiden. Eine Einsparung ist damit noch nicht gemessen.
Nur so viel Ergebnis anfordern, wie die Aufgabe braucht.
Passende Auszüge statt pauschal ganze Archive mitsenden.
Rechenregel oder Suche prüfen, dann das kleinste ausreichend gute Modell testen.
Geprüfte Ergebnisse wiederverwenden; auf Aktualität und Rechte achten.
Was bringen Caching, kurze Antworten und kleinere Modelle?
Caching: Geprüftes wiederverwenden
- Ergebnisse oder bereits verarbeiteten Kontext wiederverwenden.
- Aktualität und erlaubte Nutzung prüfen.
- Wirkung und Kosten hängen von der technischen Umsetzung ab.
Kurze Antworten: Ausgabe begrenzen
- Nur die benötigte Antwortlänge anfordern.
- Unnötige Varianten und lange Wiederholungen vermeiden.
Eine Studie zu offenen Modellen fand einen stärkeren Einfluss der Ausgabe- als der Eingabetoken auf den GPU-Energiebedarf. Das ist kein universeller Cloud-Umrechnungsfaktor. [5]
Kleinere Modelle: passend auswählen
- Kleinere oder quantisierte Modelle an derselben Aufgabe testen.
- Die gleichen Qualitätsanforderungen anwenden.
- Korrekturläufe, interne Verarbeitung und zusätzliche Tool-Aufrufe mitrechnen.
Qualität: Aufträge bewusst gestalten
- Überflüssigen Kontext und endlose Agentenschleifen vermeiden.
- Notwendige Sicherheitsanweisungen beibehalten.
- Die Güte des freigegebenen Ergebnisses bleibt entscheidend.
RECHENBEISPIEL · FREI ANPASSBAR
Token sparen sichtbar machen.
Vergleiche nur das angeforderte Ausgabevolumen eines Arbeitsablaufs. Das Beispiel berechnet weder Strom noch CO₂.
Ausgabetoken pro Monat
Vorher800.000Nachher250.000
68,8 % weniger550.000 Ausgabetoken weniger
Annahme: gleiche Aufrufzahl und ausreichend gute Ergebnisse. Eingabe, interne Verarbeitung und weitere Versuche sind nicht enthalten. Die prozentuale Token-Reduktion ist nicht auf den Energieverbrauch übertragbar.
03 / VON DER IDEE IN DEN BETRIEB
Nachhaltig implementieren
heißt: bewusst begrenzen.
Mein Vorgehen verbindet die sechs Beratungsphasen mit konkreten Umwelt-, Qualitäts-, Ethik- und Verantwortungsfragen. Die folgenden Schritte sind mein Vorschlag für die Praxis.
01Ziel und Wirkung klären
Welches Problem lösen wir? Ist KI nötig? Vergleich mit einem Prozess ohne KI oder einer einfachen Automatisierung festlegen.
Nachweis: Ausgangswert, messbares Ziel und eine gemeinsame Bezugseinheit, zum Beispiel ein fachlich freigegebener Berichtsteil.
02Prozess und Daten verstehen
Datenherkunft, Rechte, Betroffene, Übergaben und Nacharbeit erfassen. Energie- und Kostendaten des bisherigen Ablaufs sammeln; fehlende Messwerte offen kennzeichnen.
Nachweis: Prozesskarte, Datenverantwortliche und vereinbarte Grenzen der Bilanz.
03Den passenden Pilot wählen
Einen kleinen, häufigen und prüfbaren Anwendungsfall auswählen. Modelle und Anbieter nach Qualität, Ressourcenbedarf, Verträgen und verfügbaren Nachweisen vergleichen.
Nachweis: Begrenzter Umfang, Erfolgskriterien, Aufrufbudget, geprüfte Risiken und klare Abbruchregeln.
04Gemeinsam erproben
Mit freigegebenen Daten testen. Prompts, passende Modellauswahl und Wiederverwendung optimieren. Mitarbeitende und ihre Vertretungen einbeziehen, Lernzeit vorsehen und den Umgang mit Fehlverhalten üben.
Nachweis: Prototyp mit Versionen, Gesamtaufwand, Fehlern und Nutzerfeedback.
05Qualität und Wirkung prüfen
Gleiche Aufgaben mit und ohne KI vergleichen. Benachteiligung und Auswirkungen auf Betroffene mitprüfen. Korrekturen, Fehlversuche, Prüfzeit und Betrieb mitrechnen. Wo möglich Energie messen; Schätzungen getrennt ausweisen.
Nachweis: Prüfprotokoll und begründete Entscheidung: fortführen, verändern oder stoppen.
06Übergeben und befähigen
Rollen, Schulung, Rückfallweg, Beschwerdeweg und Wartung festlegen. Monatlich Gesamtverbrauch und Aufrufzahlen prüfen. Ungenutzte Anwendungen abschalten.
Nachweis: Betriebsplan mit verantwortlicher Person, Überprüfungstermin und Nutzungsgrenzen.
Human-in-the-Loop
Menschen müssen prüfen können, Fehler erkennen und eine Verarbeitung stoppen dürfen. Dazu brauchen sie Zeit, Wissen, Zugriff auf Quellen und echte Entscheidungsrechte.
Welche Kennzahlen gehören auf mein Steuerungsblatt?
Qualität
- Anteil fachlich akzeptierter Ergebnisse.
- Kritische Fehler und notwendige Nacharbeit.
Aufwand
- Zeit pro freigegebenem Ergebnis.
- Kosten einschließlich fachlicher Prüfung.
Umwelt
- kWh und CO₂e pro Ergebnis mit dokumentiertem Emissionsfaktor.
- Hardwareanteile und Bilanzgrenzen offenlegen.
- Wasser gesondert betrachten.
Gesamtnutzung
- Aufrufe und Ressourcenverbrauch pro Monat.
- Einsatz neu bewerten, wenn die Menge schneller wächst als die Effizienz.
Angelehnt an die SCI-Logik: betriebliche und anteilige herstellungsbedingte Emissionen auf eine definierte Leistung beziehen. Token oder Euro allein sind kein CO₂-Nachweis. [3]
04 / ETHIK & GESELLSCHAFTLICHE VERANTWORTUNG
Wem nützt KI?
Wer trägt die Folgen?
Für mich gehört zur Nachhaltigkeit auch, wie wir mit Menschen, Wissen und Macht umgehen. Rechtliche Zulässigkeit ist der Ausgangspunkt. Gute Beratung macht zusätzlich Zielkonflikte sichtbar und bezieht Betroffene ein.
Teilhabe ermöglichen
Wissen zugänglich machen. Menschen beim Wandel mitnehmen.
Wie ich das umsetze
Chancen und Risiken
- Chance: Routinearbeit erleichtern und Wissen zugänglich machen.
- Risiko: Aufgaben fallen weg, Kompetenzen gehen verloren oder neue Hürden entstehen.
Mein Ansatz
- Beteiligen: Beschäftigte und ihre Vertretungen früh einbeziehen.
- Lernen: Zeit für den Kompetenzaufbau einplanen.
- Zugang schaffen: Barrierearme Angebote gestalten.
Menschen schützen
Fair prüfen. Widerspruch und Korrektur ermöglichen.
Wie ich das umsetze
Worauf ich achte
- Entscheidungen: Auch schnelle Ergebnisse können unfair oder falsch sein.
- Betroffene: Fehler ansprechen und einen Menschen erreichen können.
Mein Ansatz
- Prüfen: Benachteiligung gezielt testen.
- Offenlegen: Fachliche Grenzen dokumentieren.
- Korrigieren: Verbindliche Wege für Widerspruch und Nachbesserung festlegen.
Folgen mittragen
Nutzen und Lasten über das Unternehmen hinaus betrachten.
Wie ich das umsetze
Über das Unternehmen hinaus
- Umwelt und Menschen: Belastungen für Anwohner, Stromnetze und Lieferketten berücksichtigen.
- Abwägung: Produktivitätsgewinne können mit Belastungen andernorts einhergehen.
Mein Ansatz
- Bilanzieren: Nutzen und Lasten gemeinsam betrachten.
- Abhängigkeiten: Die Bindung an Anbieter prüfen.
- Öffentlichkeit: Folgen veröffentlichter KI-Inhalte mitbedenken.
Eigene Beratungsprinzipien und Prüffragen. Die Abwägung erfolgt am konkreten Anwendungsfall – ein allgemeines Ethik-Siegel lässt sich daraus nicht ableiten.
HUMAN-IN-THE-LOOP
Die Entscheidung bleibt bei Menschen.
KI schlägt vorEntwurf + QuellenMensch prüftFakten · Folgen · GrenzenFreigebenVersion dokumentierenBei Fehlern oder offenen RisikenZur Überarbeitung zurückgeben oder stoppen.
Was Menschen dafür brauchen
Eine benannte Person kann Ergebnisse prüfen, korrigieren, zurückweisen und den Ablauf stoppen. Leitung und Organisation müssen dafür Kompetenz, Zeit und Befugnisse bereitstellen. Eine Freigabe darf kein bloßer Klick sein.
EU AI Act: den konkreten Einsatz einordnen
01 · Einsatz einordnen
- Risiko prüfen: Verbotene Praktiken, Hochrisiko-Anwendungen, bestimmte Transparenzpflichten und Anwendungen mit geringem Risiko unterscheiden.
- Kontext beachten: Die Branche allein bestimmt die Einstufung nicht.
- Modelle einbeziehen: Für Modelle mit allgemeinem Verwendungszweck gelten zusätzliche Regeln. [6]
02 · Projektstart vorbereiten
- Zweck und Rolle: Anwendung sowie Anbieter- oder Betreiberrolle klären.
- Kontrollen: KI-Kompetenz, menschliche Aufsicht und Dokumentation prüfen.
- Weitere Rechte: Datenschutz und Urheberrecht bleiben auch bei geringem KI-Risiko relevant.
Fristen dokumentieren: Gestaffelte Termine und Übergangsregeln beachten. Vor dem Einsatz die geltende Fassung und den aktuellen EU-Zeitplan einschließlich einschlägiger Änderungen prüfen und dokumentieren. [6]
Datenschutz & Urheberrecht: Rechte vor Nutzung klären
Datenschutz · Daten gezielt prüfen
- Zweck und Grundlage: Rechtsgrundlage und notwendige Daten klären.
- Verarbeitung: Vertragsrollen, Speicherung, Löschung und Trainingsnutzung prüfen.
- Zugriffe: Berechtigungen und Drittlandübermittlungen betrachten.
- Folgenabschätzung: Prüfen, ob eine Datenschutz-Folgenabschätzung erforderlich ist. [8]
Urheberrecht · Rechte klären
- Ausgangsmaterial: Rechte und Nutzungsbedingungen prüfen.
- Eigener Beitrag: Werkschutz setzt eine persönliche geistige Schöpfung voraus.
- Überarbeitung: Schutz ist möglich, entsteht aber nicht automatisch. Maßgeblich ist der konkrete schöpferische Beitrag. [9]
Bei der Tool-Auswahl: Ein Enterprise-Tarif allein garantiert keine rechtskonforme Nutzung.
Transparenz & Fairness: prüfen statt nur erklären lassen
Transparenz · Nachweise sichern
- Quellen: Verwendete Belege und eine kurze überprüfbare Begründung festhalten.
- Versionen: Annahmen, Modell, Prompt und Testergebnisse dokumentieren.
- Kennzeichnung: KI-Inhalte für die Zielgruppe angemessen kenntlich machen.
Fairness · Unterschiede prüfen
- Testen: Mit zulässigen, geeigneten Testdaten Betroffenengruppen, Sprache und Zugangsbarrieren untersuchen.
- Auswerten: Fehler nach Gruppen betrachten und Rückmeldungen einholen.
- Handeln: Bei Benachteiligung nachbessern oder stoppen.
Grenzen kennen: Eine ausgegebene „Gedankenkette“ ist kein verlässlicher Einblick in die tatsächliche Ergebnisentstehung; relevante Einflüsse können unerwähnt bleiben. [10] Der Prompt „Sei fair“ ersetzt keine Kontrolle.
Verantwortung & Haftung: Rollen eindeutig festlegen
Verantwortung · Vor dem Pilot klären
- Fachlich und technisch: Zuständigkeiten eindeutig benennen.
- Freigabe: Entscheidungsrechte und verantwortliche Rollen festlegen.
- Vorfälle: Eskalation und Behandlung von Fehlern verbindlich regeln.
Haftung · Den Einzelfall prüfen
- Prüffaktoren: Vertragspflichten, Rechtsverletzung und Verschulden.
- Zusammenhang: Schaden und Ursächlichkeit berücksichtigen.
- Rechtsfragen: Mit den zuständigen Funktionen klären. §§ 280 und 823 BGB sind mögliche Anknüpfungspunkte, keine vollständige Übersicht. [11]
Wichtig für die Einordnung: Organisatorische Verantwortung bedeutet keine pauschale persönliche Haftung jedes Anwenders.
NIST AI RMF / VERANTWORTUNG IM ALLTAG
Vier Funktionen, die zusammenwirken.
Das freiwillige NIST AI Risk Management Framework strukturiert den Umgang mit KI-Risiken. Es unterstützt die Organisation von Kontrollen, ist aber kein Nachweis der Rechtskonformität. [7]
GOVERNSteuern
Rollen, Regeln und Verantwortung verankern.
MAPErfassen
Kontext, Betroffene und mögliche Folgen verstehen.
MEASUREMessen
Risiken und Wirkung systematisch untersuchen.
MANAGEHandhaben
Maßnahmen priorisieren, umsetzen und überwachen.
Govern begleitet den gesamten Lebenszyklus. Die Funktionen greifen ineinander; sie sind keine einmalige lineare Checkliste.
Allgemeine Orientierung zum Quellenstand 09.09.2026. Die konkrete rechtliche Einordnung erfolgt im jeweiligen Projekt.
05 / TRANSFER AUF MEINE ARBEITSPROBE
Ein Berichtsteil.
Ein klarer Nachweis.
Mein Vorschlag für den Einstieg: ein freigegebener Auszug aus dem Nachhaltigkeitsbericht.
So würde ich beginnen
- Quellen zuordnen.
- Aussagen prüfen.
- Einen begrenzten Entwurf vorbereiten.
Daran würde ich den Erfolg prüfen
- Bearbeitungszeit einschließlich Fachprüfung.
- Fehlerquote und Zahl der Aufrufe.
- Energieaufwand, soweit verfügbar.
Die sechs Prüfschritte
- 01Datenprüfung
- 02Quellenprüfung
- 03Regulatorik
prüfung - 04Plausibilitäts
prüfung - 05Fachliche Freigabe
- 06Finale Freigabe
Ein schneller erstellter Bericht belegt noch keine vermiedenen Emissionen.
Meine Arbeitsprobe: Evaluation & Qualität →Auch diese Seite hat einen Ressourcenbedarf. Dreizehn KI-Bildmotive werden auf dieser Seite verwendet und wurden für die Darstellung komprimiert. Daraus wird keine Aussage über Klimaneutralität abgeleitet.
QUELLEN & EINORDNUNG
Belege vor Versprechen.
Redaktioneller Stand: 09.09.2026. Zahlen, Prognosen und eigene Beratungsempfehlungen sind getrennt. Forschungsbefunde sind nicht automatisch auf jeden Dienst übertragbar.
Alle 11 Quellen und Einordnungen anzeigen
- IEA (2026): Key Questions on Energy and AIStrombedarf 2025/2030, Chancen und Grenzen. Projektionen sind keine Messwerte der Zukunft.
- Umweltbundesamt: RechenzentrenLebenszyklus und begrenzte Aussagekraft von PUE.
- Green Software Foundation: Software Carbon IntensityMethodik zur Bezugseinheit, Betrieb und Hardwareanteilen; kein Messwert dieser Arbeitsprobe.
- Umweltbundesamt (2026): Rebound-Effekte durch digitale Leistungen und ProdukteWarum Effizienzgewinne durch Mehrnutzung aufgezehrt werden können.
- From Prompts to Power: Measuring the Energy Footprint of LLM Inference (2025)Forschungsarbeit auf arXiv, Messungen an offenen Modellen und konkreter GPU-Infrastruktur; keine universelle Cloud-Bilanz.
- Europäische Kommission: AI ActRisikobasierter Rahmen, Rollen und zusätzliche Modellregeln. Aktueller Zeitplan und Übergangsregeln.
- NIST: AI Risk Management FrameworkFreiwilliger Rahmen mit Govern, Map, Measure und Manage. AI RMF 1.0 wird überarbeitet.
- Datenschutzkonferenz (2024): KI und DatenschutzOrientierungshilfe für Auswahl, Einführung und Nutzung von KI-Anwendungen.
- § 2 UrheberrechtsgesetzSchutz setzt eine persönliche geistige Schöpfung voraus; keine automatische Schutzfähigkeit durch Überarbeitung.
- Anthropic (2025): Reasoning models don’t always say what they thinkEmpirische Untersuchung ausgewählter Modelle und Tests; begrenzte Verlässlichkeit ausgegebener Gedankengänge.
- § 823 BGB: SchadensersatzpflichtErgänzend § 280 BGB: vertragliche Pflichtverletzung. Beispiele für Anspruchsgrundlagen; keine vollständige Haftungsprüfung.
