Hallo  ,

machen wir uns nichts vor: Künstliche Intelligenz ist kontrovers. Recherchieren, redigieren, zusammenfassen, strukturieren – für viele Medienschaffende läuft ein Sprachmodell inzwischen den halben Arbeitstag mit.

Jenseits von individuellem Nutzen oder Nichtnutzen hält sich ein Einwand hartnäckig: dass Künstliche Intelligenz Unmengen an Strom und Wasser verbraucht und so die Klimakrise beschleunigt. Im aktuellen Sommer erleben wir, welche teils drastischen Auswirkungen sehr hohe Temperaturen haben. Die 41,8 Grad, die der DWD in Möckern-Drewitz bestätigt hat, sind ein historischer Rekord. In genau diese heiße Phase fällt der unaufhaltsame Boom von Rechenzentren für generative KI.

Treibt unser Drang nach KI die Erwärmung also weiter an?

KI ist nicht gleich KI

Auf die Frage, welche Rolle KI bei der Klimaerwärmung spielt, gibt es keine pauschale Antwort. Das Problem beginnt beim Begriff selbst. „Künstliche Intelligenz“ ist so unscharf geworden, dass ganz unterschiedliche Technologien im selben Wort baden.

Manche davon, etwa die Optimierung von Lieferketten oder die Beschleunigung der Materialforschung, haben tatsächlich das Potenzial, langfristig zur Eindämmung der Erwärmung beizutragen. In der Praxis meint „KI“ meist aber Large Language Models. Wer „KI“ sagt, spricht für gewöhnlich über ChatGPT und eher nicht über Smart-Grid-Systeme zur Senkung des Stromverbrauchs.

In der breiten medialen Berichterstattung über generative Technologien passiert übrigens oft dasselbe.

Du bist (nicht) das Problem

Wie hoch ist der ökologische Fußabdruck einer einzelnen Anfrage an ein LLM? Pauschal lässt sich das nicht beziffern. Er hängt von Modellgröße, Serverauslastung, Rechenzentrumseffizienz und vor allem vom Strommix am jeweiligen Standort ab, der zwischen fast klimaneutral und stark fossil schwankt. Einzelne Anfragen sind aber auch die falsche Bezugsgröße, weil KI im Wesentlichen auf der Infrastrukturebene passiert.

Irland zeigt, was das heißt. Das Land hat sich über Jahrzehnte als Tor nach Europa für die großen Techkonzerne positioniert: niedrige Steuern, gute Netze, wenig Regulierung. 23 Prozent des gesamten irischen Stromverbrauchs gehen heute auf Rechenzentren zurück, im EU-Schnitt sind es zwei bis drei Prozent. Wer eine Anfrage durch diese Rechenzentrumsinfrastruktur schickt, entscheidet damit mehr über den Fußabdruck als mit der Formulierung des Prompts.

Um es kurz zu machen: den LLM-bedingten ökologischen Fußabdruck auf null zu reduzieren ist nicht möglich. Es sei denn, du verzichtest komplett auf LLMs und vermeidest jedes Produkt, an dessen Entstehung LLMs beteiligt waren. Und da inzwischen sogar die Google-Suche bei einem großen Teil der Anfragen eine LLM-basierte KI-Schicht mitlaufen lässt, ist das gar nicht so einfach.

Schadensbegrenzung fängt bei KI-Kompetenz an

Das heißt aber nicht, dass Medienschaffende nichts tun können, um den Schaden so gering wie möglich zu halten. Die gute Nachricht für das Klima (und deinen Geldbeutel) lautet, dass nicht jeder KI-Einsatz in den Medien die leistungsfähigsten Modelle benötigt.

Eine Transkription, eine Zusammenfassung eines Textes, das Strukturieren von Notizen oder die Erstellung von Metadaten sind Aufgaben, die häufig auch mit kleineren oder spezialisierten Modellen gelöst werden können. Ein großes Frontier-Modell wie Fable 5 oder GPT-5.6 ist nicht automatisch die bessere Wahl und wäre in vielen Fällen Overengineering.

Nachhaltiger KI-Einsatz beginnt deshalb mit der Auswahl des Werkzeugs. Brauche ich für diese Aufgabe überhaupt ein generatives Modell? Welches liefert die nötige Qualität und reicht dafür ein kleineres? Lässt sich die Verarbeitung lokal erledigen, auf eigener Hardware oder auf Servern mit transparenter Energiebilanz, statt jede Eingabe über transatlantische Infrastruktur zu schicken?

Open-Source-Modelle sind für viele dieser Fälle eine veritable Alternative. Sie sind kostenlos und nach dem Setup oft die verlässlichere Option, um stabile Workflows zu bauen.

Jedes Modell ist anders

Eine der größten Herausforderungen bei der KI-Nutzung in Organisationen ist ein fehlendes Verständnis für die Unterschiede zwischen Modellen. Modelle sind aber keine austauschbaren Varianten desselben Werkzeugs. Sie unterscheiden sich in ihren Fähigkeiten, ihren Kosten, ihrer Geschwindigkeit und ihrem Ressourcenverbrauch. Wer diese Unterschiede nicht kennt, trifft keine bewusste Entscheidung.

In unserer neuesten Machbarkeitsstudie hat unser Reallabor-Team bewusst zu einem quelloffenen, vollständig lokal betreibbaren Modell gegriffen. Entstanden ist daraus ein Prototyp, der eigenständig plant, passende Werkzeuge auswählt und Echtzeitinformationen wie Wetter und Öffnungszeiten einbezieht. Je nach verfügbarer Hardware schwankt zwar die Bearbeitungszeit, aber nicht die Qualität des Ergebnisses.

Es braucht eben nicht immer das stärkste, ressourcenintensivste Modell. Überarbeite deine nächsten Texte zum Test mit den kleineren Modellvarianten.

Und falls du wirklich keinen Unterschied merkst: Dann weißt du, wo du in Zukunft ansetzen kannst.

Bis bald in der Grauzone KI

Felix Rieger

KI-Kompetenzzentrum Medien (KI.M)

Inhaltliche Mitarbeit: Giulia Neumeyer
Redaktionelle Mitarbeit: Kerstin Bauer

Art. 50 KI-VO: Ab dem 2. August muss KI-Content unter Umständen gekennzeichnet werden.

Welche Inhalte konkret betroffen sind, wie die Rechtsfolgen aussehen und was Medienschaffende tun können, hat Dr. Carolin Gierth, Juristische Leitung des KI.M, für unser Web-Angebot aufbereitet.

KI-Reallabor-Abschlussbericht 26/01: 
Agentische Reiseassistenz mit Interleaved Thinking

Verlagsdaten sind wertvoll. In der KI-Transformation drohen sie unterzugehen – und dieses Projekt erprobt zusammen mit dem Rother Bergverlag und dem Michael Müller Verlag, wie sie nutzbar bleiben können. Repository und Projektdokumentation sind jetzt verfügbar.

Wurde dir dieser Newsletter weitergeleitet? Falls du monatlich von uns hören möchtest, kannst du dich hier für künftige Ausgaben anmelden.