KI mit Bedacht

KI ist bei DANREC Teil des Arbeitsalltags geworden. Die Technologie unterstützt unsere internen HELIX-Systeme, KI-Assistenten, Reporting-Tools und täglichen Büroaufgaben. Mit den zahlreichen Möglichkeiten geht auch die Verantwortung einher, zu verstehen, welche Ressourcen die Technologie benötigt.

Die Entwicklung und Nutzung von KI erfordert Server, die Strom verbrauchen und gekühlt werden müssen. Je nach Kühltechnologie und Stromversorgung der Rechenzentren entstehen dabei auch Wasserverbrauch und CO₂-Emissionen. Die Europäische Kommission weist auf diese Faktoren als wesentliche Umweltauswirkungen von Rechenzentren hin.

In ihrem Bericht Energy and AI aus dem Jahr 2025 prognostiziert die Internationale Energieagentur (IEA), dass sich der weltweite Stromverbrauch von Rechenzentren zwischen 2024 und 2030 mehr als verdoppeln wird. KI gilt dabei als größter Wachstumstreiber. Die Prognose bezieht sich auf Rechenzentren insgesamt und umfasst somit auch andere Dienste als KI.

Einblick in unseren eigenen Verbrauch

Bei DANREC hat unser IT-Spezialist Paw die Umweltauswirkungen unserer aktuellen KI-Nutzung abgeschätzt und untersucht, welche Auswirkungen der Betrieb von KI auf eigener Hardware hätte.

Derzeit nutzen wir hauptsächlich Dienste von OpenAI und Anthropic, dem Unternehmen hinter Claude. Unsere internen Systeme werden lokal gehostet, während die eigentliche KI-Verarbeitung über API-Verbindungen in externen Rechenzentren erfolgt.

Paws Berechnungen zufolge verursacht unsere gesamte Nutzung – durch sieben Büromitarbeitende und unsere internen KI-Systeme – bei der externen KI-Verarbeitung schätzungsweise einen jährlichen Stromverbrauch von etwa 73–74 kWh, CO₂-Emissionen von 9–30 kg und einen Wasserverbrauch von 80 Litern.

Diese Zahlen bieten uns eine erste Grundlage, um unsere Möglichkeiten zu bewerten. Es handelt sich um Schätzungen für einen abgegrenzten Teil unserer KI-Nutzung und nicht um eine Messung des gesamten ökologischen Fußabdrucks der Technologie.

Wäre lokale KI die bessere Wahl?

Paw hat auch eine mögliche Investition in einen NVIDIA DGX Spark untersucht, mit dem sich kompatible KI-Modelle lokal betreiben ließen.

Der geschätzte jährliche Stromverbrauch liegt bei etwa 193 kWh, wenn das Gerät rund um die Uhr eingeschaltet ist, ohne aktiv belastet zu werden, und bei bis zu 2.100 kWh unter dauerhafter Volllast. Der tatsächliche Verbrauch hängt von der Betriebsdauer und der Auslastung ab. Unter den zugrunde gelegten Annahmen würde ein dedizierter lokaler Rechner unseren Stromverbrauch beim derzeitigen Nutzungsniveau daher voraussichtlich erhöhen.

Es gibt jedoch andere Gründe, lokale KI in Betracht zu ziehen. Sie könnte es ermöglichen, sensible Informationen intern zu verarbeiten, eine größere Kontrolle über Modelle und deren Entwicklung zu behalten und unsere Abhängigkeit von externen Anbietern, deren Preisen und Änderungen ihrer Dienste zu verringern.

Bei unserem derzeitigen Nutzungsumfang würde eine Investition in lokale KI-Hardware daher in erster Linie die digitale Unabhängigkeit, die Kontrolle über unsere eigenen Daten und die technologische Selbstbestimmung stärken – anstatt unmittelbar eine Verbesserung der Umweltbilanz zu bewirken.