KI und nachhaltige Digitalisierung: Innovation und Sparsamkeit verbinden

Der CO2-Fussabdruck der KI: ein Governance-Thema

Generative KI zählt zu den energiehungrigsten Digitaltechnologien überhaupt. Das Training eines grossen Sprachmodells (LLM) wie GPT-4 entspricht mehreren Hundert Tonnen CO2. Eine einzelne ChatGPT-Anfrage zieht rund zehnmal so viel Energie wie eine klassische Google-Suche.

Für Schweizer Unternehmen wirft das eine strategische Frage auf: Wie lässt sich generative KI nutzen und gleichzeitig die eigenen Verpflichtungen zu nachhaltiger Digitalisierung sowie die Klimaziele des Bundes einhalten? Die Frage gewinnt an Schärfe, da sich generative KI in den B2B-Strategien in der Schweiz festsetzt.

Schlüsselzahlen zum KI-Energieverbrauch

Bevor man über Lösungen spricht, lohnt sich ein Blick auf die Grössenordnungen:

• GPT-3-Training: rund 1'287 MWh Strom und 552 Tonnen CO2-Emissionen – Studie der University of Massachusetts Amherst (2021).
• GPT-4-Training: Schätzungen übersteigen 50 GWh, also den Jahresverbrauch von mehr als 10'000 Schweizer Haushalten.
• Eine ChatGPT-Anfrage: zwischen 0,001 und 0,01 kWh, gegenüber rund 0,0003 kWh bei einer Google-Suche.
• Wasserverbrauch: Microsoft meldete 2022 einen Anstieg um 34 %, grösstenteils auf die Kühlung der KI-Rechenzentren zurückzuführen.
• Globale Projektion: Die Internationale Energieagentur (IEA) erwartet, dass der Stromverbrauch der Rechenzentren bis 2026 doppelt so hoch sein könnte und 1'000 TWh übersteigt – das Äquivalent des japanischen Verbrauchs.

Diese Zahlen sind keine Abstraktionen. Sie schlagen sich in Stromrechnungen, CO2-Bilanzen und Reputationsrisiken nieder, sobald Unternehmen KI ohne Augenmass einsetzen.

Die drei Quellen der Umweltauswirkungen

Das Training der Modelle

Die intensivste Phase ist das Training. Ein Modell wie GPT-4 verlangt nach Tausenden von GPU, die über Monate laufen. Laut der University of Massachusetts kann das Training eines einzigen grossen Modells so viel CO2 freisetzen wie fünf Autos über ihren gesamten Lebenszyklus.

Die gute Nachricht: Diese Phase übernehmen die Anbieter (OpenAI, Anthropic, Google), nicht die Anwenderunternehmen.

Die tägliche Inferenz

Die Inferenz – jede an ein LLM gesandte Anfrage – verursacht in der Summe erhebliche Energiekosten. Bei Millionen Anfragen pro Tag übersteigt der Gesamtverbrauch durch Inferenz inzwischen den des Trainings.

Auf diesen Hebel haben Unternehmen unmittelbaren Einfluss.

Die physische Infrastruktur

Die Rechenzentren, in denen die KI-Modelle laufen, brauchen massive Kühlsysteme und enorme Wassermengen. Das Rennen um GPU treibt zudem den Abbau seltener Erden voran.

Die Schweizer Landschaft der Rechenzentren und Energie

Beim Datenhosting hat die Schweiz in Europa eine Sonderstellung. Im Land sind über 90 kommerzielle Rechenzentren in Betrieb, vor allem in den Kantonen Zürich, Genf und Waadt. Mehrere Faktoren machen das Territorium für einen verantwortungsvollen KI-Einsatz besonders attraktiv:

• Dekarbonisierter Strommix: rund 60 % Wasserkraft und 30 % Kernkraft. Die Schweiz emittiert im Schnitt 26 g CO2 pro produzierte kWh, gegenüber 385 g in Deutschland und über 400 g in den USA.
• Kühlfreundliches Klima: Gemässigte Temperaturen erlauben über grosse Teile des Jahres Free Cooling und senken den Kühlenergiebedarf um 30 bis 50 %.
• Regulatorische und politische Stabilität: ein verlässlicher Rechtsrahmen, der das Vertrauen internationaler Unternehmen stärkt.
• Nähe zu Forschungseinrichtungen: EPFL und ETH Zürich gehören weltweit zur Spitze, wenn es um die Effizienz von KI-Modellen und um nachhaltige Informatik geht.

KI-Workloads auf Schweizer Infrastruktur zu betreiben, bringt also einen handfesten Vorteil beim CO2-Fussabdruck gegenüber Rechenzentren in den USA oder in Asien.

5 Praktiken für verantwortungsvolle KI im Unternehmen

1. Für jede Aufgabe das passende Modell wählen

Nicht jeder Anwendungsfall verlangt nach GPT-4 oder Claude Opus. Für Textklassifikation, E-Mail-Triage oder einfache Antwortgenerierung verbraucht ein kompaktes Modell (GPT-4o mini, Claude Haiku, Mistral Small) 10- bis 50-mal weniger Energie – bei oft vergleichbarer Qualität.

Die Faustregel: das kleinste Modell nehmen, das die Aufgabe meistert.

2. Prompts optimieren und Tokens drücken

Gut strukturierte Prompts führen zu kürzeren und präziseren Antworten. Jedes eingesparte Token senkt den Verbrauch. In Prompt Engineering zu investieren ist gleichzeitig ein Leistungs- und ein Sparsamkeitshebel.

3. Wiederkehrende Antworten cachen

Wenn Ihr KI-Chatbot 50-mal pro Tag dieselbe Frage beantwortet, gibt es keinen Grund, jedes Mal das LLM zu bemühen. Ein semantischer Cache spielt für ähnliche Anfragen die bereits erzeugten Antworten zurück.

4. Engagierte Anbieter bevorzugen

Manche Cloud-Anbieter speisen ihre Rechenzentren mit erneuerbarer Energie. In der Schweiz profitieren die Rechenzentren von einem bereits weitgehend dekarbonisierten Strommix (Wasser, Kernkraft). Wer auf Schweizer oder europäisches Hosting setzt, drückt den CO2-Fussabdruck gegenüber einem gasbetriebenen amerikanischen Rechenzentrum.

5. Messen und ausweisen

Was nicht gemessen wird, lässt sich nicht verbessern. Bauen Sie das Monitoring des KI-Verbrauchs in Ihr CSR-Reporting ein. Werkzeuge wie CodeCarbon oder ML CO2 Impact schätzen den CO2-Fussabdruck Ihrer KI-Nutzung.

Auswirkungen für Schweizer Unternehmen

DSG-Konformität und digitale Verantwortung

Seit September 2023 verschärft das revidierte Bundesgesetz über den Datenschutz (revDSG) die Anforderungen an Transparenz und Bearbeitung von Personendaten. Generative KI wirft direkte Fragen auf: Werden die an die LLM übermittelten Daten DSG-konform bearbeitet? Erfüllen ausserhalb der Schweiz gehostete Modelle die Anforderungen an grenzüberschreitende Übermittlungen?

Ein verantwortungsvoller Ansatz umfasst:

• Datenflüsse kartieren, die an KI-Dienste gehen, und die Rechtsgrundlagen der Bearbeitung dokumentieren.
• On-Premise- oder in der Schweiz gehostete Lösungen bevorzugen bei sensiblen Daten (Kunden-, HR-, Finanzdaten). Die Wahl zwischen SaaS und Massanfertigung wirkt sich hier unmittelbar aus.
• Nutzer informieren, sobald KI in die Bearbeitung ihrer Personendaten eingebunden ist.

Green-IT-Zertifizierungen und -Labels

Mehrere Rahmenwerke helfen Schweizer Unternehmen, ihren Ansatz zu strukturieren und sichtbar zu machen:

• ISO 14001 (Umweltmanagement): lässt sich auf das Management der IT-Infrastruktur anwenden.
• Label Numérique Responsable (INR): ein französisches Referential, in der Westschweiz zunehmend anerkannt; deckt Strategie, Beschaffung, Nutzung und Lebenszyklus des Digitalen ab.
• Swiss Digital Initiative: von Doris Leuthard getragen, fördert Vertrauen und Verantwortung im Digitalen. Ihr Digital Trust Label ist für KI-Einsätze direkt einschlägig.
• Science Based Targets initiative (SBTi): für Unternehmen, die ihren CO2-Pfad – inklusive des digitalen Fussabdrucks – am Pariser Abkommen ausrichten wollen.

Wettbewerbsvorteil und Kundenerwartungen

In der Schweiz geben 73 % der Konsumentinnen und Konsumenten an, dass Umweltpraktiken ihre Kaufentscheidungen beeinflussen (Deloitte 2024). Im B2B kommen in Ausschreibungen zunehmend CSR- und Sparsamkeitskriterien zum Zug. Verantwortungsvolle KI ist damit nicht mehr nur eine Frage der Ethik: Sie ist ein kommerzielles Unterscheidungsmerkmal.

Die Schweiz, ein potenzielles Modell

Die Schweiz hat einzigartige Trümpfe in der Hand, um eine Vorreiterrolle bei nachhaltiger Digitalisierung im KI-Einsatz zu spielen:

• Einen Strommix, der weltweit zu den saubersten gehört (60 % Wasserkraft)
• Eine Präzisions- und Optimierungskultur, die im Wirtschaftsgefüge verwurzelt ist
• Einen Rechtsrahmen, der Transparenz fördert (DSG, Swiss Digital Initiative)
• Forschungseinrichtungen von Weltrang (EPFL, ETH Zürich), die an der Effizienz von KI-Modellen arbeiten – mit vielversprechenden Anwendungen in Branchen wie der Gesundheit

Schweizer Unternehmen, die einen verantwortungsvollen KI-Ansatz wählen, reduzieren nicht bloss ihren ökologischen Fussabdruck: Sie stärken ihre Glaubwürdigkeit bei Kunden, die zunehmend genau hinschauen.

FAQ

Wird verantwortungsvolle KI in der Umsetzung teurer?

Nein – im Gegenteil. Kleinere Modelle einzusetzen und Prompts zu optimieren senkt unmittelbar die API-Kosten. Semantisches Caching reduziert die Zahl der verrechneten Anfragen. Wer den Verbrauch misst, deckt Verschwendung auf. Verantwortungsvolle KI ist in erster Linie ein wirtschaftlicher Effizienzhebel.

Lässt sich generative KI nutzen und DSG-konform bleiben?

Ja – sofern die nötigen Vorkehrungen getroffen werden: keine nicht-anonymisierten Personendaten an ausserhalb der Schweiz gehostete LLM senden, die Bearbeitungen dokumentieren und die betroffenen Personen informieren. In der Schweiz gehostete oder on-premise betriebene KI-Lösungen verbinden Leistung mit Compliance.

Womit konkret anfangen?

Drei prioritäre Schritte: (1) eine Bestandsaufnahme der bestehenden und geplanten KI-Anwendungen im Unternehmen erstellen, (2) eine Politik zur Modellwahl auf Basis des Verhältnismässigkeitsprinzips festlegen, (3) Indikatoren zum KI-Verbrauch in das bestehende Umweltreporting einfügen. Diese drei Schritte sind in wenigen Wochen umsetzbar.

Operative Synthese

• Generative KI zieht pro Anfrage eine Grössenordnung mehr Energie als eine klassische Google-Suche.
• Bei der Inferenz haben Unternehmen den Hebel in der Hand: Modellwahl, Prompt-Optimierung, semantisches Caching.
• Die Faustregel: das kleinste Modell, das die Aufgabe meistert.
• Die Schweiz hat einen sauberen Strommix und ein günstiges Ökosystem für verantwortungsvolle KI.
• DSG-Konformität und Green-IT-Zertifikate geben einem glaubwürdigen, sichtbar machbaren Ansatz Struktur.
• Sprechen Sie mit MCVA Consulting und integrieren Sie KI verantwortungsvoll in Ihre Digitalstrategie – aus digitaler Sparsamkeit wird so ein Wettbewerbsvorteil.