KI und Nachhaltigkeit gelten oft als Gegensätze: Auf der einen Seite energiehungrige Rechenzentren, auf der anderen Seite Klimaziele und Ressourcenknappheit. In Wahrheit können KI und Nachhaltigkeit sich jedoch hervorragend ergänzen, wenn Strategie, Technologie und Prozesse bewusst darauf ausgerichtet werden.
In diesem Beitrag erfahren Sie, wie Unternehmen KI so einsetzen, dass ökologische Ziele gestützt statt gefährdet werden. Sie erhalten konkrete Beispiele, Kennzahlen und Checklisten, mit denen Sie eigene Projekte bewerten und optimieren können.
Was bedeutet KI und Nachhaltigkeit?
Unter KI und Nachhaltigkeit versteht man den bewussten Einsatz Künstlicher Intelligenz, um ökologische, soziale und ökonomische Ziele gleichzeitig zu verbessern. Es geht darum, Energie, Materialien und Arbeitszeit effizienter zu nutzen, ohne mehr Emissionen, Ressourcenverbrauch oder digitale Risiken zu erzeugen.
Praktisch heisst das: KI unterstützt Entscheidungen, Prognosen und Automatisierung, während klare Leitplanken sicherstellen, dass Stromverbrauch, Hardwareflotten und Datennutzung im Rahmen der Nachhaltigkeitsstrategie bleiben. So wird Technologie nicht Selbstzweck, sondern Hebel für messbare Verbesserungen.
Beispiel: Weniger Food-Waste im Handel
Ein mittelgrosses Detailhandelsunternehmen nutzt KI, um Nachfrage pro Filiale genauer zu prognostizieren. Das Modell bezieht Wetterdaten, Ferien, lokale Events und historische Verkäufe ein. Filialen bestellen dadurch deutlich präziser. Nach sechs Monaten sinken Abschriften frischer Ware um 18 Prozent, während der Umsatz stabil bleibt.
Wie KI und Nachhaltigkeit zusammenspielen
KI und Nachhaltigkeit greifen ineinander, weil bessere Prognosen und Automatisierung Überproduktion, Leerfahrten und Leerlauf reduzieren. Gleichzeitig entstehen neue Risiken, etwa durch grosse Modelle, die sehr viel Strom und Kühlung benötigen. Entscheidend ist, dass Unternehmen kleine, zielgenaue Modelle bevorzugen und Projekte an klaren Nachhaltigkeitsmetriken ausrichten.
Wie beeinflusst KI den CO₂-Fussabdruck?
KI beeinflusst den CO₂-Fussabdruck in zwei Richtungen. Einerseits verursachen Training und Betrieb von Modellen Emissionen, vor allem über Strom und Hardwareproduktion. Andererseits kann KI Prozesse effizienter machen, etwa in Logistik, Produktion oder Marketing. Nachhaltig wird KI erst, wenn die Einsparungen die zusätzlichen Emissionen deutlich übertreffen.
Energieverbrauch von KI verstehen
Damit KI arbeitet, müssen Datenzentren riesige Mengen Rechenleistung bereitstellen. Studien prognostizieren, dass der weltweite Stromverbrauch von KI-Rechenzentren von rund 50 auf 550 Milliarden Kilowattstunden bis 2030 steigen könnte. Zusammen mit anderen Rechenzentren wären das etwa 1 400 Milliarden Kilowattstunden für zentrale Datenverarbeitung.
Auch auf Länderebene zeigt sich der Trend: In Deutschland soll die Anschlussleistung von Rechenzentren bis 2030 fast vervierfacht werden. KI-spezifische Rechenzentren könnten dann rund 40 Prozent der Kapazitäten ausmachen. Für Unternehmen bedeutet das: Jede zusätzliche KI-Anfrage ist klein, in der Masse aber relevant.
Wie viel Energie braucht eine KI-Anfrage?
Schätzungen von Anbietern zeigen, dass eine einzelne KI-Anfrage nur Bruchteile einer Wattstunde verbraucht. Studien sprechen von Grössenordnungen um rund 0,2 bis 0,3 Wattstunden pro Anfrage, also vergleichbar mit wenigen Sekunden TV-Nutzung. Kritisch wird es, wenn Millionen Anfragen täglich laufen oder grosse Modelle permanent im Hintergrund rechnen.
Beispiel: SaaS-Anbieter optimiert seine Cloud
Ein Schweizer SaaS-Unternehmen bietet ein Analyse-Dashboard mit KI-Funktionen an. Zuerst laufen alle Anfragen in einem sehr grossen Modell, das teure GPU-Ressourcen benötigt. Nach einer Analyse trennt das Team einfache von komplexen Aufgaben. 80 Prozent der Anfragen werden auf ein kleineres, sparsames Modell umgestellt. Gleichzeitig verschiebt der Anbieter Batch-Jobs in Zeiten mit hohem Anteil erneuerbarer Energie. So sinkt der Cloud-Stromverbrauch pro Kunde deutlich.
- Zwischen kleinen und grossen Modellen unterscheiden und Standardaufgaben vereinfachen.
- Batch-Prozesse in Zeiten mit hohem Anteil erneuerbarer Energie verlagern.
- Rechenlast in Regionen mit effizienter Infrastruktur und grünerem Strommix hosten.
Diese Massnahmen lassen sich oft ohne sichtbare Produktänderung umsetzen, wirken aber stark auf Stromrechnung und CO₂-Fussabdruck. Zudem schaffen sie ein besseres Argument, wenn Kundinnen nach der Klimawirkung der eingesetzten KI fragen.
Wo entstehen die meisten Emissionen?
Die meisten Emissionen entstehen beim Training grosser Modelle und bei dauerhaft hoher Auslastung in Rechenzentren. Für typische Unternehmensprojekte fällt der grösste Hebel jedoch im Betrieb an: Wie oft eine KI aufgerufen wird, wie gross die Modelle sind und wie effizient Workflows gestaltet sind, entscheidet über die tatsächliche Klimabilanz.
Wenn Sie genauer verstehen möchten, wie KI Marketingprozesse verändert, lohnt sich ein Blick in den Beitrag KI im Marketing. Dort sehen Sie, welche Aufgaben sich überhaupt für KI-gestützte Automatisierung eignen und wo menschliche Expertise unverzichtbar bleibt.
Praxisstrategien für KI und Nachhaltigkeit
Damit KI und Nachhaltigkeit sich nicht widersprechen, braucht es klare Prinzipien. Unternehmen sollten zuerst ihre grössten Emissions- und Ressourcenblöcke kennen und dann prüfen, wo KI wirklich hilft. Häufige Hebel sind Logistik, Energieverbrauch in Gebäuden, Wartung von Maschinen und die Optimierung von Marketingbudget und Streuverlusten.
Gleichzeitig müssen ethische und organisatorische Fragen geklärt sein: Wer verantwortet KI-Entscheidungen, wie wird Transparenz geschaffen, und welche Grenzen gelten für Datennutzung? Ohne Governance kann ein scheinbar nachhaltiges Projekt langfristig Vertrauen, Datenschutz und Reputation gefährden.
Beispiel: E-Commerce optimiert Retouren
Ein Online-Shop analysiert mit KI, welche Produktvarianten besonders häufig retourniert werden. Das System erkennt Muster in Grössenangaben, Materialien und Bildern. Daraufhin verbessert das Team Grössentabellen, ergänzt Produkttexte und passt die Bildsprache an. In Kombination mit einem sanften Incentive für kundenfreundliche Auswahl sinkt die Retourenquote um 12 Prozent, Verpackungsmaterial und Transportemissionen gehen spürbar zurück.
Wie KI Marketing nachhaltiger macht
Im Marketing kann KI helfen, Streuverluste stark zu reduzieren. Bessere Zielgruppenmodelle führen dazu, dass weniger irrelevante Anzeigen ausgespielt werden. Automatisierte Tests sparen gleichzeitig Zeit im Team. Damit sinken nicht nur Kosten, sondern auch der indirekte Energieverbrauch durch unnötige Ausspielungen und Datenübertragung.
- Targeting-Modelle nutzen, um irrelevante Impressionen konsequent zu reduzieren.
- KI-gestützte Contentplanung einsetzen, um weniger, aber relevantere Inhalte zu produzieren.
- Reporting automatisieren, damit Teams Massnahmen schneller anpassen können.
Wenn Sie tiefer in das Thema eintauchen möchten, finden Sie in Zukunft von KI konkrete Szenarien, wie KI Content, Ads und Service langfristig verändert.
Wie beginne ich mit nachhaltiger KI?
Starten Sie mit einem überschaubaren Bereich, zum Beispiel Prognosen für Nachfrage oder Energieverbrauch. Definieren Sie einen klaren Zeitraum und wenige Kennzahlen. Danach vergleichen Sie die Entwicklung vor und nach dem Einsatz von KI. So lernen Sie schnell, welche Ansätze funktionieren und wo Modelle oder Prozesse noch angepasst werden müssen.
Nachhaltigkeit von KI messbar machen
Ohne Kennzahlen bleiben KI und Nachhaltigkeit eine leere Formel. Unternehmen sollten für jedes Projekt ein kleines Set von KPIs definieren, die sowohl Auswirkungen auf die Umwelt als auch auf Businessziele abbilden. Wichtig ist, dass diese Kennzahlen regelmässig überwacht und bei Bedarf angepasst werden.
Eine praktikable Lösung ist ein zentrales Dashboard, in dem sowohl klassische Performance-KPIs als auch Energie- und Emissionsdaten zusammenlaufen. So sehen Teams auf einen Blick, ob ein KI-Projekt zwar Umsatz bringt, aber unverhältnismässig viel Energie oder Cloud-Kosten verursacht.
Typische Kennzahlen für nachhaltige KI
Die folgende Tabelle zeigt beispielhafte Kennzahlen, mit denen Unternehmen die Wirkung von KI und Nachhaltigkeit im Alltag überwachen können. Sie können die Werte an Branche, Unternehmensgrösse und Datengrundlage anpassen.
| Kennzahl | Beschreibung | Datenquelle | Beispiel-Ziel |
|---|---|---|---|
| kWh pro Anfrage | Durchschnittlicher Stromverbrauch pro KI-Call oder Batch-Job. | Cloud-Provider, interne Messung | −20 % in 12 Monaten |
| CO₂e pro Bestellung | Gesamtemissionen von Bestellung bis Auslieferung inklusive Retouren. | Logistikdaten, Emissionsfaktoren | −15 % in 18 Monaten |
| Retourenquote | Anteil retournierter Bestellungen in Prozent. | Shopsystem, ERP | −10 % in 9 Monaten |
| Automatisierungsgrad | Anteil automatisierter Schritte im Prozess, den KI steuert. | Prozessanalyse, Tool-Logs | +25 % bei gleichbleibender Qualität |
Solche Kennzahlen machen Erfolge sichtbar und helfen, Prioritäten zu setzen. Zudem schaffen sie Vertrauen gegenüber Stakeholdern, weil Entscheidungen auf nachvollziehbaren Daten statt auf Bauchgefühl beruhen.
Weitere Ideen für Kennzahlen und Trends finden Sie im Beitrag Marketing Trends 2025, der Nachhaltigkeit, Automatisierung und Datenethik im Marketingumfeld beleuchtet.
Fazit: KI und Nachhaltigkeit aktiv verbinden
KI und Nachhaltigkeit schliessen sich nicht aus, im Gegenteil: Richtig eingesetzt, ermöglichen KI-Systeme effizientere Prozesse, weniger Verschwendung und bessere Entscheidungen. Entscheidend ist, dass Unternehmen den Energie- und Ressourcenbedarf ihrer Modelle kennen und ihn bewusst gegen Einsparpotenziale abwägen.
Wer kleine, zielgerichtete Modelle bevorzugt, Projekte klar auf Umweltziele ausrichtet und Kennzahlen konsequent überwacht, macht KI und Nachhaltigkeit zu einem echten Wettbewerbsvorteil. So entstehen Lösungen, die nicht nur kurzfristig Kosten senken, sondern langfristig Klima, Ressourcen und Markenvertrauen stärken.
Wenn Sie KI-Projekte strategisch und dennoch pragmatisch aufsetzen möchten, können Sie jetzt Kontakt aufnehmen.
Häufige Fragen zu KI und Nachhaltigkeit
Wie kann KI helfen, Emissionen zu senken?
Ist KI grundsätzlich schlecht für das Klima?
Welche Daten brauche ich für nachhaltige KI?
Wie fängt ein KMU mit KI und Nachhaltigkeit an?
Welche Rolle spielen Cloud-Anbieter für nachhaltige KI?
Hinweis zu den genannten Studien: Die genannten Zahlen zum Energiebedarf von KI-Rechenzentren und Beispielen stammen aus aktuellen Analysen und Berichten zu Rechenzentren und nachhaltiger KI-Nutzung.
