Laut einer von der Green-IT-Vereinigung auf der Produrable Paris 2026 vorgestellten Studie könnte sich der ökologische Fußabdruck der künstlichen Intelligenz bis 2030 deutlich verschärfen. Die mit den weltweiten KI-Infrastrukturen verbundenen Treibhausgasemissionen könnten von 99 auf 636 Millionen Tonnen CO₂-Äquivalent steigen, während auch die Auswirkungen auf Wasser, natürliche Ressourcen und Gesundheit erheblich blieben. Der Bericht fordert dazu auf, die Nutzung besser zu regulieren und sparsamere Modelle zu entwickeln.
Das rasante Wachstum der künstlichen Intelligenz geht mit einem steigenden Bedarf an Servern, Rechenleistung und Strom einher. Anlässlich der Messe Produrable Paris 2026 veröffentlichte Green IT eine Studie, die die ökologischen und gesundheitlichen Auswirkungen der weltweiten KI-Infrastrukturen im Jahr 2025 und mit Blick auf 2030 vergleicht. Die Prognosen beschreiben einen deutlichen Anstieg mehrerer ökologischer Belastungen, nicht nur der CO₂-Emissionen.
Die Autoren schätzen, dass sich die jährlichen Treibhausgasemissionen der weltweiten KI innerhalb von fünf Jahren etwa versiebenfachen könnten, wenn die aktuellen Trends anhalten. Diese Entwicklung würde sich vor dem Hintergrund eines beschleunigten Ausbaus von Rechenzentren und einer zunehmenden Leistungsfähigkeit der IT-Ausrüstung vollziehen. Green IT warnt, dass sich die Folgen sowohl auf Ökosysteme als auch auf die Bevölkerung auswirken könnten.
Eine Bewertung, die über die reinen CO₂-Emissionen hinausgeht
Der Bericht untersucht vier große Arten von Auswirkungen. Die erste betrifft die Erderwärmung, die insbesondere durch die Herstellung von Servern und den während ihres Betriebs verbrauchten Strom verursacht wird. Die zweite betrifft die Eutrophierung aquatischer Lebensräume, ein Phänomen, das Ökosysteme beeinträchtigen und zu ihrem Ersticken beitragen kann.
Die beiden anderen untersuchten Kategorien sind die Erschöpfung abiotischer Ressourcen – insbesondere mineralischer, metallischer und fossiler Ressourcen – sowie Feinstaubemissionen. Letztere stellen eine bedeutende gesundheitliche Herausforderung dar: In Frankreich werden sie jedes Jahr mit Zehntausenden vorzeitigen Todesfällen in Verbindung gebracht. Der Bericht schätzt, dass die mit KI verbundene Feinstaubbelastung bis 2030 weiter zunehmen könnte.
Für diese verschiedenen Indikatoren schreibt die Studie der KI einen erheblichen Anteil an den weltweit gemessenen Belastungen zu. Sie schätzt insbesondere, dass ihr Beitrag zur globalen Erwärmung von 35 % im Jahr 2025 auf 36 % im Jahr 2030 steigen würde und ihr Anteil an der Eutrophierung von 23 % auf 25 % zunehmen könnte. Bei der Erschöpfung natürlicher Ressourcen bleibt der angegebene Wert im Zeitraum mit rund 19 % nahezu unverändert. Diese Einschätzungen zeigen, dass sich der ökologische Fußabdruck der KI nicht auf den Stromverbrauch oder die CO₂-Emissionen reduzieren lässt.
Diese Vielfalt an Auswirkungen macht es erforderlich, den gesamten Lebenszyklus der digitalen Technologien zu betrachten: die Gewinnung von Rohstoffen, die Herstellung von Komponenten, den Transport der Geräte, den Betrieb von Rechenzentren und das Lebensende. Die Auswirkungen können je nach Phase stark variieren. So kann etwa die Herstellung der Geräte maßgeblich zur Erschöpfung von Ressourcen beitragen, während der während des Betriebs verbrauchte Strom zum wichtigsten Faktor für mehrere andere Auswirkungen werden kann.
Warum könnte der ökologische Fußabdruck so schnell zunehmen?
Die Prognose von Green IT beruht insbesondere auf dem Wachstum des weltweiten Bestands an Servern, die für künstliche Intelligenz eingesetzt werden. Die Studie geht von rund 13 Millionen aktiven Servern im Jahr 2025 aus, gegenüber fast 25 Millionen im Jahr 2030. Dieser Anstieg wäre mit einer höheren Leistung der Geräte und einer deutlichen Ausweitung der für ihre Unterbringung benötigten Flächen verbunden.
Grafikprozessoren oder GPUs stehen im Mittelpunkt dieser Entwicklung. Sie führen die Berechnungen aus, die für das Training und den Einsatz zahlreicher Modelle erforderlich sind. Dem Bericht zufolge könnte sich ihre Zahl verdoppeln, während die durchschnittliche Leistungsaufnahme pro GPU von rund 700 Watt auf fast 2.000 Watt steigen würde. Die Kombination aus einem größeren Bestand und energieintensiveren Geräten würde somit zum Anstieg des Strombedarfs beitragen.
Der Bau neuer Rechenzentren erfordert außerdem Gebäude, Kühlanlagen und Energieanschlüsse. Green IT prognostiziert eine Versechsfachung der von diesen Infrastrukturen belegten Flächen. Diese Ausweitung wirft Fragen zur Flächenversiegelung, zur Wasserverfügbarkeit und zur Verteilung des Stroms zwischen digitalen Anwendungen und anderen Tätigkeiten auf.
Die zunehmende Nutzung kann außerdem einen Teil der Effizienzgewinne zunichtemachen, die durch leistungsfähigere Geräte erzielt werden. Wenn eine Technologie kostengünstiger oder einfacher zu nutzen wird, kann sie häufiger und für mehr Aufgaben eingesetzt werden: Das ist der Rebound-Effekt. Dieser Mechanismus, der in Diskussionen über digitale Technologien häufig thematisiert wird, wird in diesem Artikel über Möglichkeiten, die Falle des Rebound-Effekts im Zusammenhang mit künstlicher Intelligenz zu vermeiden, ausführlicher erläutert.
Starker Anstieg der Treibhausgasemissionen
Der Bericht schätzt, dass die jährlichen Treibhausgasemissionen der weltweiten KI von 99 Millionen Tonnen CO₂-Äquivalent im Jahr 2025 auf 636 Millionen im Jahr 2030 steigen könnten. Die Autoren vergleichen diesen prognostizierten Wert mit etwa dem 1,4-Fachen des jährlich nachhaltigen Budgets der Europäischen Union. Dieser Begriff bezeichnet die Menge an Auswirkungen, die eine Person innerhalb eines Jahres verursachen kann, ohne die in der Studie festgelegten ökologischen Grenzen zu überschreiten.
Auf eine Person umgerechnet würde der ökologische Fußabdruck der KI im Jahr 2030 etwa 16 % dieses jährlich nachhaltigen Budgets ausmachen. Diese Schätzung umfasst nicht die gesamte digitale Nutzung: Auch andere Geräte und Online-Dienste würden das ökologische Budget belasten. Green IT schätzt daher, dass der digitale Sektor insgesamt einen deutlich größeren Anteil davon beanspruchen könnte.
Bei diesen Zahlen handelt es sich um Prognosen und nicht um eine abschließende Bilanz einer künftigen Situation. Sie hängen von den Annahmen zur Zahl der Server, ihrer Leistung, Lebensdauer und Auslastung sowie zur Zusammensetzung des Strommixes ab. Dennoch machen sie deutlich, wie wichtig es ist, die Entwicklung der Infrastrukturen zu verfolgen und Fortschritte nicht allein an der Leistungsfähigkeit der Modelle oder ihren Nutzungskosten zu messen.
Der Energiebedarf der KI wirft bereits Fragen zu den für ihren Betrieb erforderlichen Ressourcen auf. Ein Artikel geht näher auf diese Frage ein und beleuchtet die energetischen Auswirkungen unserer zunehmenden Abhängigkeit von künstlicher Intelligenz. Der Strombedarf von Rechenzentren kann zudem mit dem Bedarf anderer Sektoren konkurrieren, auch mit dem von Bereichen, die selbst dekarbonisiert werden müssen.
Herstellung und Stromversorgung: zwei entscheidende Phasen
Die Auswirkungen verteilen sich nicht gleichmäßig über den gesamten Lebenszyklus der Geräte. Bei der Herstellung von Servern werden Metalle, Mineralien und fossile Ressourcen benötigt. Bei einigen Indikatoren könnte diese Phase bis zu 45 % der damit verbundenen Auswirkungen ausmachen, insbesondere im Hinblick auf die Erschöpfung von Ressourcen. Die Gewinnung und Verarbeitung der Materialien finden statt, bevor die Maschinen überhaupt mit der Bearbeitung von Anfragen beginnen.
Sobald die Server installiert sind, wird die Erzeugung des für ihren Betrieb benötigten Stroms zu einem entscheidenden Faktor. Der Studie zufolge könnte sie bis zu 96 % bestimmter Auswirkungen im Zusammenhang mit der Nutzung der Geräte ausmachen. Die Wahl der Energieversorgung ist daher entscheidend: Strom mit geringeren CO₂-Emissionen reduziert einen Teil des ökologischen Fußabdrucks, beseitigt jedoch nicht die Belastungen durch Herstellung, Flächenverbrauch, Wasser- oder Materialressourcen.
Die Dekarbonisierung der Stromversorgung und ein sparsamer Umgang mit Ressourcen müssen daher gemeinsam betrachtet werden. Eine stärkere Versorgung von Rechenzentren mit dekarbonisierten Energiequellen kann die mit ihrem Betrieb verbundenen Emissionen begrenzen, doch bleibt Strom eine begrenzte Ressource, die verteilt werden muss. Wenn die Gesamtnachfrage zu schnell steigt, kann die Nutzung für KI-Infrastrukturen andere Anforderungen der Energiewende verzögern oder erschweren.
Was die Studie von Green IT erfasst
Für seine Schätzungen betrachtet Green IT die physischen Infrastrukturen, die der künstlichen Intelligenz gewidmet sind: Server, Gerätereihen und Flächen von Rechenzentren. Der Bericht unterscheidet die Systeme nicht nach ihrer Funktion – generative, prädiktive oder agentische KI – und beansprucht daher nicht, für jede Algorithmuskategorie eine separate Bilanz zu erstellen.
Die Analyse umfasst mehrere Serverklassen, von Einsteiger- und Mittelklassegeräten bis hin zu den leistungsstärksten Maschinen. Sie berücksichtigt verschiedene Phasen ihres Lebenszyklus, von der Herstellung und dem Vertrieb über die Nutzung bis zum Lebensende. Dieser Ansatz macht Auswirkungen sichtbar, die für Endnutzer oft nicht erkennbar sind, etwa die Rohstoffgewinnung oder den Bau der Infrastruktur.
Die Methode setzt jedoch Annahmen zum Serverbestand und seiner Entwicklung voraus. Die Ergebnisse sind daher als Schätzung der Auswirkungen physischer Infrastrukturen im Rahmen der Studie zu verstehen. Sie stellen weder eine umfassende Messung sämtlicher Anwendungen noch einen direkten Vergleich zwischen den einzelnen verfügbaren KI-Modellen dar.
Nutzungsweisen hinterfragen und sparsamere Modelle einsetzen
Green IT fordert Einzelpersonen und Organisationen dazu auf, über die Notwendigkeit jeder Anwendung nachzudenken. Lässt sich eine Aufgabe problemlos ohne KI erledigen, kann diese Möglichkeit zusätzlichen Ressourcenverbrauch vermeiden. Wenn künstliche Intelligenz einen echten Mehrwert bietet, empfiehlt der Bericht, nach Möglichkeit ressourcenschonende Modelle zu bevorzugen, die zur jeweiligen Aufgabe passen, anstatt grundsätzlich die leistungsstärksten Systeme einzusetzen.
Diese Überlegungen betreffen auch die Art und Weise, wie Tools angeboten und in Dienste integriert werden. Werden KI-Funktionen automatisch bereitgestellt, kann dies dazu führen, dass sie auch in Situationen genutzt werden, in denen sie nicht unbedingt erforderlich sind. Ressourcenschonendere Designentscheidungen, klare Informationen über die eingesetzten Systeme und eine Bewertung ihres tatsächlichen Nutzens können dazu beitragen, unnötige Anfragen zu vermeiden.
Die öffentliche Diskussion über KI reicht von den erwarteten Vorteilen bis hin zu den damit verbundenen Risiken. Eine Orientierung zu diesen Themen bietet dieser Leitfaden mit wichtigen Fragen, die man bei einer Diskussion über künstliche Intelligenz kennen sollte. Der ökologischen Dimension sollte darin ebenso eine zentrale Rolle zukommen wie wirtschaftlichen, sozialen und demokratischen Fragen.
Die von der Politik vorgeschlagenen Hebel
Green IT zufolge können individuelle Entscheidungen allein den Kurs nicht ändern. Die Vereinigung fordert die Politik auf, einen Plan für einen sparsamen Umgang mit KI zu erarbeiten, um die Nutzung und die Anreize für den Einsatz dieser Technologie in allen Bereichen besser zu regulieren. Im Mittelpunkt sollen dabei die tatsächlichen Bedürfnisse stehen und nicht allein die Verfügbarkeit neuer Tools.
Zu den vorgeschlagenen Maßnahmen gehört die Einführung einer Kennzeichnung, mit der sich KI-Systeme eindeutig identifizieren lassen. Verständliche Informationen könnten den Nutzern helfen zu erkennen, wann eine Technologie zum Einsatz kommt, und die dafür eingesetzten Ressourcen besser einzuschätzen. Die Vereinigung empfiehlt außerdem, eine ressourcenschonende und verantwortungsvolle KI-Branche zu fördern, die für alltägliche Aufgaben auf leichtere Modelle setzt.
Der Bericht schlägt außerdem vor, die Ökodesign-Anforderungen für in Frankreich gehostete KI-Systeme verpflichtend zu machen. Dabei könnten Kriterien zum Ressourcenverbrauch, zur Lebensdauer der Geräte und zur Effizienz der Modelle berücksichtigt werden. Eine weitere Empfehlung lautet, Rechenzentren, die der KI gewidmet sind und mit fossilen Energien betrieben werden, zu besteuern, um den Vorteil stark emissionsintensiver Lösungen zu verringern.
Diese Themen sind Teil umfassenderer Überlegungen zur digitalen Transformation und zu technologischen Lösungen, die als umweltfreundlich gelten. Ein Artikel schlägt insbesondere vor, die Versprechen der künstlichen Intelligenz für die Zukunft des Klimas kritisch zu prüfen und dabei sowohl ihre möglichen Anwendungen als auch ihre materiellen Kosten zu berücksichtigen.
Digitale Innovation und ökologische Transformation zusammenbringen
Die Suche nach Antworten erfordert auch den Austausch zwischen Unternehmen, Kommunen, Fachleuten aus der Digitalbranche und Akteuren des Umweltschutzes. Veranstaltungen zur Greentech bieten Gelegenheit, vorgeschlagene Lösungen mit den Herausforderungen ihrer Umsetzung abzugleichen, insbesondere in den Bereichen Energie, Ressourcen und Governance. Der Bericht zum Meet-up Greentech im Oktober 2024 veranschaulicht diese Diskussionen über Technologien und Transformationsansätze.
Für Organisationen besteht die Herausforderung darin, den Nutzen eines KI-Systems im Verhältnis zu den dafür eingesetzten Ressourcen zu bewerten und anschließend eine Lösung zu wählen, die dem Bedarf angemessen ist. Dazu können die Reduzierung unnötiger Anfragen, die Auswahl weniger energieintensiver Modelle, die Verlängerung der Lebensdauer der Hardware und ein besseres Verständnis der Herkunft des verbrauchten Stroms beitragen.
Die Prognosen von Green IT machen damit eine zentrale Frage für die kommenden Jahre deutlich: Wie lassen sich sinnvolle Anwendungen entwickeln, ohne die unterstützende Infrastruktur unbegrenzt wachsen zu lassen? Die Antwort hängt insbesondere von technischen Entscheidungen, dem Nutzungsverhalten, den Strategien der Unternehmen und den von der Politik verabschiedeten Regeln ab.
