KI und Nachhaltigkeit
Wie Künstliche Intelligenz unsere Zukunft beeinflusst
Künstliche Intelligenz (KI) verändert die Welt in rasantem Tempo und hat das Potenzial, Nachhaltigkeit in allen Lebensbereichen zu fördern – oder zu gefährden. Dieser Artikel beleuchtet, wie KI mit den drei Dimensionen der Nachhaltigkeit – ökologisch, sozial und ökonomisch – zusammenhängt und welche Herausforderungen und Lösungen bestehen.
Was ist KI und warum ist sie für Nachhaltigkeit relevant?
KI bezeichnet Systeme, die als rationale Agenten agieren. Sie können ihre Umwelt wahrnehmen, sich anpassen, Ziele verfolgen und Entscheidungen treffen, die den größtmöglichen Nutzen versprechen. Warum aber ist KI für die Nachhaltigkeit so wichtig? Ihre immense Verbreitung und wachsende Leistungsfähigkeit haben direkte Auswirkungen auf ökologische Ressourcen, sozialen Zusammenhalt und wirtschaftliche Strukturen. „Wie muss man also handeln, um nachhaltig zu sein?“, „Was muss demnach eine KI erfüllen, um nachhaltig zu sein?“
Um diese Fragen beantworten zu können, ist initial der Begriff der Nachhaltigkeit zu differenzieren:
Nach Ausführungen des Instituts für ökologische Wirtschaftsforschung (IÖW) [1] werden dabei drei Säulen unterschieden:
Ökologische Nachhaltigkeit: Dies ist die heute wohl bekannteste Säule. Sie beschäftigt sich mit den Belastungsgrenzen der Umwelt und damit, wie sich unsere heutige Lebensweise anpassen muss, damit auch zukünftige Generationen auf diesem Planeten mit dieser Umwelt leben können. Dazu werden unter anderem Einflüsse auf den Klimawandel, die Versauerung der Meere und den Ozonabbau in der Atmosphäre betrachtet und versucht, diese möglichst auszugleichen.
Soziale Nachhaltigkeit: Soziale Nachhaltigkeit befasst sich mit der Sicherung der menschlichen Grundbedürfnisse wie Nahrung und Wasser, aber auch die Sicherung von Einkommen, Bildungschancen und sozialem und gesellschaftlichem Zusammenhalt. Es bedeutet also, dass auch zukünftige Generationen die Möglichkeit haben, eine Grundversorgung zu erhalten und sich beruflich entfalten zu können. Dies gilt insbesondere auch für vulnerable Gruppen.
Ökonomische Nachhaltigkeit: Um ökonomisch nachhaltig zu sein, muss sichergestellt werden, dass die Bedürfnisse sowohl der heutigen als auch der zukünftigen Gesellschaft befriedigt werden können. Daher muss diese Dimension die beiden vorhergehenden einbeziehen und zwischen den beiden anderen Dimensionen angesiedelt werden. Ebenso muss diese Dimension beispielsweise bei Entscheidungen über die Produktion oder Nutzung von Gütern berücksichtigt werden.
Die Verbindung von KI und den Dimensionen der Nachhaltigkeit
KI hat Auswirkungen auf alle drei Dimensionen der Nachhaltigkeit. Insbesondere durch den zunehmenden Einsatz von KI-Systemen (siehe Abbildung 1) in nahezu allen Lebensbereichen ergibt sich ein Konfliktpotenzial zwischen dem potentiellen Nutzen der Systeme und den Problemen, die diese im Rahmen der Nachhaltigkeit verursachen können. Daher sollte die Nachhaltigkeit bei der Entwicklung und Einführung von KI-Systemen frühzeitig berücksichtigt werden.
Abbildung 1: EU Firmen, die KI nutzen laut [2]
Ökologische Nachhaltigkeit: Der Energieverbrauch von KI
Moderne KI-Systeme benötigen enorme Mengen an Energie, insbesondere in der Trainingsphase. Ein Beispiel ist das GPT-Modell von OpenAI, dessen Training rund 1,3 GWh Strom verbrauchte – das entspricht dem Jahresverbrauch von 200 Haushalten [3]. Um beim Beispiel ChatGPT zu bleiben: Nach einer Veröffentlichung aus dem Jahr 2024, benötigt ChatGPT für eine einzige Anfrage 2.9 Wh [4]. Eine einzige Anfrage verbraucht demnach so viel Strom wie eine 5W-Glühbirne in 34 Minuten. Dabei sind die Energiekosten, die beim Training des Modells entstanden sind noch nicht eingerechnet. Zum Vergleich: Eine Google-Suche verbraucht etwa ein Zehntel davon [4][5].
Mögliche Lösungen:
Der Begriff der nachhaltigen KI gliedert sich im Kontext der ökologischen Nachhaltigkeit in zwei Themenfelder: Nachhaltige KI und KI für Nachhaltigkeit [6]. KI für Nachhaltigkeit bezeichnet KI-Systeme, die Nachhaltigkeitsziele umsetzen – bspw. eine KI, die den Energieverbrauch in der Produktion minimiert. Nachhaltige KI hingegen versucht, den Energieverbrauch von KI-Systemen selbst zu reduzieren, entweder durch neuartige Algorithmen oder durch neuartige Hardware. Dadurch kann der ökologische Fußabdruck dieser KI-Systeme direkt reduziert werden. Beide Arten von KI-Systemen tragen dazu bei, das Themenfeld der ökologischen Nachhaltigkeit ein Stück näher zu bringen.
Soziale Nachhaltigkeit: Der Einfluss von KI auf Gesellschaften
KI hat auch Einfluss auf die Gesellschaft und unsere soziale Wahrnehmung. Beispielsweise können mit KI automatisiert Medien erzeugt werden, die bestimmte Narrative verfolgen und somit gezielt den gesellschaftlichen Diskurs beeinflussen oder Verzerrungen aufgrund unausgewogener Trainingsdaten aufweisen. Die fehlende Transparenz bei KI-Entscheidungen verschärft diese Probleme. Hier stehen wir vor der Frage, wie die sozialen Implikationen von KI gesteuert werden können, um Diskriminierung und gesellschaftliche Spaltung zu vermeiden.
Mögliche Lösungen:
Im Bereich der sozialen Nachhaltigkeit helfen zukünftig politische Regulierungen, die gesellschaftlichen Implikationen von KI in den Griff zu bekommen. So teilt der EU-AI-Act KI-Anwendungen in Risikogruppen ein und schafft einen umfassenden Rechtsrahmen für KI. Ziel ist es, vertrauenswürdige KI in Europa zu fördern. Der EU AI Act trat zum 01. August 2024 in Kraft und wird ab August 2026 mit einigen Ausnahmen voll umfänglich anwendbar sein. Weitere Informationen zum EU AI Act finden Sie bspw. in den folgenden Artikeln: KI-Gesetz | Gestaltung der digitalen Zukunft Europas, EU-Gesetz zur künstlichen Intelligenz | Aktuelle Entwicklungen und Analysen zum EU-KI-Gesetz oder AI Act: Regeln für Unternehmen beim Einsatz künstlicher Intelligenz.
Ökonomische Nachhaltigkeit: KI und der Arbeitsmarkt
Im Bereich der wirtschaftlichen Nachhaltigkeit betrifft KI vor allem den Arbeitsmarkt. KI automatisiert zunehmend Arbeitsprozesse, was den Fachkräftemangel in einigen Branchen ausgleichen und Arbeitsprozesse häufig deutlich erleichtert. Allerdings birgt diese Entwicklung auch Risiken, denn einige Berufsbilder könnten in Zukunft immer mehr durch KI ersetzt werden. Auch wenn moderne KI-Systeme in der Regel noch nicht in der Lage sind, ganze Berufe zu ersetzen, sind die Anfänge beispielsweise in Callcentern zu sehen, wo der Bedarf an menschlichen Mitarbeiter*innen bereits deutlich zurückgegangen ist [7].
Mögliche Lösungen:
Im Bereich der ökonomischen Nachhaltigkeit ist die Problematik nicht einfach zu lösen. Auch hier wird es in Zukunft politischer Regulierung bedürfen. Allerdings muss an dieser Stelle betont werden, dass wir noch weit davon entfernt sind, dass KI ganze Berufsbilder aushebeln kann. Moderne KI, insbesondere Chatbots, sind noch relativ fehleranfällig. Daher sind solche Systeme zumindest heute eher als Assistenzsysteme zu betrachten, die dem Menschen einen Vorschlag unterbreiten, der aber noch geprüft und freigegeben werden muss.
Fazit: KI als Chance für eine nachhaltige Zukunft
Es wird keine universelle, nachhaltige KI-Lösung für alle Herausforderungen geben. Aber KI wird bereits in allen drei Dimensionen der Nachhaltigkeit – ökologisch, sozial und ökonomisch – mit vielversprechenden Ergebnissen erforscht und eingesetzt.
KI hat das Potenzial, die Transformation zu einer nachhaltigen Gesellschaft maßgeblich zu unterstützen. Entscheidend ist, dass ihre Entwicklung und Anwendung verantwortungsvoll gestaltet wird, indem ökologische, soziale und ökonomische Aspekte gleichermaßen berücksichtigt werden. So kann KI zu einem zentralen Treiber einer nachhaltigen Gesellschaft werden.
Quellen:
[1] Rohde, F.; Wagner, J.; Reinhard, P.; Petschow, U.; Meyer, A.; Voß, M.; Mollen, A. (2021). Nachhaltigkeitskriterien für künstliche Intelligenz – Entwicklung eines Kriterien- und Indikatorensets für die Nachhaltigkeitsbewertung von KI-Systemen entlang des Lebenszyklus. pp 25-30 Berlin: Institut für ökologische Wirtschaftsforschung. ISBN: 978-3-940920-24-9.
[2] Eurostat (2025). Use of artificial intelligence in enterprises https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises#Types_of_AI_technologies_used, Last accessed: 06.03.2025
[3] Bergur Thormundsson (2024). Energy consumption when training LLMs in 2022 (in MWh). Statista <a href=“https://www.statista.com/statistics/1384401/energy-use-when-training-llm-models/“>https://www.statista.com/statistics/1384401/energy-use-when-training-llm-models/</a>, Last accessed: 21.01.2025
[4] Saklani, S., & Singh, D. (2024). Minimizing Carbon Emissions by Improving Water and Energy Use Efficiencies in AI Servers: A Green Cloud Computing Strategy for Sustainable Artificial Intelligence Systems. International Journal of Innovative Science and Research Technology (IJISRT). https://doi.org/10.38124/ijisrt/ijisrt24sep1195.
[5] Electric Power Research Institute (2024). Powering Intelligence: Analyzing Artificial Intelligence and Data Center Power Consumption. https://restservice.epri.com/publicdownload/000000003002028905/0/Product, Last accessed: 27.02.2204
[6] Natarajan, Harish Karthi, et al. „A theoretical review on AI affordances for sustainability.“ (2022).
[7] David Metzmacher (2024). Wo KI schon heute Menschen im Job ersetzt. ZDF.<a href=“https://www.zdf.de/nachrichten/wirtschaft/kuenstliche-intelligenz-wirtschaft-klarna-arbeitsplaetze-kundenservice-100.html“>https://www.zdf.de/nachrichten/wirtschaft/kuenstliche-intelligenz-wirtschaft-klarna-arbeitsplaetze-kundenservice-100.html</a>, Last accessed 21.01.2025
