Sicher hast du schon davon gehört, dass Webseiten, Software und KI zunehmend mehr Strom, Wasser und Ressourcen benötigen. Schätzungen zufolge wird unsere Informationstechnik in den nächsten Jahrzehnten ungefähr die Hälfte der globalen Energie beanspruchen. Rechenzentren kommt laut Expert:innen dabei zukünftig der Großteil der CO2-Äquivalente der Digitalisierung zu. Unter anderem, da sich ihr stetig wachsender Energiebedarf ohne fossile Energie kaum speisen lässt.
Besonders Unternehmen, die eigene digitale Produkte herstellen oder nur digital arbeiten, können mithilfe grüner Alternativen Ressourcen sparen. An anderer Stelle haben wir daher bereits über grünes Hosting, Green-Coding und andere Maßnahmen berichtet. In diesem Ratgeber möchten wir Möglichkeiten aufzeigen, wie Unternehmen und Freiberufler:innen ihre Fortschritte bei einer grünen Transformation festhalten können.
Wir stellen im Folgenden Tools und Onlinedienste vor, mit denen du den Energieverbrauch von Programmen, deiner Webseite oder deiner KI-Nutzung – egal, ob generativ oder traditionell – tracken kannst. Hierfür haben wir unter anderem mit Arne Tarara von Green Coding Solutions gesprochen. Arne wies uns auf etliche weitere Tools hin, die sich als CO2-Tracker für digitale Dienste anbieten. Diese Alternativen findest du am Ende dieses Artikels als weitere Lesetipps.
Was genau wird hier gemessen oder geschätzt?
Bevor es losgeht müssen wir noch einmal darüber nachdenken, welches Ziel wir beim Messen oder Schätzen verfolgen. Denn der Betrieb unserer Informationstechnik hat sehr verschiedene Auswirkungen auf Umwelt, Menschen und andere Systeme.
Tracken oder schätzen?
Den Stromverbrauch der eigenen Hardware kann man recht einfach messen – bei einem Rechenzentrum wird es allerdings schon kompliziert.
Daher empfiehlt es sich bei manchen Anwendungsfällen, Messungen durchzuführen, während es an anderer Stelle sinnvoller ist, anhand von bekannten Daten hochzurechnen und Heuristiken zu verwenden.
Um das möglichst transparent zu machen, haben wir bei den jeweiligen Lösungen „Messungen“ und „Schätzungen“ dazugeschrieben.
Was unsere Smartphones, Notebooks, Rechenzentren und Co. alle gemeinsam haben: Sie werden elektrisch betrieben. Dementsprechend ist es relevant, wie viel Strom sie verbrauchen und wie dieser Strom generiert wird. Später wirst du Lösungen kennenlernen, die den Stromverbrauch von Hardware messen und diesen sogar mit dem Strommix an deinem Standort abgleichen können. Hier bekommst du ein besonders präzises Bild davon, wie hoch der CO2-Fußabdruck der jeweiligen Anwendung ist.
Zusätzlich zum Energiebedarf werden gerade bei Rechenzentren der Bedarf an Hardware und Wasser relevant. So sind die Server in KI-Rechenzentren so stark beansprucht, dass sie nach wenigen Jahren ausgetauscht und als Elektroschrott auf Deponien landen. Gleichzeitig benötigen ihre Kühlsysteme besonders reines Frischwasser. Einige Tools schätzen daher auch den Wasserverbrauch ein.
Tracker für generative KI
Starten wir mit generativer KI. Gemeint sind alle KI-Technologien zur Erzeugung von Textinhalten, Bildern und Videos sowie zur Generierung von Code. Das Angebot an Dienstleistungen, die irgendwie auf großen Sprachmodellen basieren, ist seit der Veröffentlichung von ChatGPT durch OpenAI im Jahr 2022 explodiert. Viele Unternehmen sehen sich dazu gezwungen, generative KI in Produkte, Arbeitsprozesse und vieles mehr zu integrieren – eine Folge des KI-Booms und dem Narrativ, dass Unternehmen ohne „KI“ nicht mehr konkurrenzfähig sind.
Eine Studie des MIT legt allerdings nahe, dass sich Investitionen in KI bei 95 Prozent der untersuchten Unternehmen auf Dauer nicht rentieren. Darüber hinaus zeigen Begriffe wie „AI-fatigue“ (KI-Erschöpfung) oder „AI-Brain-Fry„(KI-Gehirn-Röstung), dass die Zufriedenheit von Mitarbeiter:innen stark sinken kann, wenn eine KI-Strategie nicht sinnvoll implementiert wird.
Generative KI stellt die globale IT-Infrastruktur zudem vor große Herausforderungen. Die Technologien sind derart rechenintensiv, dass GAFAM (Google, Apple, Facebook / Meta, Amazon, Microsoft) überall auf der Welt neue Rechenzentren bauen. Und das geht zumeist auf Kosten der lokalen Bevölkerung, die unter Lärmbelästigung, Wassermangel und dem hohen Energiebedarf leiden.
Für Unternehmen und Freiberufler:innen ist es also sinnvoll, generative KI mit einer gewissen Vorsicht zu nutzen – oder sich gleich ganz gegen eine KI-Strategie zu entscheiden. Daher starten wir mit Tracking-Lösungen, die sich auf generative KI spezialisiert haben.
EcoLogits Calculator schätzt die Inferenz diverser Sprachmodelle (Schätzungen)
Die US-amerikanische Non-Profit-Organisation CodeCarbon bietet mit dem EcoLogits Calculator ein umfangreiches Werkzeug zur Ökobilanz textbasierter GenAI-Aktivitäten an. Nutzer:innen haben dabei die Möglichkeit, genaue Token-Längen – also die Länge der generierten Antworten – und bestimmte Sprachmodelle zu konfigurieren. Zusammen mit dem Standort der genutzten Rechenzentren generiert EcoLogits besonders realitätsnahe Berechnungen zu produzierten CO2-Äquivalenten sowie dem Strom-, Wasser- und Hardwareverbrauch.
Der EcoLogits Calculator ist via Hugging-Face als kostenlose Web-App verfügbar. Alternativ können Programierer:innen den GenAI-Taschenrechner auch über eine API direkt in andere Programme integrieren. Wie genau das funktioniert, haben wir mit Caroline Jean-Pierre von Gen AI Impact besprochen.
Green Algorithms Calculator (Messungen & Schätzungen)
Ebenfalls installieren lässt sich der „Green Algorithms Calculator for High Performance Computing“. Das Tool ist für Server ausgelegt, die SLURM für das Workload-Management nutzen. Laut Dokumentation lässt sich der Green Algorithms Calculator aber auch für andere Lösungen adaptieren.
Das Tool kann auch dazu dienen, lokal ausgeführte, große Sprachmodelle im Blick zu behalten. Dabei errechnet der Green Algorithms Calculator die benötigte Energie sowie die Ökobilanz anhand von CO2-Äquivalenten. Wie genau die Ergebnisse aussehen, lässt sich auch ohne Installation in einer Web-Version einsehen. Da diese nicht direkt auf die Analysedaten der Hardware zugreifen kann, schätzt die Web-Version die Kennzahlen anhand verschiedener Parameter ein.
Tracker für „traditionelle“ KI
Auch wenn die Unterscheidung immer seltener gemacht wird: Neben generativer KI gibt es Technologien, die maschinelles Lernen in einem deutlich kleineren Umfang nutzen. Das deutsche Startup Dryad nutzt künstliche Intelligenz etwa zur Erkennung von Waldbränden und hält die eigens entwickelten Modelle so klein, dass sie auf sparsamer, lokaler Hardware ausgeführt werden können.
Generative und traditionelle KI – warum ist der Unterschied wichtig?
In ihrem Buch „AI Snake Oil“ stellen die Autor:innen Arvind Narayanan und Sayash Kapoor gleich zu Beginn eine interessante Frage:
„Stell dir ein alternatives Universum vor, in dem wir Menschen keine separaten Wörter für Verkehrsmittel haben – sondern nur den Sammelbegriff ‚Fahrzeug‘.
Wir verwenden dieses Wort für Autos, Busse, Fahrräder, Raumschiffe und alle anderen Arten, um von A nach B zu gelangen. Die Gespräche in dieser Welt wären verwirrend. Es gibt heftige Debatten darüber, ob Fahrzeuge umweltfreundlich sind oder nicht, wobei niemand merkt, dass die einen über Fahrräder sprechen und die anderen über Lastwagen.
Es gäbe vielleicht einen Durchbruch in der Raketentechnik, aber die Medien konzentrieren sich darauf, wie schnell Fahrzeuge geworden sind – also rufen die Menschen ihren Autohändler an um zu fragen, wann schnellere Modelle erhältlich sein werden.
Unterdessen haben Betrüger die Tatsache ausgenutzt, dass Verbraucher nicht wissen, was sie in Sachen Fahrzeugtechnologie glauben sollen, sodass Betrugsfälle in der Fahrzeugbranche grassieren.
Ersetz nun das Wort ‚Fahrzeug‘ mal durch ‚künstliche Intelligenz‘ und wir haben eine ziemlich gute Beschreibung der Welt, in der wir leben.“
Das Gedankenexperiment veranschaulicht sehr gut, warum wir besonders präzise über „KI“ reden sollten. Wohin eine absichtliche Vermischung dieser Begriffe führen kann, verriet uns der Techblogger Ketan Joshi noch einmal genauer im verlinkten Artikel.
Für das Training solcher Modelle gibt es Cloud-Lösungen, die Forscher:innen und Unternehmen genügend Rechenleistung zur Verfügung stellen. Alternativ lassen sich solche kleinen Modelle auch lokal auf eigener Hardware trainieren. Für beide Anwendungsfälle gibt es CO2-Tracker:
MLCO2 (Schätzungen)
Das Tool MLCO2 funktioniert als einfache Web-App, in der du vier Parameter einstellen kannst. Den genutzten Hardware-Typ, dessen Laufzeit, der Provider der Cloud-Umgebung sowie die Region, in der das Training verarbeitet wird. Anschließend berechnet MLCO2 die unabhängige CO2-Bilanz deines ML-Trainings sowie die Bilanz, die am jeweiligen Standort entsteht. Dabei bezieht das Tool den Strommix des jeweiligen Cloud-Providers mit ein.
Die Entwickler:innen Victor Schmidt, Sasha Luccioni, Alexandre Lacoste und Thomas Dandres weisen darauf hin, dass diese Berechnungen die Power Usage Effectiveness der jeweiligen Rechenzentren nicht miteinbezieht. Diese müssen Nutzende noch einmal separat recherchieren und mit einberechnen. Aber noch ein Hinweis: Bei der „PUE“ von Rechenzentren ist Vorsicht geboten, wie uns Jens Gröger im Gespräch verriet.
Code Carbon (Messungen)
Als weiteren Hinweis schlägt MLCO2 das Tool Code Carbon für die Messung eines lokalen KI-Trainings vor. Das Tool lässt sich als Python-Paket installieren und berechnet den Stromverbrauch der CPU, der GPU und des installierten RAM-Speichers. Diese Werte setzt Code Carbon dann noch mit dem Strommix des jeweiligen Standorts in Beziehung, um genauere Prognosen zu erhalten.
Code Carbon empfiehlt sich dadurch eigentlich generell als Tracking-Lösung für lokale Rechenoperationen. Wir zählen es aber hier für das Training von KI-Anwendungen noch einmal gesondert auf, da es eine GPU-Nutzung in die errechnete Ökobilanz mit einbezieht. Da Grafikkarten für das ML-Training besonders gut geeignet sind, empfiehlt sich Code Carbon hier ebenfalls besonders.
Tracker für Green Coding und Software
Green Coding beschreibt Programmierpraktiken, die sich positiv auf den Energieverbrauch von Software auswirken. Wie Max Westing vom Projekt „Green-Coding“ im Interview berichtet, können Programierer:innen dabei etwa energieeffiziente Bibliotheken in ihre Programme integrieren oder Software so gestalten, dass sie aufwändige Berechnungen dann durchführen, wenn mehr grüne Energie im Strommix ist.
Im Netz finden sich etliche CO2-Tracker für Software, die andere Ansätze verfolgen oder auf verschiedene Programmiersprachen spezialisiert sind.
Carbonara schätzt CO2-Emissionen schon beim Coden (Schätzungen)
Einen interessanten Ansatz verfolgt das Tool Carbonara, zu dem wir bereits einen eigenen Artikel veröffentlicht haben. Der CO2-Tracker ist so designed, dass er schon beim Coden eine Prognose über spätere Emissionen der Software anzeigt. Laut der Entwickler:innen soll das Optimierungen effektiver machen.
Wie uns Daniela Grau von Carbonara erklärte, wird Code meist erst am Ende eines Projekts auf Energieeffizienz hin optimiert. Da zu diesem Zeitpunkt allerdings schon viel Geld investiert worden ist, seien solche Optimierungen nicht sonderlich effizient. Genau das will das Team mit Carbonara anders machen – kompatibel ist das Tool allerdings nur mit VSCode-basierten Editoren.
Claude Carbon zeigt, wie CO2-Tracking für „Vibe-Coding“ aussehen kann (Schätzungen)
Mit einem kleinen Tool möchten wir noch auf die Schnittmenge zweier Anwendungsbereiche hinweisen, die immer populärer wird: Beim sogenannten „Vibe-Coding“ nutzt man generative KI, um ausführbaren Code zu erzeugen. Je nachdem, wie Entwickler:innen diese Werkzeuge einsetzen, können Code-Generatoren wie Claude Code durchaus effizienten Programmcode erzeugen. Allerdings benötigen sie dazu genau wie ChatGPT oder Google Gemini sehr viel Rechenleistung.
Claude Carbon soll den Energieverbrauch für das Tool „Claude Code“ sichtbar machen. Entwickelt wurde es von Gaëtan Wittebolle, einem französischen Programmierer, der seinen eigenen Energieverbrauch sichtbar machen wollte. Auf Grundlage einer Studie über den Energieverbrauch von Amazons Server-Infrastruktur schätzt das Tool die CO2-Bilanz anhand ausgeführter Sessions ein.
Wie genau das aussieht, zeigt Gaëtan in einem Blog-Eintrag: Nach vier Monaten zeigte Claude Carbon 215,5 kg an CO2-Äquivalenten. Auf ein Jahr hochgerechnet ergäbe das 10 Prozent des individuellen CO2-Budgets einer durchschnittlichen Person in Frankreich. Über Anpassungen seiner Claude-Code-Nutzung konnte Gaëtan den hohen Energieverbrauch allerdings senken.
CO2-Tracker für Webseiten
Jede Webseite, die du im Internet ansteuerst, wird auf einem Server bereitgestellt. Sobald du sie aufrufst, überträgt der Server Daten an deinen Rechner oder dein Smartphone und muss dafür Energie aufwenden. Wirklich energieeffiziente Webseiten können so klein sein, dass sie auf einem Mini-PC über eine Solarzelle betrieben werden, wie das „LowTechMagazine“ zeigt, das bei zu wenig Sonne sogar manchmal offline geht.
Webseiten wirklich effizient und CO2-neutral zu gestalten, hängt von vielen Faktoren ab: Mit welchem Strommix wird der Server betrieben, wie groß sind die hochgeladenen Bilder und welche Cookies, Tracker und sonstige Dateien werden pro Session geladen? Wenn du all diese Aspekte optimieren willst, helfen dir folgende Tracker dabei:
webNRG von green-coding.io (Messungen)
Das Online-Tool webNRG bietet gleich drei Vorteile: Es misst die Energie, die für das Rendering der Inhalte aufgewendet werden muss. Es misst den erzeugten Traffic und gibt eine Prognose darüber, wie viel CO2-Äquivalente die übertragenen Daten in der Netzinfrastruktur über ein Jahr hinweg mit 10.000 monatlichen Aufrufen erzielen würden. Und es kann auf Wunsch regelmäßige Updates über die Seiten-Performance per E-Mail versenden.
Green-Coding.io nutzt zur Messung das Running Average Power Limit (kurz: RAPL), das der Hersteller Intel in seinen Server-Architekturen unterstützt. Um die Webseite isoliert vom Browser zu betrachten, der die Ladezeiten eventuell zusätzlich verzögert, isoliert webNRG die geladene Webseite. Wie genau das funktioniert, liest du in der Methodologie von webNRG.
Wenn du diese Informationen nicht über einen externen Dienst wie webNRG abrufen möchtest, bietet Green-Coding.io auch das Green Metrics Tool zur Installation an. Das Angebot ist ebenfalls kostenfrei und funktioniert unter anderem via Docker. Nutzt du Docker-Container auf deinem Server, kannst du es also mit wenigen Klicks installieren. Alternativ gibt es Anleitungen zu Installation unter Linux, Windows und MacOS bei Green-Coding.io.
CO2.js als JavaScript-Library (Messungen)
Die Green Web Foundation bietet mit CO2.js noch eine interessante Alternative an, die auf JavaScript basiert. Da das Tool im Prinzip die Emissionen aller Datentransfers messen kann, kannst du es neben Webseiten auch für Software und Apps nutzen.
Interessant an CO2.js ist, dass die Entwickler:innen ihr Tool direkt mit der Green-Web-API verknüpft haben. Die Green Web Foundation stellt darüber Informationen zum aktuellen Strommix zur Verfügung, die sich am Standort des Servers orientieren. Wie genau das funktioniert, hat uns Fershad Irani im Zusammenhang mit Grid-Aware-Websites erklärt.
Hierdurch bezieht CO2.js Standortdaten als Variable in die Berechnung mit ein. Welche genauen Vorteil das bringt, erklärt Fershad Irani am Beispiel des italienischen „Sitigreen website carbon calculator“ im verlinkten Video.
Ecograder (Messungen und Schätzungen)
Ein besonders praxisnahes und einfaches Tool findet sich mit Ecograder direkt im Internet. Für jede gescannte Webseite vergibt Ecograder einen Score auf einer Skala von 0 bis 100. Je höher der Score ist, desto energiesparsamer ist deine Webseite. Pro Seitenaufruf berechnet Ecograder zudem die Menge an freigesetzten CO2-Emissionen anhand des Sustainable Web Design Model, das unter anderem von der Green Web Foundation und Wholegrain Digital entwickelt wurde.
Zusätzlich zu diesen beiden Variablen vergibt Ecograder jeweils einen Score für das UX-Design, grünes Hosting sowie für die Größe deiner Webseite. Für diese drei Bereiche schlägt die Webseite dann Optimierungsmöglichkeiten wie die Reduzierung der Größen von Bildern oder der Anfragen an den Server vor. Für einige dieser Hilfestellungen benötigst du nicht einmal technisches Vorwissen – die Größe der Bilder deiner Webseite kannst du etwa mit dem Open-Source-Tool Gimp reduzieren, um deinen Ecograder-Score zu verbessern.
Wie sieht eine grüne digitale Zukunft aus?
Elektroschrott, CO2-Emissionen durch KI, Wasserverbrauch von Rechenzentren – aktuell scheint die ungezügelte Digitalisierung nicht mit einem gesunden Planeten vereinbar. Doch es gibt viele Lösungen für eine ökologische und faire Digitalisierung – wir haben sie recherchiert:
Möchtest du tiefer in das Thema einsteigen, gibt es Ecograder auch in einer Pro-Version. Hier legst du einen Account an und kannst dann mehrere Messungen speichern und sie über einen längeren Zeitraum vergleichen.
Weitere Tracking-Lösungen
Unsere Liste an Ressourcen- und CO2-Trackern ist eher als Einführung in das Thema zu verstehen. Hast du vor zehn Minuten noch nie etwas von diesem Thema gehört, weißt du jetzt vielleicht schon, wonach du für deine eigenen Anwendungsfälle suchen musst. Mit diesem Wissen möchten wir dich nun zu ausführlichen Listen der Green Web Foundation sowie vom Bundesverband Green Software weiterleiten:
- Verzeichnis von „Awesome Green Software“ auf GitHub
- Green Software Directory von der Green Software Foundation
- Kategorische Übersicht des Bundesverband Green Software
Du willst keinen Artikel zum Thema verpassen? Dann abonniere unseren Newsletter oder RSS-Feed und folge uns auf Mastodon, Bluesky oder LinkedIn!
