Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral22. Juli 2025 · Q001357

Our contribution to a global environmental standard for AI

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral veröffentlicht nach eigener Darstellung eine Lebenszyklusanalyse, die Umweltwirkungen von Training und Nutzung seiner Sprachmodelle beziffert, und fordert vergleichbare internationale Berichtsstandards. Die Zahlen sind laut Unternehmen eine erste Annäherung: Unter anderem fehlen öffentliche Wirkungsdaten und ein verlässliches Lebenszyklusinventar für GPUs, deren Herstellungsfolgen geschätzt wurden.

Mittel

Mistral stellt eine Lebenszyklusanalyse seiner Sprachmodelle vor und fordert einheitliche, international anerkannte Standards für die Umweltbilanz von KI. Die Studie entstand laut Unternehmen mit Carbone 4 und ADEME und wurde von Resilio und Hubblo begutachtet. Sie betrachtet Treibhausgase, Wasserverbrauch und Ressourcenerschöpfung.

Für Training und 18-monatige Nutzung von Mistral Large 2 bis Januar 2025 nennt Mistral 20,4 kt CO₂-Äquivalente, 281.000 m³ Wasser und 660 kg Antimon-Äquivalente. Eine 400-Token-Antwort von Le Chat verursache zusätzlich 1,14 g CO₂-Äquivalente, 45 ml Wasser und 0,16 mg Antimon-Äquivalente; Endgeräte der Nutzer sind dabei ausgeschlossen. Die Berechnung umfasse auch vorgelagerte Folgen wie Hardwareherstellung.

Mistral empfiehlt, Trainings- und Inferenzwirkungen offenzulegen und zusätzlich das Verhältnis der Inferenz zu den gesamten Lebenszykluswirkungen zu betrachten. Das Unternehmen berichtet von ungefähr proportionalen Auswirkungen zur Modellgröße und empfiehlt daher eine passende Modellauswahl. Es bezeichnet die Studie jedoch als erste Annäherung: Standards, öffentliche Wirkungsfaktoren und ein verlässliches Lebenszyklusinventar für GPUs fehlten; GPU-Herstellungsfolgen seien geschätzt worden. Mistral will die Berichte aktualisieren und an internationalen Standards mitarbeiten.

Ausführlich lesen

Der Bericht stellt Mistrals Untersuchung zum ökologischen Fußabdruck seiner Sprachmodelle vor und plädiert für einen internationalen Umweltstandard für KI. Mistral argumentiert, dass mehr Transparenz nötig sei, damit öffentliche Stellen, Unternehmen und Nutzer Modelle vergleichen, fundierte Beschaffungsentscheidungen treffen und ihre Umweltwirkungen besser erfassen können. Das Unternehmen beschreibt den Umgang mit diesen Auswirkungen als gemeinsame Verantwortung der Akteure entlang der KI-Wertschöpfungskette.

Nach eigener Darstellung hat Mistral eine umfassende Lebenszyklusanalyse (LCA) eines KI-Modells durchgeführt. Die Arbeit entstand in Zusammenarbeit mit der Nachhaltigkeitsberatung Carbone 4 und der französischen Umweltagentur ADEME; Resilio und Hubblo hätten sie begutachtet. Mistral gibt an, die Analyse folge der Frugal-AI-Methodik von AFNOR und erfülle unter anderem den GHG Protocol Product Standard sowie ISO 14040/44. Untersucht wurden Treibhausgasemissionen, Wasserverbrauch und die Beanspruchung nicht erneuerbarer Ressourcen.

Für Mistral Large 2 beziffert der Bericht die Auswirkungen des Trainings und der anschließenden Nutzung über 18 Monate bis Januar 2025 auf 20,4 Kilotonnen CO₂-Äquivalente, 281.000 Kubikmeter verbrauchtes Wasser und 660 Kilogramm Antimon-Äquivalente als Maß für Ressourcenerschöpfung. Für eine Antwort von Le Chat mit 400 Token nennt Mistral als zusätzliche, marginale Auswirkungen 1,14 Gramm CO₂-Äquivalente, 45 Milliliter Wasser und 0,16 Milligramm Antimon-Äquivalente. Die letztgenannten Werte schließen die Endgeräte der Nutzer aus. Laut Bericht berücksichtigen die Gesamtwerte neben dem Stromverbrauch auch vorgelagerte Auswirkungen, etwa die Herstellung von Servern.

Als wichtige Kennzahlen empfiehlt Mistral die absoluten Auswirkungen des Modelltrainings, die zusätzlichen Auswirkungen der Inferenz und das Verhältnis der gesamten Inferenz zu den gesamten Lebenszyklusauswirkungen. Die ersten beiden Kennzahlen könnten nach Auffassung des Unternehmens verpflichtend veröffentlicht werden; die dritte eigne sich als interner, optional offenzulegender Indikator. Mistral verweist außerdem auf einen Zusammenhang zwischen Modellgröße und Fußabdruck: In den angeführten Benchmarks seien die Auswirkungen bei gleicher erzeugter Tokenmenge ungefähr proportional zur Modellgröße. Daraus leitet das Unternehmen ab, dass Modellgröße und Einsatzzweck zusammenpassen sollten.

Der Bericht kennzeichnet die Untersuchung ausdrücklich als erste Annäherung. Präzise Berechnungen seien schwierig, da Standards für die Umweltbilanzierung von Sprachmodellen und öffentlich verfügbare Wirkungsfaktoren fehlten. Insbesondere gebe es noch kein verlässliches Lebenszyklusinventar für GPUs; deren Herstellungsfolgen mussten geschätzt werden, obwohl sie laut Mistral einen erheblichen Anteil ausmachen. Als künftige Richtung nennt der Bericht international anerkannte, einheitliche Berichtsrahmen und mögliche Vergleichs- oder Bewertungssysteme. Auf Anwenderseite empfiehlt er, passende Modellgrößen zu wählen, unnötige Berechnungen zu vermeiden und Anfragen zu bündeln. Mistral kündigt an, seine Berichte zu aktualisieren und an Standardisierungsdebatten mitzuwirken; die Ergebnisse sollten später in ADEMEs Base Empreinte verfügbar sein.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die Fassung „mittel“. Die Kurzfassung ist ebenfalls treu, aber dünner und erwähnt die Standardkonformität nicht. Die Fragen zielen auf KI-Governance, der Bericht dagegen auf Umweltbilanzen. Deshalb fallen die Treffer der Einordnung niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Vorschlag eines Scoring-Systems, das die wenigst kohlenstoff-, wasser- und materialintensiven Modelle kennzeichnet
  • Einhaltung des GHG Protocol Product Standard und von ISO 14040/44 sowie der AFNOR-Methodik Frugal AI
  • Empfehlungen an die Nutzerseite (AI-Literacy, Anfragen bündeln) und Beschaffungskriterien für öffentliche Institutionen
  • Veröffentlichung der Ergebnisse über ADEMEs Base Empreinte

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 22 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 21 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 32 %gleiches Oberthema, hilft nicht
    • drex 23 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 4 · 36 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 24 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 61 %Hintergrund, keine Belege
    • JEV 39 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 35 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 40 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 62 %einzelne zitierbare Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 34 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 29 %nur am Rande erwähnt
    • amos 30 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 25 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV 33 %Hintergrund, keine Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
Wirtschaft und Haftung
  1. SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 31 %nur am Rande erwähnt
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 26 %nur am Rande erwähnt
    • d3-ultra 52 %nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →