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
oecd18. Mai 2025 · Q003867

Measuring the environmental impacts of artificial intelligence compute and applications

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der bereitgestellte Berichtsauszug beschreibt mögliche Nachhaltigkeitsgewinne durch KI, aber auch Umweltbelastungen durch den steigenden Bedarf an Rechenleistung, Energie, Wasser und Rohstoffen. Er unterscheidet direkte, meist negative Auswirkungen der KI-Recheninfrastruktur von positiven oder negativen indirekten Folgen der Anwendungen; nähere Messresultate des vollständigen Berichts liegen im Auszug nicht vor.

Mittel

Der bereitgestellte Berichtsauszug fragt, wie die Umweltwirkungen von KI-Recheninfrastruktur und KI-Anwendungen gemessen werden können. KI könne Nachhaltigkeitsziele unterstützen, etwa durch Effizienzgewinne und bessere Steuerung von Energiesystemen. Training und Betrieb verursachten jedoch selbst Umweltwirkungen, da sie physische Infrastruktur und wachsende Rechenressourcen benötigen.

Der Auszug verweist auf Angaben der Internationalen Energieagentur, wonach Rechenzentren trotz wachsender Arbeitslasten und Datenmengen weiterhin ungefähr ein Prozent des weltweiten Stromverbrauchs beanspruchten; KI stelle davon schätzungsweise einen kleinen Anteil. Zugleich sei der KI-Rechenbedarf nach Einschätzung mancher Forschender schneller gewachsen als die Hardwareleistung, weshalb die Fortdauer von Effizienzgewinnen ungewiss sei.

Methodisch fasst der Bericht laut Auszug eine Literaturauswertung, eine öffentliche Umfrage und Fachinterviews zusammen. Er unterscheidet direkte Auswirkungen des Lebenszyklus der KI-Rechenressourcen von indirekten Folgen der Anwendungen. Direkte Wirkungen seien meist negativ und beträfen Energie, Wasser, Rohstoffe und Treibhausgasemissionen. Indirekte Wirkungen könnten sowohl nützlich sein, etwa bei intelligenten Stromnetzen, als auch schädlich, etwa durch nicht nachhaltige Konsummuster. Der Auszug enthält keine detaillierten Messresultate oder den vollständigen Bericht.

Ausführlich lesen

Der bereitgestellte Berichtsauszug behandelt, wie sich die Umweltwirkungen von KI-Recheninfrastruktur und KI-Anwendungen erfassen lassen. Er beschreibt KI als mögliche Unterstützung für Nachhaltigkeitsziele: KI-Produkte und -Dienste könnten Effizienz steigern, Energiesysteme besser steuern und zur Senkung von Treibhausgasemissionen beitragen. Zugleich benötigen Training und Betrieb von KI erhebliche Rechenressourcen und können dadurch selbst Umweltbelastungen verursachen. Der Auszug betont, dass KI auf physischer Infrastruktur und Hardware sowie Software beruht und die Rechenanforderungen im vergangenen Jahrzehnt stark gewachsen sind.

Als Kontext nennt der Text Angaben der Internationalen Energieagentur: Der Anteil von Rechenzentren am weltweiten Stromverbrauch sei trotz wachsender Arbeitslasten und Datenverkehrs bei ungefähr einem Prozent stabil geblieben; KI mache davon schätzungsweise einen kleinen Anteil aus. Das könne auf Effizienzgewinne bei der Hardware hindeuten. Der Auszug verweist jedoch auch auf Forschende, die anmerken, dass der Bedarf an KI-Rechenleistung schneller gestiegen sei als die Hardwareleistung. Ob sich die Effizienzgewinne fortsetzen, bleibe daher fraglich.

Der Berichtsauszug begründet den Bedarf an verlässlichen und vergleichbaren Messgrößen mit der Bedeutung solcher Daten für politische Entscheidungen. Er ordnet das Thema in frühere OECD-Empfehlungen zu Umweltwirkungen von Informations- und Kommunikationstechnologien, verantwortungsvoller KI und Breitbandnetzen ein und erklärt, dass weiterhin spezifische Messansätze für KI erforderlich seien.

Für die Untersuchung definiert die OECD-Expertengruppe zu KI-Rechenleistung und Klima „AI compute“ als eine oder mehrere Hardware- und Softwareschichten, die spezialisierte KI-Arbeitslasten und Anwendungen effizient unterstützen. Der Bericht stützt sich laut Auszug auf eine Literaturauswertung, eine öffentliche Umfrage und Interviews mit Fachleuten; einbezogen wurden Beiträge der Expertengruppe und von Fachleuten der Global Partnership on AI. Untersucht wird, wie Umweltwirkungen derzeit gemessen werden.

Der Text unterscheidet direkte Wirkungen der Lebensphasen der Rechenressourcen – Herstellung, Transport, Betrieb und Ende der Nutzungsdauer – von indirekten Wirkungen der KI-Anwendungen. Direkte Folgen seien laut Analyse überwiegend negativ und entstünden vor allem durch den Verbrauch von Wasser, Energie und anderen Rohstoffen sowie die damit verbundenen Treibhausgasemissionen. Indirekte Wirkungen könnten positiv sein, etwa durch intelligente Stromnetze oder digitale Zwillinge, aber auch negativ, beispielsweise wenn Anwendungen nicht nachhaltige Konsummuster fördern. Der vorliegende Auszug endet mit dieser Unterscheidung; detaillierte Messverfahren, Zahlen zu einzelnen Wirkungen oder die weiteren Ergebnisse des vollständigen Berichts sind darin nicht enthalten.

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

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 7 von 7
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 65 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 76 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 42 %Hintergrund, keine Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 51 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
Frieden und Sicherheit
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 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 37 %Hintergrund, keine Belege
    • JEV 50 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %Hintergrund, keine Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 80 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
  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 46 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
Information und Öffentlichkeit

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 →