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
oecd14. Oktober 2024 · Q004693

Navigating the environmental impact of AI

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt den Energie- und Emissionsbedarf von KI und nennt AXAs grobe Szenarien für den Stromverbrauch und die Emissionen einer GPT‑3-Anfrage. Weil Cloudanbieter häufig keine dienstspezifischen Emissionsdaten liefern und der Serverstandort die Werte beeinflusst, sind die Zahlen Schätzungen; AXA empfiehlt daher mehr Transparenz und einen bewussten, auf den Anwendungsfall abgestimmten Einsatz.

Mittel

Der Bericht erörtert den Energieverbrauch und die CO₂-Emissionen von KI, besonders von großen generativen Modellen, und schildert AXAs Vorgehen zur Abschätzung ihrer Umweltwirkung. Als Beispiel nennt er für das Training von GPT‑3 berichtete 552 Tonnen CO₂e. Für Anfragen an GPT‑3 veranschlagen AXAs Szenarien 8 bis 51 Wattstunden und abhängig vom angenommenen Serverstandort 3 bis 8 Gramm CO₂e. Zum Vergleich führt der Text für eine Google-Suche einen berichteten Wert von 0,2 Gramm CO₂ an.

Diese Zahlen sind ausdrücklich grobe Schätzungen: Cloudanbieter weisen Emissionen generativer Dienste oft nicht gesondert aus, weshalb AXA verfügbare Daten und Expertenannahmen heranzieht und Ergebnisse aus kleineren Open-Source-Modellen überträgt. Auch der Strommix am Serverstandort beeinflusst die Schätzung. AXA gibt an, überwiegend herkömmliche, weniger energieintensive KI zu nutzen. Als Maßnahmen nennt der Bericht Mitarbeiterschulungen, einen abgewogenen Technologieeinsatz, effizientere Chips und kleinere spezialisierte Modelle. Mehr Transparenz der Anbieter soll bessere Entscheidungen ermöglichen.

Ausführlich lesen

Der Bericht „Navigating the environmental impact of AI“ behandelt die Umweltbelastung durch künstliche Intelligenz und beschreibt, wie Unternehmen den Nutzen von KI mit Nachhaltigkeitszielen abwägen können. Er verbindet allgemeine Aussagen zum Energiebedarf von KI mit Schätzungen und Maßnahmen aus der Perspektive von AXA.

Der Text hebt hervor, dass das Training großer Modelle viel Rechenleistung beansprucht. Für das Training von GPT‑3 nennt er eine berichtete Emissionsmenge von 552 Tonnen CO₂e. Auch der laufende Einsatz könne energieintensiv sein: Jede Anfrage an ein generatives Modell löse aufwendige Berechnungen aus. Der Bericht gibt die Einschätzung wieder, dass die zunehmende Nutzung von KI den Energiebedarf in naher Zukunft verdoppeln könnte; er präsentiert dies als Möglichkeit, nicht als gesicherte Prognose.

AXA beschreibt die Ermittlung der Umweltwirkung als schwierig, weil Cloudanbieter die Emissionen generativer KI-Dienste häufig nicht gesondert ausweisen. Das Unternehmen sammle verfügbare Emissionsdaten und schätze fehlende Werte anhand von Experteneinschätzungen und Studien zu kleineren Open-Source-Modellen. Neben dem Modell sei auch der Standort wichtig, da sich der CO₂-Ausstoß der Stromerzeugung regional unterscheide. AXAs Szenarien für GPT‑3 veranschlagen pro Anfrage 8 bis 51 Wattstunden und – je nach angenommener Serverregion, Frankreich oder Westen der USA – 3 bis 8 Gramm CO₂e. Zum Vergleich nennt der Text einen berichteten Wert von 0,2 Gramm CO₂ für eine herkömmliche Google-Suche und bezeichnet den möglichen Unterschied als bis zu Faktor 40.

Der Bericht schränkt ein, dass diese Werte grobe Schätzungen sind. Sie beruhen teilweise auf Übertragungen von kleineren Modellen, während detaillierte Angaben der Cloudanbieter fehlen. AXA betont zudem, dass das Unternehmen überwiegend herkömmliche KI für eng umrissene Ergebnisse wie Entscheidungen oder Zahlen einsetzt, die nach eigener Einschätzung deutlich weniger Energie verbraucht als generative KI. Die genannten GPT‑3-Werte sind daher nicht als Messwerte für jede KI-Anfrage oder jedes Modell zu verstehen.

Als Ansatzpunkte nennt AXA interne Schulungen zum verantwortungsvollen Einsatz generativer KI, eine bewusste Auswahl der Technologie statt KI als Standardlösung sowie die Untersuchung effizienterer Chips und kleinerer, spezialisierter Modelle. Der Bericht weist auf einen Zielkonflikt hin: Vorgefertigte allgemeine Modelle ersparen zwar Trainingsaufwand, können bei umfangreicher Nutzung im Betrieb aber mehr Energie benötigen als angepasste kleinere Modelle. Abschließend fordert der Text mehr Transparenz von Cloudanbietern und empfiehlt Unternehmen, Energieverbrauch und Emissionen abzuschätzen, den konkreten Nutzen abzuwägen und KI mit Blick auf die Umwelt einzusetzen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung ist im Kern treu, lässt aber mehrere Befunde aus, etwa die Verdopplungsprognose und den Faktor 40 gegenüber einer Google-Suche. Die Einordnung der Teilfragen fällt bewusst niedrig aus, weil der Bericht die Governance-Fragen nur am Rande berührt.

Im Bericht, aber nicht in der Zusammenfassung

  • Prognose, dass der KI-Einsatz den Energiebedarf möglicherweise verdoppeln könnte
  • Vergleich: eine GPT-3-Anfrage verursacht laut Bericht maximal etwa das 40-Fache einer Google-Suche
  • Vortrainierte große Universalmodelle vermeiden Trainingskosten, verbrauchen im Betrieb aber deutlich mehr Energie als kleinere, spezialisierte Modelle
  • Der Vergleich mit einem Auto, das 19-mal um den Äquator fährt, und die Aussage, KI solle nicht standardmäßig die Technologiewahl sein

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • effizientere Chips als Maßnahme (der Bericht erwähnt nur, dass AXA den Fortschritt der Chip-Architektur verfolgt)

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
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 44 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 43 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 48 %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 · 52 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 58 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 58 %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 · 54 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 60 %gleiches Oberthema, hilft nicht
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 82 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. 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 27 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 66 %einzelne zitierbare Belege
    • JEV 32 %umfangreiche Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • 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 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 72 %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 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 69 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

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 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 60 %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 55 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

    • 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 · 46 % · Hintergrund, keine Belege
  5. 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 38 %Hintergrund, keine Belege
    • JEV 32 %Hintergrund, keine Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • 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 · 44 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · 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 →