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
oecd17. November 2022 · Q005792

Can AI help save the planet?

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag sieht KI sowohl als mögliche Unterstützung für Nachhaltigkeitsziele als auch als Quelle von Umweltbelastungen durch Energie-, Wasser- und Rohstoffverbrauch. Ein OECD- und GPAI-Bericht schlägt vor, direkte Folgen der Recheninfrastruktur und indirekte Folgen der Anwendungen getrennt zu messen; dafür fehlten bislang einheitliche Standards und ausreichende Daten. Die fünf genannten Messlücken werden im Text nicht einzeln erläutert.

Mittel

Der OECD-Beitrag beschreibt KI als mögliche Hilfe bei Klimaschutz und Anpassung, etwa durch intelligente Stromnetze oder digitale Zwillinge. Gleichzeitig verbrauchen Training und Einsatz von KI Energie, Wasser und Rohstoffe und verursachen Treibhausgasemissionen. Die Autorinnen und Autoren verweisen auf fehlende verlässliche Daten und einen mangelnden Konsens darüber, wie diese Umweltwirkungen zu messen sind.

Ein gemeinsamer Bericht von OECD.AI- und GPAI-Fachgruppen schlägt deshalb einen Rahmen vor, der direkte Auswirkungen der Recheninfrastruktur über ihren Lebenszyklus von indirekten Folgen der KI-Anwendungen unterscheidet. Letztere können laut Beitrag positiv oder negativ sein. Als nachhaltigere Praktiken nennt der Text vortrainierte Modelle, emissionsärmere Rechenformen und Rechenzentren mit erneuerbaren Ressourcen. Google zufolge machten maschinelle Lernaufgaben in den drei vorangegangenen Jahren etwa 15 Prozent seines Energieverbrauchs aus.

Der Beitrag fordert gemeinsame Indikatoren und Messverfahren. Er erwähnt fünf zentrale Messlücken, erklärt sie im bereitgestellten Text aber nicht einzeln. Konkrete Gesamtdaten zur Umweltbilanz oder Belege für tatsächlich erzielte Emissionssenkungen werden ebenfalls nicht präsentiert.

Ausführlich lesen

Der OECD-Beitrag stellt die Frage, ob künstliche Intelligenz (KI) zum Schutz des Planeten beitragen kann. Er beschreibt KI als mögliche Hilfe bei Klimaschutz und Anpassung an den Klimawandel, etwa durch Anwendungen wie intelligente Stromnetze oder digitale Zwillinge. Zugleich könne KI selbst Umweltbelastungen verursachen. Die Autorinnen und Autoren betonen, dass die Dringlichkeit wächst: Der Beitrag verweist auf damalige IPCC-Aussagen, wonach die weltweiten Treibhausgasemissionen einen historischen Höchststand erreicht hätten und die kommenden Jahre entscheidend seien.

Im Mittelpunkt steht ein Bericht, den die OECD.AI-Expertengruppe zu KI und Klima gemeinsam mit Fachleuten der GPAI-Arbeitsgruppe für verantwortungsvolle KI und deren Projekt RAISE erarbeitet hat. Er sammelt bestehende und neue Näherungswerte, Indikatoren, Messgrößen und Werkzeuge zur Erfassung der Umweltwirkungen von KI-Rechenleistung und KI-Anwendungen. Außerdem schlägt er einen analytischen Rahmen zur Quantifizierung des ökologischen Fußabdrucks vor. Anlass ist laut Beitrag, dass bislang sowohl verlässliche Daten als auch ein Konsens über geeignete Messstandards fehlen. Das erschwere evidenzbasierte politische Entscheidungen.

Der vorgeschlagene Rahmen unterscheidet direkte und indirekte Auswirkungen. Direkte Folgen entstehen über den Lebenszyklus der Recheninfrastruktur: Herstellung, Transport, Betrieb und Entsorgung. Der Beitrag beschreibt sie meist als negativ und führt insbesondere Energie- und Wasserverbrauch, damit verbundene Treibhausgasemissionen sowie den Einsatz weiterer Rohstoffe an. Indirekte Folgen entstehen durch die Nutzung von KI-Anwendungen und können positiv oder negativ ausfallen. Als mögliche Vorteile nennt der Text intelligente Stromnetze und digitale Simulationen; als mögliches Risiko nennt er Veränderungen des Konsums, die nicht nachhaltig sind.

Als gute Praxis für nachhaltigere KI nennt der Beitrag die Nutzung vortrainierter Modelle, emissionsärmere Rechenformen, eine möglichst hohe Rechendichte innerhalb räumlicher Grenzen sowie nachhaltigere Rechenzentren mit erneuerbaren Ressourcen. Einige Cloudanbieter begännen, KI-spezifische Schätzungen zu veröffentlichen. Als Beispiel wird Google angeführt: Das Unternehmen gebe an, dass maschinelles Lernen in den drei vorangegangenen Jahren etwa 15 Prozent seines gesamten Energieverbrauchs ausgemacht habe. Solche Angaben könnten helfen, den Energiebedarf und die zugehörigen Emissionen zu beziffern und Training von der Nutzung bereits trainierter Modelle zu unterscheiden.

Der Beitrag fordert Politik, Forschung, Unternehmen und Zivilgesellschaft auf, sich auf Indikatoren und gute Messverfahren zu verständigen. Er spricht von fünf zentralen Messlücken mit politischen Folgen, führt deren Einzelheiten im vorliegenden Text jedoch nicht aus; sie werden offenbar in einer Abbildung dargestellt. Auch konkrete Messwerte zu den gesamten Umweltwirkungen von KI oder Nachweise dafür, wie stark bestimmte Anwendungen Emissionen senken, enthält der Text nicht. Sein Ergebnis ist daher vor allem ein Vorschlag für bessere Messung und gemeinsame Standards: KI könne Nachhaltigkeitsziele unterstützen, ihre eigenen Belastungen müssten dabei aber ebenfalls erfasst und begrenzt werden.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu; Luna sollte die Gute-Praktiken-Passage und die meist negativen direkten Auswirkungen ergänzen. Die Einordnung von Luna (Stufe 3 für SF-E4 und SF-A3) ist nach dem Berichtstext zu hoch, da der Bericht diese Fragen kaum berührt. Die Anteilswerte in Lunas Einordnung konnten nicht geprüft werden, weil das Schema sie nicht vorsieht.

Im Bericht, aber nicht in der Zusammenfassung

  • Gute Praktiken für nachhaltige KI (vortrainierte Modelle, emissionsärmere Rechenformen, Rechenzentren mit erneuerbaren Ressourcen) werden in der Kurzfassung nicht genannt.
  • Der Bericht stellt fest, dass direkte Auswirkungen der Recheninfrastruktur überwiegend negativ sind; das fehlt in beiden Fassungen.
  • Der Bericht wurde beim COP27 vorgestellt; das fehlt in der Kurzfassung.

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
Unabhängig prüfen
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 51 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
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 40 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 79 %Hintergrund, keine Belege
    • JEV 51 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
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 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 49 %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 48 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 30 %nur am Rande erwähnt
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 39 %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 56 %Hintergrund, keine Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 45 %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 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 51 %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 82 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  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 48 %Hintergrund, keine Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 35 %nur am Rande erwähnt
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 →