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
oecd11. August 2023 · Q005830

Will businesses or laws and regulations ever prioritise environmental sustainability for AI systems?

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag fordert, Umweltfolgen von KI durch verbindlichere Regeln, einheitliche Emissionsberichte und möglicherweise eine Nachhaltigkeitszertifizierung stärker in den Blick zu nehmen. Messungen und Vergleiche seien jedoch durch fehlende Standards, unvollständige Daten und die schwer abgrenzbare KI-Rechenleistung begrenzt.

Mittel

Der Beitrag argumentiert, dass die Umweltfolgen des KI-Computings bei der Entwicklung von KI-Regeln bislang zu wenig berücksichtigt werden. Für das Training großer Modelle nennt er einen geschätzten Verbrauch von 100 bis 200 MWh. Zwar gebe es erste Regelungsansätze, etwa vorgeschlagene Umweltvorgaben im EU-KI-Gesetz, doch konzentrierten sich viele Regeln weiterhin auf Sicherheit und Verbraucher- oder Geschäftsinteressen.

Zur Ermittlung des CO₂-Ausstoßes werden Kohlenstoffintensität und Stromverbrauch verknüpft. Software-Schätzungen seien praktisch, aber oft weniger genau als Hardwaremessungen; die Modellgröße allein sei kein verlässlicher Verbrauchsindikator. Der Beitrag empfiehlt deshalb einheitliche Angaben zu Hardware, Energie, Trainingsdauer und Standort. Rechenzentrumsregeln, Klimaziele von Technologieunternehmen und Emissionsberichte einzelner Modelle könnten als Anregungen dienen. Eine KI-Nachhaltigkeitszertifizierung nach dem Vorbild von LEED wird als Möglichkeit vorgeschlagen, existiere aber noch nicht.

Die Belege sind begrenzt: KI-spezifischer Stromverbrauch lässt sich schwer von allgemeiner Rechenleistung abgrenzen, Standards fehlen, und die Untersuchung umfasst nur rund 20 Modelle anhand öffentlicher, nicht umfassender Daten. Der Text versteht sich nicht als Rechts- oder Fachberatung.

Ausführlich lesen

Der OECD.AI-Beitrag fragt, ob Unternehmen oder Vorschriften der ökologischen Nachhaltigkeit von KI-Systemen Vorrang geben werden. Er argumentiert, dass der Energieverbrauch und CO₂-Ausstoß der Rechenleistung für KI bislang zu wenig beachtet würden und Nachhaltigkeit deshalb schon bei der Entwicklung in Regeln und Standards berücksichtigt werden sollte. Als Größenordnung nennt der Beitrag für das Training eines typischen großen KI-Modells 100 bis 200 MWh Strom; das entspreche dem 10- bis 20-Fachen des jährlichen Verbrauchs eines durchschnittlichen US-Einfamilienhauses. Diese Angabe wird im Text als Schätzung dargestellt.

Der Beitrag beschreibt die damalige Regulierung als lückenhaft: Viele KI-Regeln konzentrierten sich auf Sicherheit sowie Verbraucher- und Geschäftsinteressen; ausdrückliche Umweltvorgaben seien selten oder freiwillig. Als mögliche Entwicklung nennt er Änderungen am EU-KI-Gesetz, die Umweltschäden als Hochrisikobereich einordnen und Transparenzpflichten für Anbieter von Basismodellen vorsehen sollten. Die Beispiele und der Rechtsstand beziehen sich auf den damaligen Veröffentlichungszeitraum.

Für die Messung des Klimaeinflusses erläutert der Text die Rechnung „CO₂-Äquivalent = Kohlenstoffintensität × Stromverbrauch“. Softwarewerkzeuge wie CodeCarbon oder Carbon Tracker schätzten den Stromverbrauch, seien aber nach Darstellung des Beitrags meist weniger genau als direkte Hardwaremessungen. Andere Rechner nutzten Angaben zu Hardware, Laufzeit, Standort und Plattform. Die Modellgröße allein sei kein zuverlässiger Ersatz für Messdaten: Die untersuchten Beispiele zeigten keinen eindeutigen Zusammenhang zwischen Parameterzahl und CO₂-Ausstoß; die Zahl verwendeter GPUs sei stärker mit dem Klimaeinfluss verbunden. Für aussagekräftigere Vergleiche empfiehlt der Beitrag einheitliche Berichte über Hardware, Energieverbrauch, Trainingsdauer und Standort.

Als mögliche Vorbilder behandelt er Regeln für Rechenzentren, freiwillige Klimaziele großer Technologieunternehmen und veröffentlichte Emissionsangaben einzelner Modellprojekte, etwa zu BLOOM, LLaMA und GPT-3. Diese Ansätze seien hilfreich, erfassten aber KI-Betrieb nicht immer gesondert oder garantierten keine Nachhaltigkeit. Auch Zertifizierungen nach dem Vorbild des Gebäudeprogramms LEED werden als mögliche Idee vorgestellt; eine entsprechende Institution oder ein etabliertes Verfahren für KI gebe es dem Beitrag zufolge noch nicht. Einschränkungen sind die schwierige Trennung von KI-spezifischer und sonstiger Rechenleistung, unvollständige Messstandards sowie eine nicht umfassende Erhebung von ungefähr 20 großen Modellen. Die Modellzahlen stützten sich auf öffentlich verfügbare Angaben und könnten je nach Hardware und Trainingsverfahren abweichen. Der Beitrag ist ein informierender Blogtext und laut eigenem Hinweis keine Rechts- oder Fachberatung.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Zwei Fassungen der Zusammenfassung (kurz und mittel) wurden gemeinsam geprüft; beide geben den Bericht sachlich treu wieder, die mittlere Fassung ist vollständiger. Die Einordnung bewertet nur den Bericht selbst und nicht Lunas Stufen oder Anteile.

Im Bericht, aber nicht in der Zusammenfassung

  • Die EU-Vorschläge stufen Umweltschäden als Hochrisiko-Bereich ein und verpflichten Anbieter von Foundation-Modellen zu Transparenz und Offenlegung.
  • Google meldete für seine Rechenzentren bis zu 2,5 Mio. Tonnen CO2-Äquivalente (2023).
  • Rechenzentrums-Moratorien in Frankfurt, Groton, Irland, Amsterdam und Singapur werden als regulatorische Vorbilder genannt.
  • Die Klimaziele von Google, Amazon und Microsoft bis 2030 gelten nicht für den KI-Betrieb; die Unternehmen geben aber zu, dass sich der künftige KI-Energiebedarf kaum vorhersagen lässt.
  • Beispiele für Emissionsberichte einzelner Modelle (Google-Studie, Meta LLaMA, BLOOM) werden nicht genannt.

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 46 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • 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 55 %Hintergrund, keine Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 52 %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 70 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 51 %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 27 %gleiches Oberthema, hilft nicht
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 31 %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 · 40 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 20 %Hintergrund, keine Belege
    • Luna 48 %einzelne zitierbare Belege
    • JEV 46 %Hintergrund, keine Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra 33 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 · 55 % · 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 64 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • 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 · 35 % · Hintergrund, keine Belege
    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
    • SF-T1-T08 Wenn ein Sicherheitsprojekt mit KI-Hilfe zugleich die allgemeine Fähigkeit des Modells oder die für sein Training genutzte Rechenleistung steigert: Wie hält man beide Wirkungen fest, und wie entscheidet man, ob der daraus entstehende Fähigkeitszuwachs eine neue Sicherheitsprüfung braucht, bevor die Arbeit weitergeht? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
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 34 %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-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 64 %einzelne zitierbare Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 24 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 41 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 85 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • 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 53 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 50 %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 54 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-H3-T03 Welche verbindliche Meldepflicht hat ein Labor, wenn ein Modell, das zum Teil mit synthetischen Daten eines fremden Spitzenmodells trainiert wurde, eine schlechtere Ausrichtung zeigt, die grenzüberschreitend Schaden verursacht, und welches Recht hat die Regierung des Landes, aus dem die Daten stammen, den betroffenen Trainingsablauf zu prüfen, ohne an die Modellgewichte (die gelernten Parameter) zu kommen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
    • SF-H3-T05 Wenn ein Modell nacheinander von Laboren in verschiedenen Rechtsordnungen feinjustiert, mit anderen Modellen zusammengeführt oder destilliert wird (ein weiteres Modell wird mit seinen Ausgaben trainiert) und jede Stufe Fähigkeiten hinzufügen oder Schutzvorkehrungen entfernen kann: Welches gemeinsame Herkunftsregister, das sich nur ergänzen und nicht ändern lässt, verfolgt eine Gefahr bis zu der Änderung zurück, die sie brachte, ohne die vollständigen Trainingsdaten eines einzelnen Labors zu verlangen? Und wenn dabei ein Verhalten entsteht, das keines der Ursprungslabore vorhergesehen hat: Welche Register- oder Vorabmeldepflicht gilt vor dem Einsatz, und welcher Staat ist bei grenzüberschreitendem Schaden zuständig? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
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 48 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 29 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-O2-T04 Haben Regierungen ein Labor im eigenen Land vertraulich gebeten, einen Trainingslauf oder eine Freigabe zu verschieben, zu verkleinern oder anzuhalten? Falls ja: Veröffentlichen sie, wie oft das geschah, nach welchen veröffentlichten Kriterien und wann die Bitte aufgehoben wurde, ohne die als geheim eingestufte Empfehlung selbst zu veröffentlichen? Luna: Stufe 3 · 38 % · 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 43 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 30 %nur am Rande erwähnt
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 32 %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 22 %Hintergrund, keine Belege
    • Luna 66 %Hintergrund, keine Belege
    • JEV 40 %umfangreiche Belege
    • amos 25 %einzelne zitierbare Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 29 %gleiches Oberthema, hilft nicht

  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 45 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 44 %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 77 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  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 43 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 31 %nur am Rande erwähnt
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • 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 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
Wirtschaft und Haftung

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 →