Nachhaltige KI für eine nachhaltige Welt?

Systeme Künstlicher Intelligenz (KI) verändern unsere Gesellschaften und Volkswirtschaften in einem atemberaubenden Tempo. Dies weckt Hoffnungen und Ängste zugleich. Während die einen dystopische Szenarien entwerfen, sehen andere in KI Potenzial, um die ökologischen und sozialen Herausforderungen unserer Zeit zu adressieren. Welche potenziellen Chancen und Risiken mit KI-Systemen für das Ziel einer nachhaltigen Entwicklung verbunden sind und sein können, ist Inhalt der folgenden Betrachtung in drei Teilen: Der erste widmet sich der ökologischen Dimension, der zweite sozialen Aspekten und der dritte Fragestellungen rund um Ethik, Governance und Regulierung.

Dem Text und seinen drei Teilen liegt ein breites Verständnis von KI zugrunde, das sowohl die Datenbasis und die verschiedenen Lernmodelle wie Machine Learning und das komplexere Deep Learning umfasst. Als definitorische Grundlage soll daher in Anlehnung an das Institut für Ökologische Wirtschaftsforschung (IÖW, 2021, Seite 14) folgende Definition dienen:

Bei KI Systemen werden die Regeln nicht in der Programmierung des Algorithmus von Menschen festgelegt, sondern entstehen durch einen selbständigen Lernprozess (aus Daten). KI-Systeme umfassen sowohl die zugrundeliegenden Learning-Modelle als auch die zum Lernen genutzten Daten.

Mit Blick auf Nachhaltigkeit kann bei KI-Systemen, ebenfalls in Anlehnung an das IÖW (2021, Seite 21), zwischen zwei Perspektiven unterschieden werden:

·       Nachhaltige KI: Im Zentrum steht die Verantwortung für die sozialen, ökologischen und ökonomischen Auswirkungen entlang des Lebenszyklus von KI-Systemen.

·       KI für Nachhaltigkeit (AI4SDG): Hier geht es um das Potenzial, mithilfe von KI-Systemen die UN-Nachhaltigkeitsziele (Sustainable Development Goals – SDGs) zu erreichen.

Auf diese Unterscheidung wird in den folgenden drei Betrachtungen zurückzukommen sein. Zunächst stehen im ersten Teil Umweltaspekte im Fokus.

1.  Die ökologische Dimension von KI-Systemen

Berichte über den enormen Ressourcen- und Energieverbrauch von KI-Systemen sorgen immer wieder für Aufmerksamkeit. Zugleich nehmen Bedeutung und Verbreitung von KI-Anwendungen sowohl im privaten als auch im wirtschaftlichen Kontext stetig zu. In einer umfassenden Bewertung muss auch der potenzielle Beitrag von KI-Systemen zur Bewältigung ökologischer Herausforderungen berücksichtigt werden.

Der Betrieb und die Entwicklung von KI-Systemen gehen mit einem erheblichen Einsatz von Energie und Ressourcen einher. Dabei lassen sich vier zentrale Kategorien unterscheiden: der Energieverbrauch, die daraus resultierenden Treibhausgasemissionen einschließlich des Beitrags verschiedener Energiequellen wie Kernkraft, der Wasserbedarf sowie der Bedarf an materiellen Ressourcen.

Energiebedarf: KI-Systeme treiben den Verbrauch in die Höhe

KI-Systeme erfordern große Rechenkapazitäten. Bereits 2022 verbrauchten die Rechenzentren weltweit so viel Strom wie Frankreich – die weltweit siebtgrößte Volkswirtschaft. Allein auf die vier US-Konzerne Amazon, Alphabet, Microsoft und Meta entfielen im gleichen Jahr etwa 90 Terrawattstunden. Dies entspricht dem Verbrauch von Ländern wie Finnland, Belgien oder Kolumbien (Dachwitz & Hilbig, 2024, Seite 112). Der Anteil des Stromverbrauchs der irischen Hauptstadt Dublin, der auf Rechenzentren entfällt, soll bereits 80 Prozent umfassen. Schätzungen zufolge wird sich der Anteil KI-spezifischer Hardware am Energieverbrauch von 14 Prozent im Jahr 2023 auf 47 Prozent im Jahr 2030 erhöhen. Dabei sind Kryptowährungen, die ebenfalls viel Energie erfordern, in dieser Schätzung nicht einbezogen (Öko-Institut Consult GmbH 2025, Seite 5).

KI-Systeme sind somit ein wesentlicher Treiber eines weltweit steigenden Energieverbrauchs. Zwar gibt es durch technologischen Fortschritt Effizienzgewinne. Diese werden jedoch durch eine steigende Nutzung und immer neue und immer breiter eingesetzte Anwendungen aufgefressen. Dieses Phänomen wird auch Rebound-Effekt genannt.

Gefährdete Klimaziele und eine Renaissance der Kernkraft

Der große Energieverbrauch der KI-Systeme ist somit dem Klimaschutz abträglich und .  es ist davon auszugehen, dass der Energiehunger der KI-Systeme zu längeren Laufzeiten fossiler Kraftwerke führen wird. Zugleich zeichnet sich bereits ab, dass die Digitalisierung die Renaissance der Kernkraft befeuert. Beispielsweise investieren große Tech-Konzerne wie Google, Amazon, Microsoft und Meta zunehmend in Atomkraftwerke und sogenannte Small Modular Reactors. Sie wollen auf diese Weise ihre enormen Energieverbräuche “klimaneutral” decken. Damit sind aber erhebliche Umwelt- und Sicherheitsrisiken verbunden, etwa ein hoher Wasserverbrauch, radioaktiver Abfall und ungelöste Endlagerfragen (vgl. Öko-Institut Consult GmbH 2025, Seite 5f.).

Steigende Wasserverbräuche von Rechenzentren erwartet

Rechenzentren benötigen zur Kühlung erhebliche Mengen an Wasser. Schätzungen zufolge belief sich der weltweite, auf Rechenzentren entfallende Wasserverbrauch im Jahr 2023 auf rund 175 Milliarden Liter. Bis 2030 wird ein Anstieg auf 664 Milliarden Liter erwartet, was mehr als einer Verdreifachung entspricht. Expertinnen und Experten verweisen insbesondere auf die gravierenden Folgen dieses steigenden Wasserbedarfs in Regionen mit bereits bestehender Wasserknappheit (ebenda).

Vor dem Hintergrund der rasanten Verbreitung von KI-Systemen hat beispielsweise Microsoft seine ursprünglichen Zusagen zur Reduktion des Wasserverbrauchs revidiert. Das Unternehmen geht inzwischen davon aus, dass sich der Wasserverbrauch seiner Rechenzentren bis 2030 im Vergleich zu 2020 mehr als verdoppeln wird – auch in Gebieten, die von Wasserknappheit betroffen sind (Satariano et al. 2026). Darüber hinaus ist das aus Rechenzentren abgeleitete Wasser häufig verunreinigt und kann somit negative Umweltauswirkungen haben (IÖW 2021, Seite 49). Zusätzlich ist der indirekte Wasserverbrauch zu berücksichtigen, der im Rahmen der Stromerzeugung sowie der Halbleiter- und Chipproduktion anfällt (vgl. Öko-Institut Consult GmbH 2025, Seite 5f.).

Ungestillter Ressourcenhunger

Für das Training und die Anwendung der KI-Systeme wird immer mehr Hardware benötigt. Auch die mobilen Endgeräte, etwa Smartphones, müssen für die KI-System stärker als bislang mit Transistoren und spezialisierten Schaltkreisen ausgestattet werden. Die Produktzyklen werden kürzer, wodurch der Technologie-Konsum steigt. Dieser wiederum befeuert die Nachfrage nach Rohstoffen wie seltenen Erden. Bei der Produkten fallen zudem Energie- und Wasserverbräuche an. Zudem entstehen gefährliche Abfälle, wozu unter anderem der Elektroschrott zählt (IÖW 2021, Seite 49f.)

Letzterer wird – obwohl heute 70 bis 90 Prozent des Gewichts von Technologieprodukten recycelt werden können (ebenda, Seite 50) – häufig in Länder des Globalen Südens exportiert. Dort verursacht er massive Probleme. Ausrangierte Elektrogeräte sind der weltweit am schnellsten wachsende Abfallstrom. Ein Großteil dieses digitalen Schrotts, der überwiegend in den reichen Ländern des Globalen Nordens anfällt, wird in ökonomisch schlechter gestellten Ländern entsorgt, wobei Asien und Afrika die Hauptzielorte sind (McGovern & Branford, 2025).

Elektroschrott gefährdet die Gesundheit von Menschen im Globalen Süden

Weil die Menschen in den Ländern des Globalen Südens meist nicht über die hochentwickelten Geräte und Verfahren verfügen, die für die sichere Demontage und das Recycling dieser komplexen Verbundprodukte erforderlich sind, plündern ungelernte Schrottarbeiterinnen und Schrottarbeiter, darunter auch Kinder, diese Produkte nach wiederverkäuflichen Komponenten. Dies hat oft negative Auswirkungen auf deren Gesundheit und die Umwelt (ebenda).

Der nach Afrika, Asien oder Südamerika exportierte Elektroschrott verschwindet dort nicht einfach. Vielmehr wird er meist auf offenen Feuern verbrannt oder in Deponien gelagert. Giftstoffe sickern in die Böden ein, auf denen Getreide angebaut oder Hühner gezüchtet werden, und gelangen in das Grundwasser, aus dem Gemeinden ihr Trinkwasser speisen. Der Elektroschrott ist giftig und eine Gefahr für die öffentliche Gesundheit (ebenda). 

Seltene Erden und andere Rohstoffe sind gefragter denn je

Auch der Ressourcenhunger zieht weite Kreise. Denn die Digitalisierung und speziell KI-Systeme basieren auf verschiedensten Rohstoffen, die zumeist nicht in Europa abgebaut werden können. Touchscreens kommen nicht ohne Indium, Silizium und Zinn aus. Kupfer ist ein essenzieller Rohstoff und Gold wird unter anderem für Platinen und Mikrochips benötigt. Ähnliches gilt für Palladium und Platin. Hochleistungschips, die in der Raumfahrt und für KI-Systeme erforderlich sind, brauchen Bauxit, Germanium, Aluminium und Gallium. Hinzukommen insbesondere Kobalt und Lithium für Akkus, die Teil mobiler Endgeräte wie Smartphones sind (Dachwitz & Hilbig 2024, Seite 120ff.).

Der Abbau und die Förderung dieser Rohstoffe geht oft mit erheblichen sozialen und ökologischen Problemen einher. Ein Beispiel ist Kupfer. Das rote Metall ist für die moderne Dateninfrastruktur essenziell. Es steckt in Stromkabeln, in Transformatoren sowie in den Kühlsystemen, die verhindern, dass Rechenzentren überhitzen. Der Anteil von Kupfer an den Investitionsausgaben eines Rechenzentrumsprojekts wird auf bis zu sechs Prozent geschätzt (Kettner Edelmetalle 2025). Beim Abbau werden Arsen und Schwefeldämpfe freigesetzt. Bei der lokalen Bevölkerung steigen infolge die Krebsraten. Umsiedlungen werden erforderlich. Wegen des Wasserbedarfs für den Abbau kann zudem der Grundwasserspiegel sinken. Auch bei der Weiterverarbeitung in Europa entsteht hochgiftiger Müll (Rehage 2025).

Ähnlich sieht es bei anderen Rohstoffen aus. Beim Kobaltabbau in der Demokratischen Republik Kongo beispielsweise wird von Zwangsvertreibungen berichtet und bei der Lithiumförderung in Südamerika von Wasserkonflikten (Dachwitz & Hilbig 2024, Seite 122ff). Verantwortung für negative ökologische und soziale Auswirkungen des Rohstoffhungers in den Lieferketten – auch in Form höherer Preise – wollen offenbar nur wenige übernehmen.

Ökologische Nachhaltigkeit von KI-Systemen

Die ökologischen Auswirkungen von KI-Systemen sind immens und alles weist daraufhin, dass sich diese in naher Zukunft noch weiter verstärken werden. Was also wären Möglichkeiten, die ökologischen Schäden zu begrenzen, die Verbräuche und Emissionen zurückzufahren und den Ressourcenverbrauch zu reduzieren und im besten Falle zirkulär zu gestalten? Wenn es auch unrealistisch erscheint, den Schalter bei KI-Systemen bald in Richtung Naturverträglichkeit umlegen zu können, gibt es doch zumindest einige Ideen, Kriterien und Forderungen, wie sich KI-Systeme ökologisch nachhaltig gestalten lassen.

Hierzu zählen beispielsweise folgende Anregungen (Öko-Institut Consult GmbH 2025, Seite 37f. und ähnlich auch IÖW 2021, Seite 43ff.):

·       Angemessenheit: Der Einsatz von KI-Systemen sollte nur erfolgen, wenn keine gleichwertigen oder besseren konventionellen, analogen oder menschlichen Lösungen für die jeweilige Aufgabe existieren.

·       Suffizienz: Für nachhaltige Anwendungen sollten möglichst einfache, aufgabenspezifische Modelle mit geringem Daten-, Rechen- und Hardwarebedarf gewählt werden.

·       Effizienz: Durch kontinuierliche Optimierung von Software, Daten, Hardware und der Infrastruktur von Rechenzentren sowie durch kontinuierliches Monitoring sollten Energie- und Ressourcenverbräuche von KI-Systemen deutlich reduziert werden.

·       Transparenz: KI-Systeme sollten ihre direkten und indirekten Nachhaltigkeitswirkungen transparent, überprüfbar und verständlich offenlegen. Hierbei können auch Green-IT-Zertifizierungen o. Ä. helfen.

KI für Nachhaltigkeit: Anwendungsbeispiele

Als ein wesentlicher Faktor für die ökologische Nachhaltigkeit von KI-Systemen gilt, dass diese gezielt zur Bewältigung von Klima- und Umweltproblemen entwickelt und eingesetzt werden – das heißt, es geht um KI für Nachhaltigkeit bzw. um KI für die UN-Nachhaltigkeitsziele (AI4SDG). Gleichzeitig ist davon auszugehen, dass aktuell der überwiegende Teil der KI-Systeme keinen direkten Nachhaltigkeitsbezug aufweist und nicht explizit auf eine sozial-ökologische Transformation abzielt, etwa in der Finanzwirtschaft, dem Handel, dem Marketing und in den sozialen Medien.

Gleichwohl existieren zahlreiche Bereiche, in denen KI-Systeme einen Beitrag zur Lösung von Nachhaltigkeits-Herausforderungen leisten können. Im Energiesektor werden KI-Systemen eine besonders hohe Relevanz zugeschrieben, etwa für das Energiemanagement. Aber auch Prozessoptimierungen in der Logistik, Anwendungen vorausschauender Wartung (Predictive Maintenance), KI-gestützte Smart-Home- und Smart-Building-Lösungen zählen dazu. Weitere Anwendungsfelder sind außerdem die Mobilität, etwa durch optimierte Treibstoffplanung oder Carsharing-Systeme, Anwendungen wie das Monitoring von Ökosystemen, Lieferketten und Recyclingprozessen (IÖW 2021, Seite 20ff.).

KI für Nachhaltigkeit: Good Practice

Einige konkrete Beispiele können das Potenzial von KI-Systemen für Nachhaltigkeit greifbar machen (vgl. für die folgenden Beispiele BAUM, Seite 3ff.). Zu nennen ist etwa das Forschungsprojekt AIAMO (Artificial Intelligence And Mobility). Dieses entwickelt und erprobt Lösungen für ein nachhaltiges Mobilitätsmanagement in Städten und Kommunen. In den beiden Modellregionen Leipzig und Landau in der Pfalz wird exemplarisch belegt, wie KI-basierte Steuerungssysteme Verkehrsflüsse effizienter gestalten, Emissionen reduzieren und den Mobilitätswandel unterstützen können.

Weitere Anwendungsfelder finden sich im Bereich der Klimaanpassung, etwa bei KI-gestützten Sturmflutprognosen, bei denen Machine-Learning-Verfahren als wirksames Instrument zur besseren Vorhersage und Bewältigung von Extremereignissen eingesetzt werden.

Auch in der Industrie zeigt sich das Potenzial von KI für mehr Nachhaltigkeit. Das Projekt KI4ETA (Künstliche Intelligenz für eine klimaschonende Industrie) verdeutlicht, dass KI ein Werkzeug für die Transformation industrieller Prozesse darstellen kann. Die Projektergebnisse reichen vom KI-gestützten Aufdecken von Druckluftleckagen über die Optimierung von Produktionsabläufen bis hin zur Unterstützung der Sektorenkopplung. Die Technologien eröffnen Möglichkeiten, Energie effizienter zu nutzen und CO₂-Emissionen zu reduzieren.

Beispiel Landwirtschaft 4.0 – Fluch oder Segen?

Als weiteres Feld, in dem viel Potenzial von KI-Systemen im Sinne ökologischer Nachhaltigkeit und den UN-Nachhaltigkeitszielen gesehen wird, ist die Landwirtschaft. Dies wird derzeit rege unter Schlagworten wie Smart Farming, Landwirtschaft 4.0 oder Präzisionsackerbau diskutiert (vgl. auch für die folgenden Ausführungen Dachwitz & Hilbig 2024, Seite 89ff. sowie Heinrich-Böll-Stiftung et al. 2026, Seite 44ff.). Das Versprechen lautet, dass mit Hilfe von KI-Systemen der Hunger in der Welt besiegt werden kann. Aber hier ist Vorsicht geboten. Denn es lohnt sich, die Frage zu stellen, um wessen Vorteile es gehen könnte, wenn mit Big Data, Apps, Automatisierung und Überwachung die Landwirtschaft optimiert werden soll.

Oftmals geht es nämlich in erster Linie um neue Geschäftsfelder für große Konzerne wie Bayer oder BASF. Mithilfe der generierten Daten, die in die privaten Clouds und Systeme einfließen, wird der Bedarf an Saatgut und Dünger ermittelt, Analysen von Bodenbeschaffenheit durchgeführt und Prognosen über Extremwetterereignisse erstellt. All das fließt anschließend in eine Optimierung des Angebots, des Verkaufs und der Produkt- und ggf. auch Preisgestaltung ein. Es ist davon auszugehen, dass mit diesen Praktiken eine Art digitale Enteignung stattfinden kann und damit die Abhängigkeit der lokalen Landwirtschaft von großen Konzernen zunimmt. KI-gestützte Agrarwirtschaft ist zudem meist auf konventionelle Landwirtschaft ausgerichtet, die selbst zu den wesentlichen Treibern des Rückgangs der Biodiversität und der Degradation von Böden zählt.

Soziale Wirkungen von KI-Systemen

Zusammenfassend lässt sich festhalten, dass der Einsatz von KI im Sinne der UN-Nachhaltigkeitsziele vielversprechendes Potenzial birgt. Damit KI-Systeme jedoch nicht selbst zur Verschärfung der Umwelt- und Klimakrise beitragen, müssen sie konsequent nachhaltig entwickelt und verantwortungsvoll sowie ressourcensparend eingesetzt werden. Auch bei konkreten Anwendungsfeldern im Nachhaltigkeitskontext ist ein differenzierter Blick erforderlich: Neben ökologischen Chancen können mitunter erhebliche soziale Risiken entstehen. Umso wichtiger ist es daher, den Einsatz von KI-Systemen sorgfältig zu prüfen und kontinuierlich kritisch zu reflektieren. Mit der sozialen Dimension von KI-Systemen wird sich der nächste Beitrag auseinandersetzen.

Genutzte Literatur

·       BAUM e.V. (2025) BAUM-INSIGHTS. KI und Nachhaltigkeit. https://baumev.de/wp-content/uploads/2025/08/BAUM-Insights_4_2025_KI.pdf 

·       Dachwitz, Ingo & Hilbig, Sven (2024) Digitaler Kolonialismus. Wie Tech-Konzerne und Großmächte die Welt unter sich aufteilen. C.H.Beck. München.

·       Heinrich-Böll-Stiftung, Dachverband kritischer Aktionäre, BUND (2026) Konzernatlas 2026. Daten und Fakten über die Agrar- und Lebensmittelindustrie. https://www.boell.de/sites/default/files/2026-01/boell_konzernatlas-2026_v02_erweitert-kommentierbar.pdf 

·       IÖW (2021) Nachhaltigkeitskriterien für künstliche Intelligenz. Entwicklung eines Kriterien- und Indikatorensets für die Nachhaltigkeitsbewertung von KI-Systemen entlang des Lebenszyklus. https://www.ioew.de/fileadmin/user_upload/BILDER_und_Downloaddateien/Publikationen/2021/IOEW_SR_220_Nachhaltigkeitskriterien_fuer_Kuenstliche_Intelligenz.pdf 

·       Kettner Edelmetalle (2025) Kupfer-Boom durch KI: Warum das rote Metall zum heimlichen Gewinner der digitalen Revolution wird. https://www.kettner-edelmetalle.de/news/kupfer-boom-durch-ki-warum-das-rote-metall-zum-heimlichen-gewinner-der-digitalen-revolution-wird-08-10-2025 

·       McGovern, Gerry & Branford, Sue (2025) Can two Amazons survive? Invisible e-waste is poisoning the world. https://news.mongabay.com/2025/12/can-two-amazons-survive-invisible-e-waste-is-poisoning-the-world/ 

·       Öko-Institut Consult GmbH (2025) Umweltauswirkungen Künstlicher Intelligenz (im Auftrag von Greenpeace). https://www.greenpeace.de/publikationen/20250514-greenpeace-studie-umweltauswirkungen-ki.pdf 

·       Rehage, Ruben (2025) Die hässliche Seite des Kupfers. Die Zeit vom 3. Juni 2025: https://www.zeit.de/2025/23/kupferproduktion-energiewende-stromversorgung-chile-bergbau/komplettansicht 

Satariano, Adam, Mozurn, Paul & Weise, Karen (2026) Microsoft Pledged to Save Water. In the A.I. Era, It Expects Water Use to Soar. New York Times vom 27. Januar 2026. https://www.nytimes.com/2026/01/27/technology/microsoft-water-ai-data-centers.html