In diesem Kapitel wird die Schnittstelle von KI und ökologischer Nachhaltigkeit untersucht und beschrieben, wie das deutsche KI-Ökosystem seine führende Position stärken kann, um KI für eine schnelle Dekarbonisierung und andere Nachhaltigkeitsziele wirksam zu nutzen. Das Kapitel bietet einen Überblick über die Initiativen von Bundesministerien, Bundesländern, Hochschulen, Industrie und Zivilgesellschaft. Es wird diskutiert, wie KI-Klimaschutz durch zentrale Anwendungsfälle in strategischen Sektoren wie Energie, Verkehr, Industrie und Landwirtschaft ermöglichen kann. Außerdem wird untersucht, wie Deutschland sein KI-Nachhaltigkeitsökosystem durch ministerienübergreifende und interdisziplinäre Zusammenarbeit, Wissensaustausch und KI-Bildung stärken kann. Deutschland könnte im Bereich KI und ökologische Nachhaltigkeit einen behördenübergreifenden Ansatz verfolgen. Abschließend werden Konzepte zur Messung und Minderung der Umweltauswirkungen der KI-Recheninfrastruktur erörtert, kritische Lücken ermittelt und vier Empfehlungen für künftige Maßnahmen gegeben.
OECD-Bericht zu Künstlicher Intelligenz in Deutschland
9. Spotlight: KI und ökologische Nachhaltigkeit
Abstract
Der Transformationen in den Bereichen Umweltschutz und Digitalisierung bietet die Möglichkeit zur wirksamen Nutzung digitaler Technologien wie KI für eine nachhaltige Zukunft. Als Querschnittstechnologie hat KI das Potenzial, negative Umweltauswirkungen und Emissionen zu verringern, indem sie Fortschritte in Bereichen wie intelligenten Energiesystemen und miteinander verbundenen Verkehrsnetzen beschleunigt (OECD, 2022[1]). Deutschland ist gut positioniert, um auf seiner bestehenden Forschungsbasis und vorhandenen Initiativen im gesamten KI-Ökosystem aufzubauen und weltweit führend im Bereich der Nutzung von KI für Klimaschutz und ökologische Nachhaltigkeit zu werden.
Als eines der ersten Länder hat Deutschland das Potenzial von KI für ökologische Nachhaltigkeit in seiner nationalen KI-Strategie 2018 und in deren Fortschreibung 2020 erkannt. Dabei werden Umwelt- und Klimaschutz in den Mittelpunkt neuer Initiativen gestellt, indem sie „Potenziale [...] systematisch identifizieren [...] und durch die Förderung KI-basierter Instrumente zur Lösung konkreter Herausforderungen für eine nachhaltige Entwicklung heben.“ (Die Bundesregierung, 2020[2]). Die Fortschreibung der Strategie 2020 konzentriert sich darauf, „KI umweltverträglich [zu] gestalten“ durch die Förderung grüner IKT-Methoden, sowie auf „KI-Forschung zum Schutz von Umwelt und Klima“ mit dem erklärten Ziel der „Förderung KI-basierter Instrumente zur Lösung konkreter Herausforderungen für eine nachhaltige Entwicklung“ (Die Bundesregierung, 2020[2]). In der Fortschreibung der Strategie werden auch spezifische Anwendungsfelder wie „erneuerbare Energien und Energiesysteme, Energieeffizienz, Ressourcenschutz und Kreislaufwirtschaft, Gewässerschutz und Wasserwirtschaft, Immissionsschutz und Gesundheit, Naturschutz und Mobilität“ genannt (Die Bundesregierung, 2020[2]).
Kasten 9.1. KI und ökologische Nachhaltigkeit: Erkenntnisse und Empfehlungen
Ergebnisse
Deutschland profitiert von einer Reihe von KI-bezogenen ökologischen Nachhaltigkeitsinitiativen in Bundesministerien, Bundesländern, Hochschulen, Industrie und Zivilgesellschaft. Die Initiativen sind jedoch in der Regel nicht miteinander vernetzt, und die langfristige Finanzierung bleibt eine Herausforderung.
KI bietet ein erhebliches Potenzial für ökologische Nachhaltigkeit und kann von den Bundesministerien und der Industrie wirksam für eine beschleunigte Dekarbonisierung aller Sektoren genutzt werden.
Als Heimat führender Forscher:innen, Praktiker:innen und Pionier:innen in diesem Feld ist das deutsche Ökosystem für KI und ökologische Nachhaltigkeit den meisten Ländern voraus.
Als Teil der digitalen Recheninfrastruktur ergeben sich durch KI erhebliche Umweltauswirkungen wie Energie- und Wasserverbrauch, die in Deutschland noch nicht systematisch erhoben werden.
Empfehlungen
Ausbau der behördenübergreifenden und interdisziplinären Zusammenarbeit in den Bereichen KI und ökologische Nachhaltigkeit, um den Transfer und Synergien zwischen Initiativen zu fördern.
Festlegung strategischer Schwerpunktbereiche und Aufbrechen von isolierten Strukturen in Sektoren wie Energie, Verkehr, Industrie oder Landwirtschaft, um das Potential von KI für ökologische Nachhaltigkeit und eine schnelle Dekarbonisierung zu maximieren.
Ausbau der deutschen Führungsposition in den Bereichen KI und ökologische Nachhaltigkeit durch Wissensaustausch, Bildungsprogramme, Förderung von Start-ups und KMU sowie Erweiterung des Schwerpunkts auf Kreislaufwirtschaft, Biodiversität und andere planetare Grenzen.
Ausweitung der Datenerhebung durch Bundesbehörden und Anbieter:innen von Recheninfrastuktur, um die Auswirkungen der KI-Recheninfrastruktur auf Energie, Wasser und Ressourcen zu bewerten und zu minimieren.
Das Ökosystem für KI-bezogene und ökologische Nachhaltigkeit
Deutschland ist international anerkannt für seine Initiativen in den Bereichen KI und ökologische Nachhaltigkeit, die Zusammenarbeit über Bundesministerien, Bundesländer, Hochschulen, die Industrie und die Zivilgesellschaft hinweg beinhalten. Diese Bemühungen werden durch umfangreiche Finanzmittel unterstützt und konzentrieren sich auf die Entwicklung von KI-Anwendungen, die Umwelt- und Klimaziele fördern. Wichtige Arbeitsfelder sind die wirksame Nutzung von KI für Ressourceneffizienz, die Förderung nachhaltiger Mobilität, der Erhalt der Biodiversität und die Förderung einer nachhaltigen Landwirtschaft. Der Ansatz der Strategie betont auch die Bedeutung interministerieller Zusammenarbeit und die aktive Einbindung der Zivilgesellschaft, um sicherzustellen, dass KI-Entwicklungen mit ökologischen und sozialen Nachhaltigkeitsprinzipien im Einklang stehen.
Deutschland profitiert von substanziellen, angemessen finanzierten KI- und Nachhaltigkeitsinitiativen in Bundesministerien, Bundesländern, Hochschulen, Industrie und Zivilgesellschaft
Bundesbehörden und -ministerien
In mehreren Bundesministerien laufen Aktivitäten und Initiativen an der Schnittstelle zwischen KI und ökologischer Nachhaltigkeit. Das OECD.AI Policy Observatory listet Deutschland basierend auf Selbstangaben nationaler Regierungen unter den führenden Ländern bei der Anzahl von KI- und Umweltinitiativen zusammen mit Ländern wie Spanien, dem Vereinigten Königreich und Norwegen auf. (OECD.AI, 2023[3]). Das Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) hat ein Fünf-Punkte-Programm „Künstliche Intelligenz für Umwelt und Klima“ mit einer geplanten Investition von 150 Mio. EUR über fünf Jahre veröffentlicht. Dies beinhaltet eine Förderinitiative für mehrere „KI-Leuchtturm-Projekte“ für Klimainnovationen und ressourceneffiziente KI, einen „Green-AI Hub“ für den deutschen Mittelstand und die Plattform „KI-Ideenwerkstatt für Umweltschutz“, die Nichtregierungsorganisationen (NGOs), Zivilgesellschaft, Wissenschaft und Start-ups zusammenbringt, um KI-Pilotprojekte für eine nachhaltigere Gesellschaft zu entwickeln (BMUV, 2023[4]). Das Umweltbundesamt hat kürzlich ein neues „Anwendungslabor für Künstliche Intelligenz und Big Data“ eröffnet, das bis 2025 aus dem Konjunktur- und Zukunftspaket der Bundesregierung finanziert wird. Das Labor wird sich darauf konzentrieren, KI- und datenbasierten Anwendungen zu entwickeln, die das Umweltressort in seinen vielfältigen Forschungs- und Vollzugsaufgaben unterstützen. Die gewonnen datenbasierten Erkenntnisse können als Grundlage für politische Entscheidungen dienen und fördern ein vertieftes Verständnis komplexer Umweltprozesse in der Öffentlichkeit (UBA, 2022[5]).
Mit der Initiative Civic Coding leistet das BMUV Pionierarbeit auf dem Gebiet der interministeriellen Kooperation mit dem Bundesministerium für Arbeit und Soziales (BMAS) und dem Bundesministerium für Familie, Senioren, Frauen und Jugend (BMFSFJ). Ziel des Innovationsnetzes ist es, KI-Anwendungen sozial, nachhaltig und partizipativ zu gestalten. die KI-Ideenwerkstatt für Umweltschutz, das Civic Data Lab und die Civic Innovation Platform (Civic Coding, 2023[6]).
Das Bundesministerium für Verkehr und digitale Infrastruktur (BMDV) fördert den Einsatz von KI zur Erdbeobachtung und finanziert Modellprojekte für nachhaltige Mobilität durch sein Projekt „Artificial Intelligence and Mobility (AIAMO)“ in Partnerschaft mit den Kommunen (BMDV, 2023[7]). Das BMBF hat einen „KI-Anwendungshub Kunststoffverpackungen – nachhaltige Kreislaufwirtschaft durch Künstliche Intelligenz“ mit 30 Mio. EUR bis 2025 gefördert (BMBF, 2021[8]) und hat ein Förderprogramm für Forschungsprojekte zur KI als Instrument zur Erhaltung der Biodiversität mit einem Fördervolumen von bis zu 20 Mio. EUR initiiert (BMBF, 2023[9]). Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) setzt sich mit ökologischer Nachhaltigkeit und KI im Rahmen seines Projekts FAIR Forward für nachhaltige Entwicklung auseinander, das Partnerländern im Globalen Süden Zugang zu „klimaintelligenter“ Agrarberatung bietet und in Zusammenarbeit mit der Weltbank, der Internationalen Fernmeldeunion (ITU) und der Deutschen Gesellschaft für Internationale Zusammenarbeit (GIZ) einen Praxisleitfaden für grüne Rechenzentren entwickelt hat (ITU/World Bank, 2023[10]). Das BMWK hat Projekte wie KI für fortschrittliche Materialwissenschaft, prädiktive Wartung und fortschrittliche Grundwasseranalyse gefördert, während das Bundesministerium für Ernährung und Landwirtschaft (BMEL) mit 36 Kooperationsprojekten mit einer Mittelausstattung von 44 Mio. EUR die Einführung von KI in der intelligenten und nachhaltigen Landwirtschaft im ländlichen Raum fördert (BMEL, 2021[11]).
Bundesländer
Auch verschiedene Bundesländer betreiben Initiativen an der Schnittstelle zwischen KI und ökologischer Nachhaltigkeit. So koordiniert die Bayerische KI-Agentur Projekte zu nachhaltiger Mobilität und geht über den Hub für Intelligente Robotik und die Hightech-Agenda Bayern auf ökologische Herausforderungen ein (Baiosphere, 2023[12]). Das Hessische Zentrum für Künstliche Intelligenz verfolgt den Aufbau einer nachhaltigen KI-Recheninfrastruktur und hat seinen Supercomputer im Green IT Cube des GSI Helmholzzentrums untergebracht, eines der effizientesten und nachhaltigsten Rechenzentren Europas (hessian.AI, 2023[13]). Die Kompetenzplattform KI.NRW in Nordrhein-Westfalen unterstützt Leuchtturmprojekte wie KI für Hochwasserschutz, KI zur Bekämpfung von Plastikmüll in Meeren und Flüssen sowie KI für Erdsystemdaten und Wetterprognosen (KI.NRW, 2023[14]). Diese Beispiele präsentieren die wesentlichen Innovationsökosysteme für umweltfreundliche KI-Systeme und weisen auf potenzielle Vorteile und Synergien aus einer verstärkten Zusammenarbeit sowohl innerhalb der Bundesländer als auch zwischen Bundes-, Landes- und Kommunalbehörden hin. Die im November 2023 angekündigte ständige Digitalministerkonferenz der Bundesländer könnte als potenzielles Forum für solche Kooperationsbemühungen zu KI und ökologischer Nachhaltigkeit dienen (STMD, 2023[15]).
Hochschulen und Forschungsinstitute
Deutschland ist die Heimat einiger weltweit führender Forscher:innen und Praktiker:innen im Bereich der KI und ökologische Nachhaltigkeit. Das Sustainable AI Lab der Universität Bonn soll die Umweltauswirkungen von KI messen und bewerten, auch im Kontext der Ziele für nachhaltige Entwicklung (Sustainable Development Goals, SDGs) (Sustainable AI Lab, 2023[16]). Das DFKI, eines der deutschen Kompetenzzentren für KI-Forschung, bündelt Expertenwissen zu dem Thema über sein Kompetenzzentrum KI für Umwelt und Nachhaltigkeit, DFKI4planet. Das Kompetenzzentrum konzentriert sich auf Wissenstransfer und KI-Entwicklung für vielfältige Umweltanwendungen wie Verschmutzungserkennung, grüne Mobilität, Kreislaufwirtschaft und Ressourcenschutz (DFKI, 2023[17]). An der Technischen Universität München und der Hochschule für angewandte Wissenschaften München vermittelt das Projekt sustAInability interdisziplinären Masterstudierenden Kompetenzen im Bereich gesellschaftlicher und ökologischer Herausforderungen an der Schnittstelle zwischen KI und Nachhaltigkeit. Die Studierenden erforschen und entwickeln außerdem Prototypen in verschiedenen Anwendungsbereichen für die Umwelt (sustAInability, 2023[18]). Die KI-Leuchtturm-Initiative des BMUV hat in Zusammenarbeit mit dem Einstein Center Digital Future (ECDF) auch zwei Projekte zu einem „Green Consumption Assistant“ und „Circular Textile Intelligence“ an der TU Berlin gefördert (TU Berlin, 2020[19]). Die Universität Tübingen und das Hasso-Plattner-Institut (HPI) sind Teil des ELIAS-KI-Konsortiums, das zum Ziel hat, Europa eine Führungsrolle in der KI-Forschung für nachhaltige Entwicklung zu verschaffen (ELIAS, 2023[20]).
Zivilgesellschaft
Eine weitere Stärke des deutschen Ökosystems für KI und ökologische Nachhaltigkeit ist die aktive Einbindung zivilgesellschaftlicher Organisationen, die wichtige Perspektiven in Bezug auf die ökologische und gesellschaftliche Nachhaltigkeit von KI-Systemen einbringen. So haben AlgorithmWatch und das Institut für ökologische Wirtschaftsforschung (IÖW) SustAIn, einen vom BMUV geförderten Nachhaltigkeitsindex für KI-Systeme, entwickelt. Basierend auf den 17 Zielen für nachhaltige Entwicklung erarbeitete SustAIn eine Reihe von Indikatoren und Kennzahlen zur Messung der Nachhaltigkeit von KI über ihren gesamten Lebenszyklus hinweg (Rohde et al., 2021[21]). Andere zivilgesellschaftliche Organisationen wie die Green Web Foundation, die Wikimedia Foundation, Germanwatch und das Öko-Institut fordern alle einen nachhaltigeren Ansatz für Digitalisierung und KI-Entwicklung (Bits & Bäume, 2021[22]).
Industrie und Start-ups
KI spielt eine wichtige Rolle für große deutsche Industrieunternehmen und deren ökologische Nachhaltigkeitsziele sowohl für die Verbesserung der Energieeffizienz und die Reduzierung des ökologischen Fußabdrucks eines Unternehmens als auch für die Bereitstellung innovativer Produkt- und Servicelösungen für Kunden. So setzt das Fertigungsunternehmen Siemens KI in einer Vielzahl von industriellen ökologischen Nachhaltigkeitslösungen ein und betrachtet die Technologie als Schlüsselfaktor für eine ökologisch nachhaltige Infrastruktur. Das Projekt wird von einem großen KI-Technologie-Kernteam und dem Siemens AI Lab koordiniert und nutzt KI wirksam für prädiktive Wartung, nachhaltiges Bau- und Gebäudemanagement, digitale Zwillinge und intelligente Verkehrsnetze (Siemens, 2023[23]). Der Chemiekonzern BASF nutzt KI für zielgerichtetes Prototyping und Digital-Farming-Lösungen zur Verbesserung landwirtschaftlicher Erträge und Entwicklung neuer Nutzpflanzen, die gegenüber dem rasanten Klimawandel robust sind (BASF, 2023[24]). Unternehmen der Automobilindustrie wie Porsche, Audi und Volkswagen nutzen KI, um ökologische Nachhaltigkeitsrisiken in ihrer Lieferkette zu ermitteln – durch ein Überwachungssystem, das automatische Warnungen vor Umweltrisiken für das gesamte Beschaffungssystem und auf den unteren Ebenen der Lieferketten ausgibt (Porsche, 2021[25]).
Einige der wertvollsten und innovativsten Start-ups und Scale-ups Deutschlands stellen KI und ökologische Nachhaltigkeit in den Mittelpunkt ihrer Geschäftsmodelle. So bietet Enpal Solarenergielösungen für Kunden an und nutzt KI für Installationsleistungen und Energiemanagement für Wohngebäude (Enpal, 2023[26]). TWAICE bietet eine KI-gestützte Batterieanalytik-Plattform zur Simulation des Verhaltens von Batterien und zur Verbesserung ihrer Lebensdauer und erarbeitet gleichzeitig Lösungen für die Batterieentwicklung, Energiespeichersysteme und den Betrieb von Elektrofahrzeugen (TWAICE, 2023[27]). Celonis, ein globaler Pionier im Process Mining, setzt zunehmend prozessspezifische maschinelle Lernmodelle wirksam für Transformationslösungen zur ökologischen Nachhaltigkeit, einschließlich Emissionsreduktion und Auftragsmanagement, ein (Celonis, 2023[28]). Die GreenTech Alliance bringt viele dieser Start-ups zusammen, um sie mit Wagniskapital und Unternehmensberatung zu unterstützen (Greentech Alliance, 2023[29]). Gleichzeitig hat der KI-Bundesverband eine Arbeitsgruppe Klima & Nachhaltigkeit eingerichtet, um Wissen unter seinen Mitgliedern zu verbreiten (German AI Association, 2023[30]). Zentren für unternehmerische Innovation wie das TUM Venture Lab haben die Bedeutung der ökologischen Nachhaltigkeit erkannt und spezielle Labore eingeführt, die die Umsetzung von Deep Tech in skalierbare kreislaufwirtschaftliche Unternehmen für nachhaltige Umweltauswirkungen fördern (UnternehmerTUM, 2023[31]). Ein Beispiel für ein gut funktionierendes Start-up-Ökosystem ist OroraTech, ein Anbieter weltraumgestützter und KI-gesteuerter thermischer Daten für die Waldbrandvorhersage und -eindämmung, der an der TUM gegründet und mit Zuschüssen der bayerischen Landes- und der Bundesregierung sowie von einem Konsortium europäischer Wagniskapitalgeber unterstützt wurde (OroraTech, 2021[32]).
Anwendungsfälle für ökologische Nachhaltigkeit und schnelle Dekarbonisierung
Die KI-Strategie Deutschlands integriert ökologische Nachhaltigkeit über mehrere Sektoren hinweg. Das Fünf-Punkte-Programm des BMUV stellt 150 Mio. EUR für KI für die Umwelt bereit und unterstützt Initiativen wie KI-Leuchtturmprojekte und einen Green-AI Hub. Die Zusammenarbeit umfasst Bundesministerien, Bundesländer, Hochschulen, Zivilgesellschaft und Industrie und zielt darauf ab, KI für nachhaltige Lösungen in Bereichen wie Klimaschutz, Innovation, Gesundheitswesen und Landwirtschaft zu nutzen. Die Strategie fördert sektorübergreifende Zusammenarbeit und öffentlich-private Partnerschaften, um ökologisch nachhaltige KI-Anwendungen voranzubringen.
Die Bundesministerien und Industrie können das enorme Potenzial der KI für ökologische Nachhaltigkeit und schnelle Dekarbonisierung aller Sektoren wirksam nutzen
Dekarbonisierung aller Bereiche
KI kann eine Schlüsselrolle bei der Erreichung der Klima- und Umweltziele der Bundesregierung spielen. KI kann für wichtige Transformationsprojekte wie die Energiewende, nachhaltige Verkehrsnetze oder die schnelle Dekarbonisierung der industriellen Basis Deutschlands wirksam genutzt werden. Der Wissenschaftliche Beirat der Bundesregierung Globale Umweltveränderung (WBGU), ein wissenschaftliches Beratungsgremium, das die Bundesregierung bei der ökologischen Nachhaltigkeitstransformation berät, stellt in einem Bericht aus dem Jahr 2019 fest, dass digitale Technologien wie KI „eine Schlüsselrolle für die Ermöglichung einer globalen Energiewende spielen“ werden (WBGU, 2019[33]). KI könnte dazu beitragen, Emissionen in allen sechs Bereichen des deutschen Klimaschutzgesetzes zu reduzieren: Energiewirtschaft, Verkehr, Industrie, Gebäude, Landwirtschaft und Abfallwirtschaft (Rolnick et al., 2019[34]).
Viele Initiativen im deutschen Ökosystem für KI und ökologische Nachhaltigkeit decken diese kritischen Bereiche ab (Abbildung 9.1). Nach Ansicht mehrerer für diese Überprüfung befragter Expert:innen könnte Deutschland von der Festlegung strategischer Schwerpunktbereiche und -sektoren sowie von Bündelungsinitiativen profitieren, um Synergien zu schaffen, Doppelarbeit zu vermeiden und Wissen und bewährte Verfahren auszutauschen. Während KI in fast allen Wirtschaftsbereichen verschiedene Anwendungsbereiche hat, weisen vier wichtige Sektoren in Deutschland ein besonders hohes Potenzial auf: Energiewirtschaft, Verkehr, Industrie und Landwirtschaft.
Intelligente Energiesysteme und -netze
Laut IEA werden digitale Technologien wie KI eine grundlegende Rolle dabei spielen, den Übergang zu einem widerstandsfähigen und sauberen Energienetz zu ermöglichen, indem sie die Effizienz verbessern, Kosten senken und saubere Technologien und die Verbreitung über alle Lieferketten beschleunigen (IEA, 2023[35]). Der deutsche Energiesektor war 2022 für 34 % der THG-Emissionen verantwortlich und hat sich ehrgeizige Ziele gesetzt, den Anteil erneuerbarer Energien bis 2030 auf 80 Prozent des Stromverbrauchs zu steigern, wobei „Energieeinsparungen und Energieeffizienz“ weiter „oberste Priorität bleiben“ müssen (OECD, 2023[36]). Initiativen für Energieeffizienz, intelligente Energielösungen und erneuerbare Energien finden sich in Bundesministerien, Bundesländern, Hochschulen sowie in Industrie und Start-ups. Dazu gehören KI-Initiativen des BMWK zur Energiewende oder mehrere Leuchtturmprojekte des BMUV, die sich mit der Erzeugung erneuerbaren Stroms aus Wind- und Wasserkraft beschäftigen. Bereits 2019 hat die Deutsche Energie-Agentur (dena) erkannt, dass die wirksame Nutzung von KI für den Energiesektor eine Beschleunigung der deutschen Energiewende und der Dekarbonisierung des Stromnetzes verspricht, die die ökologische Transformation anderer Sektoren wie Verkehr und Industrie ermöglicht (dena, 2019[37]). Während der deutsche Energiesektor vor Kurzem seine Klimaziele erreicht hat, „sein Wirtschaftswachstum vom Energiebedarf und den CO2-Emissionen entkoppelt“ hat und „zu den G20-Ländern und Mitgliedstaaten der EU mit der höchsten Energieeffizienz“ zählt, bleiben insbesondere im Gefolge der globalen Energiekrise Herausforderungen im Energiesektor bestehen (OECD, 2023[36]). Branchenverbände wie die German Datacenter Association berichten über die „Beeinträchtigung der Wettbewerbsfähigkeit“ durch die hohen Stromkosten in Deutschland und fordern eine Beschleunigung der „Verfügbarkeit von Elektrizität aus erneuerbaren Energien“ (bitkom, eco, and German Datacentre Association, 2022[38]). KI kann ein wichtiger Schlüsselfaktor für Beschleunigung sein, vor allem bei Energieengpässen wie der Digitalisierung und dem Ausbau von Stromnetzen und Energieinfrastrukturen (OECD, 2023[36]).
Abbildung 9.1. Mehrere Initiativen im deutschen KI-Ökosystem setzen KI wirksam für eine schnelle Dekarbonisierung aller Bereiche ein
Vernetzte Verkehrsnetze
Einer der vielversprechendsten Anwendungsbereiche für KI ist der Verkehrssektor. KI kann dazu beitragen, den Reise- und Verkehrsbedarf insgesamt zu senken, zum Beispiel durch Videokonferenzen und Telearbeit. Durch KI-gestützte digitale Zwillinge kann sie auch die Kraftstoffeffizienz und die Langlebigkeit der Infrastruktur erhöhen und den Personenverkehr insgesamt durch On-Demand-Fahrdienste oder Carsharing reduzieren (EEA, 2023[39]). Initiativen wie das Projekt AIAMO des BMDV für nachhaltige Mobilität, Start-ups wie TWAICE, die sich mit Verbesserungen der Batterieeffizienz beschäftigen, und Hochschul-Exzellenzcluster mit Fokus auf digitale Mobilität wie in Bayern sind Beispiele für deutsche Aktivitäten und Expertise in diesem Bereich. Ein weiteres Beispiel ist das Projekt RASMUS des deutschen Start-ups north.io, das KI mit ozeanographischen Modellen zur Berechnung von Schifffahrtsrouten kombiniert, die kleine dynamische Meeresströmungen wirksam nutzen. Die optimierten Routen könnten zu Treibhausgaseinsparungen von bis zu 10 % für den Schiffsbetrieb führen (Christian-Albrechts-Universität zu Kiel, 2023[40]). Forscher:innen haben häufig festgestellt, dass ein enger Fokus auf die Steigerung der Effizienz des Verkehrssektors möglicherweise nicht ausreicht, um die Klimaziele des Sektors zu erreichen, da die Zunahme der allgemeinen Verkehrsnachfrage die Effizienzgewinne zunichte macht (Creutzig et al., 2015[41]). Das International Transport Forum ermutigt die Politik, eine „Verkehrsverlagerung“ und ein Bedarfsmanagement für städtische Umgebungen und Kurzstreckenfahrten zu ermöglichen und die Fahrgäste so zu kohlenstoffarmen Transportmöglichkeiten, einem weiteren wichtigen Anwendungsgebiet für KI-Systeme, zu bewegen (ITF, 2023[42]). Die Nutzung dieser Möglichkeiten für Dekarbonisierung könnte für Deutschland besonders relevant sein, da der Verkehrssektor 2022 18 % der deutschen Treibhausgasemissionen ausmachte und der Sektor war, in dem die Emissionen am langsamsten reduziert wurden (OECD, 2023[36]).
Industrie 4.0
KI kann die schnelle Dekarbonisierung der deutschen Industrie unterstützen, die 2022 für 23 % der gesamten THG-Emissionen in Deutschland verantwortlich war (OECD, 2023[36]). Diese Chance spiegelt sich in mehreren Initiativen der Bundesministerien und den vielen Anwendungen und industriellen Lösungen einiger der größten deutschen Unternehmen wider. Unternehmen wie Siemens oder Bosch setzen KI für prädiktive Wartung, digitale Zwillinge und die allgemeine digitale und ökologische Transformation der deutschen Industrie ein – einen Eckpfeiler der Vision Industrie 4.0 von vernetzten Maschinen und Prozessen durch digitale Technologien. KI kann auch für die Entdeckung neuer Materialien und wissenschaftliche Innovationen eingesetzt werden, die für Industrieunternehmen entscheidend sein werden, um ihren Betrieb zu dekarbonisieren und Umweltziele zu erreichen (IEA, 2023[35]). Die Plattform Industrie 4.0, eine Netzwerkplattform zur digitalen Transformation des verarbeitenden Gewerbes unter Federführung von BMWK und BMBF, hat die ökologische Nachhaltigkeit als zentralen Aspekt der Vision Industrie 4.0 anerkannt und eine Task Force Nachhaltigkeit eingerichtet (BMWK, 2022[43]). Die Task Force sieht digitale Technologien wie KI sieht als Schlüsselfaktor für die nachhaltige Transformation der deutschen Industrie, die mit Positionen von Branchenverbänden wie dem Bitkom konform geht. Der Bitkom rechnete vor, dass das Treibhausgasreduktionspotenzial der beschleunigten Digitalisierung für die deutsche Industrie bis 2030 bis zu 34 % der geforderten Emissionssenkungen betragen könnte (bitkom, 2023[44]). KI gilt auch als Schlüsselfaktor für künftige kreislauforientierte Geschäftsmodelle der Industrie 4.0, die sich durch die Vernetzung und den Fluss von Informationen und Daten über Wertschöpfungsketten und Prozesse hinweg auszeichnen (One Planet Network, 2023[45]).
Intelligente Landwirtschaft
Der OECD Agricultural Outlook für 2030 betont, dass die notwendigen Produktivitätsverbesserungen, um die Weltbevölkerung nachhaltig zu ernähren, ohne eine bedeutende Beschleunigung der Digitalisierung, Technologie, bessere Daten und Humankapital nicht stattfinden werden (OECD/FAO, 2021[46]). Damit bietet sich Deutschland die Chance, KI wirksam zu nutzen, um landwirtschaftliche Erträge und ökologische Nachhaltigkeit in der deutschen Landwirtschaft zu verbessern und KI-basierte technologische Lösungen zu exportieren, um die nachhaltige Entwicklung landwirtschaftlicher Betriebe weltweit zu unterstützen. Da sich der Klimawandel rapide beschleunigt, ist mit einem starken Anstieg des Bedarfs an fortschrittlicher Technologie und klimaresistenten Nutzpflanzen zu rechnen. Auch die deutsche Landwirtschaft könnte von effizienteren und nachhaltigeren landwirtschaftlichen Praktiken profitieren, die durch KI ermöglicht werden, da der Sektor im Jahr 2022 für rund 9 % der THG-Emissionen verantwortlich war, die in den vergangenen zehn Jahren nicht wesentlich zurückgegangen sind (OECD, 2023[36]). Initiativen wie die Förderung von KI für intelligente Landwirtschaft und den ländlichen Raum durch das BMBF oder das Projekt FAIR Forward des BMZ, das Partnerländern Zugang zu klimafreundlichen Agrardienstleistungen bietet, könnten Eckpfeiler einer KI-Strategie für den Agrarsektor sein. Dies baut auf dem BMEL-Programm KI für nachhaltige Landwirtschaft auf (BMEL, 2021[11]). Industriepartner wie BASF, die an KI-basierten Digital-Farming-Lösungen arbeiten, und Forschungsinstitute wie Fraunhofer und das DFKI könnten auch mit Bundes- und Landesinitiativen zur intelligenten KI-gestützten Landwirtschaft der Zukunft zusammenarbeiten.
Stärkung der Führungsrolle Deutschlands in den Bereichen KI und ökologische Nachhaltigkeit
Die Bundesregierung unterstützt aktiv gemeinwohlorientierte KI-Anwendungen. Dies zeigt die Initiative Civic Coding, die die soziale, nachhaltige und partizipative KI-Entwicklung fördert. Zu den wichtigsten deutschen Initiativen zählen die Civic Innovation Platform, die menschenzentrierte Ideen und Projekte im Bereich der KI unterstützt, die KI-Ideenwerkstatt für Umweltschutz, die umweltfreundliche KI-Lösungen fördert, und das Civic Data Lab, das datengestützte Bemühungen für das gesellschaftliche Wohl fördert. Diese Projekte sind Beispiele für Deutschlands Engagement für den wirksamen Einsatz von KI für den gesellschaftlichen und ökologischen Fortschritt.
Das Ökosystem für KI und ökologische Nachhaltigkeit verschafft Deutschland einen Vorsprung gegenüber vielen Ländern und führende Forscher:innen, Praktiker:innen und Pionier:innen sind auf diesem Gebiet tätig
Der erste wichtige Schritt zur Stärkung des deutschen Ökosystems für KI und ökologische Nachhaltigkeit besteht darin, die Zusammenarbeit innerhalb des Bundes, zwischen Bund und Ländern sowie beim Wissensaustausch zwischen staatlichen Stellen, Hochschulen, Zivilgesellschaft und Industrie deutlich zu verstärken. Der Schnittpunkt zweier hochkomplexer Themen wie KI und ökologischer Nachhaltigkeit erfordert interdisziplinäres Wissen und Kompetenzen, die durch eine weitreichende Zusammenarbeit wirksam eingesetzt werden können. Die Analyse aktueller Initiativen im Ökosystem legt nahe, dass die vielfältigen Chancen in Sektoren wie Energiewirtschaft, Verkehr und Landwirtschaft besser von strategischen Clustern untersucht werden könnten, in denen spezifisches Fachwissen konsequent geteilt wird. Beispiele für eine solche Zusammenarbeit sind Initiativen wie die „Community Nachhaltige Digitalisierung“ des BMUV, die Hochschulen, Start-ups, Industrie, Kommunen und den Bund verbindet (BMUV, 2023[47]). Deutschland könnte auch Initiativen wie das Artificial Intelligence für Decarbonisation‘s Virtual Center of Excellence (ADViCE) des Vereinigten Königreichs zum Beispiel nehmen, das als zentraler Hub für KI- und Dekarbonisierungsprojekte dient und darauf abzielt, die sektorübergreifende Zusammenarbeit zu fördern und Informationen an relevante Akteur:innen zu verbreiten (Alan Turing Institute, 2023[48]). Ein weiteres Beispiel ist die gesamtstaatliche Initiative „Clean Growth Hub“ (Zentrum für grünes Wachstum) in Kanada, ein ressortübergreifendes Koordinierungszentrum für Bundesinitiativen im Bereich saubere Technologien und eine zentrale Anlaufstelle für Informationen über finanzielle Förderung und Dienstleistungen (Government of Canada, 2023[49]). Deutschland könnte einen solchen Ansatz für seine KI-Aktivitäten, die auf Dekarbonisierung und andere Initiativen zur ökologischen Nachhaltigkeit abzielen, übernehmen.
Ein zweiter wichtiger Bereich ist das Bewusstsein für Chancen und Herausforderungen für KI und ökologische Nachhaltigkeit. In den für den Bericht durchgeführten Interviews haben Expert:innen einen Mangel an Wissen und interdisziplinären umweltbezogenen und technischen Kenntnissen sowohl im öffentlichen als auch im privaten Sektor hervorgehoben, was die Umsetzung von Programmen zur Kompetenzvermittlung und Weiterbildung im Bereich der KI für deutsche politische Entscheidungsträger:innen, Hochschulen, Forschung und Industrie erforderlich macht. Beispiele wie das Projekt sustAInability an der TU München, das Kapazitäten unter interdisziplinären Studierenden sowohl mit technischem als auch nichttechnischem Hintergrund aufbaut, könnten auf mehr Hochschulen und Forschungsinstitute ausgedehnt und im Rahmen staatlicher Ausbildungsprogramme nachgebildet werden. Auch politischen Entscheidungsträger:innen, die an klimarelevanten Rechtsvorschriften und Maßnahmen zur künstlichen Intelligenz beteiligt sind, sollten Schulungsprogramme angeboten werden. Gleiches gilt für Führungskräfte in der Zivilgesellschaft und in Sektoren mit hohen Emissionen. Deutschland könnte Beispielen wie dem Congressional Boot Camp on AI des Stanford Institute for Human-Centered AI (HAI) folgen und ein ähnliches Programm für ökologische Nachhaltigkeit einführen (HAI, 2023[50]). Ein weiteres wichtiges Handlungsfeld ist die Unterstützung von Start-ups und deutschen KMU, um KI wirksam für Anwendungen und Geschäftsmodelle zu nutzen, die auf ökologische Nachhaltigkeit gerichtet sind. Der Green-AI Hub Mittelstand des BMUV zeigt, dass dies bereits auf der Agenda der Bundesregierung steht, und könnte bundesweit auf das Start-up-Ökosystem ausgedehnt werden.
In der Fortschreibung 2020 der Strategie werden auch verschiedene Anwendungsfelder wie „erneuerbare Energien und Energiesysteme, Energieeffizienz, Ressourcenschutz und Kreislaufwirtschaft, Gewässerschutz und Wasserwirtschaft, Immissionsschutz und Gesundheit, Naturschutz und Mobilität“ genannt (Die Bundesregierung, 2020[2]). Die für den Bericht und die Analyse des Ökosystems durchgeführten Expert:inneninterviews legen nahe, dass sich in der Praxis viele Initiativen in Deutschland derzeit auf Energie- und Ressourceneffizienz konzentrieren, die in verschiedenen Sektoren bereits erhebliche Energie- und Rohstoffeinsparungen bringen. Forscher:innen haben jedoch immer wieder argumentiert, dass ein genereller Fokus auf Effizienz zu Rebound-Effekten führen kann und Effizienzeinsparungen nicht immer in einer Verringerung der Gesamtemissionen resultieren (Creutzig et al., 2015[41]). Der Schwerpunkt des Ökosystems für KI und ökologische Nachhaltigkeit könnte daher auf andere Umweltaspekte wie Kreislaufwirtschaftsmodelle, Biodiversitätsschutz oder Wasserverbrauch erweitert werden, die in der Fortschreibung 2020 der Strategie bereits als zentrale Schwerpunktbereiche genannt wurden. Vergleichbare Initiativen gibt es in Ländern wie Frankreich, wo die Agence nationale de la recherche (Französische Nationale Agentur für Forschung, ANR) sich die Aufgabe gestellt hat, die französische nationale Forschungsstrategie für künstliche Intelligenz und den nationalen Biodiversitätsplan Frankreichs zusammenzuführen (ANR, 2021[51]). Solche Initiativen könnten Deutschlands Führungsrolle in diesem Bereich weiter stärken, da sie einen ganzheitlicheren Blick auf die nachhaltige Nutzung von KI darstellen, der anderen Ländern als Vorbild dienen könnte.
Messung und Minderung der Umweltauswirkungen der KI-Recheninfrastruktur
Deutschland ist anerkannt für seine bedeutenden Initiativen zur KI und ökologischen Nachhaltigkeit, die Zusammenarbeit über Bundesministerien, Bundesländer, Hochschulen, die Industrie und die Zivilgesellschaft hinweg beinhalten. Diese Bemühungen werden durch umfangreiche Finanzmittel unterstützt und konzentrieren sich auf die Entwicklung von KI-Anwendungen, die Umwelt- und Klimaziele fördern. Wichtige Arbeitsfelder sind die wirksame Nutzung von KI für Ressourceneffizienz, die Förderung nachhaltiger Mobilität, den Erhalt der Biodiversität und die Förderung nachhaltiger Landwirtschaft. Der Ansatz des Landes betont auch die interministerielle Zusammenarbeit und die aktive Einbindung der Zivilgesellschaft, um sicherzustellen, dass KI-Entwicklungen mit ökologischen und sozialen Nachhaltigkeitsprinzipien im Einklang stehen.
Die Umweltauswirkungen der digitalen Recheninfrastruktur von KI wie Energie- und Wasserverbrauch werden nicht systematisch gemessen
Mit dem wachsenden Rechenbedarf für fortschrittliche KI-Systeme wachsen auch die Nachhaltigkeitsbedenken hinsichtlich der Umweltauswirkungen der KI-Recheninfrastruktur (OECD, 2023[52]). Über ihren gesamten Lebenszyklus hinweg, von der Produktion über den Transport und Betrieb bis zum Ende der Lebensdauer, verbraucht die KI-Recheninfrastruktur Energie, Wasser und Ressourcen. Bei digitalen Technologien wie der KI gibt es darüber hinaus auch indirekte Auswirkungen, wie etwa ermöglichende Auswirkungen (durch Anwendung in bestimmten Bereichen) und systemische Auswirkungen (durch Änderung des sozialen oder kulturellen Verhaltens). Während KI nur einen Bruchteil der Gesamtauswirkungen digitaler Technologien ausmacht, erfordern die Verbreitung von KI-Anwendungen und die exponentielle Dynamik des KI-Rechenleistungsbedarfs die Implementierung von Messstandards und die Ausweitung der Datenerhebung zu Umweltauswirkungen der KI-Recheninfrastruktur und ihrer Anwendungen (OECD, 2022[1]).
Mit dem Energieeffizienzgesetz hat die Bundesregierung eines der ersten Gesetze dieser Art zu Informationspflichten für Rechenzentrumsbetreiber vorgeschlagen. Deutschland ist das erste europäische Land, das die EU-Energieeffizienzrichtlinie umsetzt. Die Betreiber werden verpflichtet, über verschiedene Umweltindikatoren zu informieren, erneuerbare Energie für ihren Betrieb zu beschaffen, Energieeffizienzziele einzuhalten, Kühlsystemleistung ökonomisch einzusetzen und Abwärme zu nutzen (Die Bundesregierung, 2020[2]). Die Nutzung von Abwärme aus Rechenzentren wird von der Internationalen Energieagentur als oft unerschlossene Chance angesehen. Sie empfiehlt Regierungen und politischen Entscheidungsträger:innen, mit Betreiber und lokalen Gemeinden zusammenzuarbeiten, um, so weit wie möglich, Fernwärme bereitzustellen und Industriewärmeverbraucher zu versorgen (IEA, 2023[53]). Viele deutsche Rechenzentrumsbetreiber fangen Abwärme bereits auf, obgleich bürokratische Hürden die wirksame Verteilung häufig beschränken.
Die Bundesregierung erkennt in der Fortschreibung 2020 der Strategie die Notwendigkeit umweltspezifischer Standards und Messungen an. Ziel ist es, KI umweltverträglich zu gestalten, indem sie „die Förderung von Forschung in der Verbindung von Digitalisierung und ökologischer Nachhaltigkeitsziele konsequent weiter ausbauen“ wird, sowie „energie- und ressourcensparsame Informations- und Kommunikationstechnik (Green ICT) [...] voran zu bringen.“ (Die Bundesregierung, 2020[2]). Sie schlägt vor, ein fortschrittliches „Konzept zur Umweltfolgenabschätzung von KI [zu] entwickeln und ihre Förderung der Forschung zu den Umweltwirkungen von KI [zu] intensivieren. Sie wird dabei insbesondere durch die Erhebung empirischer Daten sowie eine systematischen Analyse des CO2-Minderungspotenzials von KI unter Berücksichtigung möglicher negativer Effekte (beispielsweise Rebound-Effekte) veranlassen.“ (Die Bundesregierung, 2020[2]). Angesichts der hohen Komplexität eines solchen Konzepts haben andere Länder keine Umweltfolgenabschätzung von KI durchgeführt, die Rebound-Effekte beinhaltet und einen bahnbrechenden Beitrag zu den weltweiten Bemühungen zur Messung der Umweltauswirkungen von KI darstellen würde.
Im Hinblick auf bewährte Verfahren und die Verbreitung von Wissen wird das strategische Ziel, energie- und ressourcensparende IKT voranzubringen, bereits in Ministerien und dem privaten Sektor umgesetzt. So unterstützen das BMBF und die Forschungsfabrik Mikroelektronik Deutschland (FMD) die Initiative „Green ICT – Grüne IKT“, ein Kompetenzzentrum für nachhaltige Informations- und Kommunikationstechnologie. „Green ICT – Grüne IKT“ bietet Projektpartnern aus Industrie und Wissenschaft Ressourcen und Fachwissen, um nachhaltige Mikroelektronik und energieeffiziente Technologieinfrastrukturen zu entwickeln. Die Initiative bietet auch Bildungsangebote für Studierende, Branchenspezialist:innen, Start-ups und KMU (Green ICT, 2023[54]).
Öffentliche Anbieter: von Recheninfrastruktur in Deutschland haben Pionierarbeit bei grünen IKT-Methoden geleistet. So arbeitet das Leibniz-Rechenzentrum (LRZ) der Bayerischen Akademie der Wissenschaften seit über einem Jahrzehnt an einer energieeffizienten Recheninfrastruktur und hat diese umgesetzt, etwa durch den Aufbau eines „Warmwasserkühlkreislaufs“, der zu erheblichen Energieeinsparungen führt. Das LRZ erforscht grüne IT-Verfahren im Rahmen einer Methodik, die die Umweltauswirkungen von Gebäudeinfrastruktur, Hardware, Betriebssoftware und nachhaltiger Anwendungsprogramme untersucht (LRZ, 2023[55]). Von den 50 energieeffizientesten Supercomputern der Welt stehen 11 in Deutschland, das damit an zweiter Stelle hinter den USA (14) und vor Frankreich (6), Japan (5) und Australien (2) steht (TOP500, 2023[56]). Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) und die Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ) haben gemeinsam mit der Internationalen Fernmeldeunion (ITU) und der Weltbank einen Praxisleitfaden mit dem Titel „Green Data Centers: Towards a Sustainable Transformation“ (Grüne Rechenzentren: Auf dem Weg zu einer nachhaltigen Transformation) entwickelt. Der Leitfaden fördert öffentliche und private Investitionen in grüne Rechenzentrumsinfrastruktur durch öffentliche Beschaffungsstrategien und breiter angelegte Richtlinien und Vorschriften (ITU/World Bank, 2023[10]).
Der Energieverbrauch der deutschen Server und Rechenzentren ist seit 2010 gestiegen (Abbildung 9.2). Im Jahr 2021 wurde der Energieverbrauch von Rechenzentren auf 17 Mrd. kWh geschätzt, was einer Steigerung von 6,5 % gegenüber 2020 und 14 % gegenüber 2019 (14 Mrd. kWh) entspricht. Dies entspricht rund 3,3 Prozent der deutschen Stromversorgung im Jahr 2021 gegenüber 2,7 Prozent in den Niederlanden und 2,5 Prozent im Vereinigten Königreich (Statistics Netherland, 2021[57]); (nationalgridESO, 2022[58]). Eine Extrapolation der aktuellen Trends könnte bis 2030 einen Verbrauch von rund 28 Mrd. kWh bedeuten (Borderstep Institute, 2022[59]). Das Büro für Technikfolgenabschätzung beim Deutschen Bundestag (TAB) kommt zu ähnlichen Zahlen. Es schätzt den Energieverbrauch deutscher Rechenzentren (einschließlich Telekommunikationsnetzen) für 2019 auf 14,9 Mrd. kWh und prognostiziert – unter der Voraussetzung, dass sich der aktuelle Trend fortsetzt – für 2030 einen Wert von 30,6 Mrd. kWh. Die Autoren des TAB weisen jedoch darauf hin, dass „der [...] Wissensstand zum Energiebedarf der IKT-Infrastrukturen lückenhaft und teilweise widersprüchlich“ ist und „ein erheblicher Forschungsbedarf“ und die Notwendigkeit einer „regelmäßige[n] Ermittlung [...] unter Einbezug von realen Daten aus Unternehmen“ besteht (Grünwald and Caviezel, 2022[60]).
Abbildung 9.2. Der Anteil der Rechenzentren am gesamten deutschen Stromverbrauch ist in den letzten Jahren stetig gestiegen
Stromverbrauch deutscher Rechenzentren
Hinweis: Die Schätzung des Stromverbrauchs von Rechenzentren für KI ist technisch und methodisch anspruchsvoll.
Quelle: Borderstep Institute (2022[59]), “Cloud computing drives the growth of the data centre industry and its energy consumption”, https://www.borderstep.de/wp-content/uploads/2022/08/Borderstep_Rechenzentren_2021_eng.pdf.
Empfehlungen
Ausbau der behördenübergreifenden und interdisziplinären Zusammenarbeit in den Bereichen KI und ökologische Nachhaltigkeit, um den Transfer und Synergien zwischen Initiativen zu fördern
Das deutsche Ökosystem für KI und ökologische Nachhaltigkeit profitiert von einer Reihe von Initiativen, Fördermitteln und starken öffentlichen und privaten Institutionen, die KI und ökologische Nachhaltigkeit auf ihre Agenda setzen. Gleichzeitig sind die Initiativen oft isoliert, tauschen Wissen und bewährte Verfahren nicht aus und schaffen keine Synergien durch Zusammenarbeit. Dies ist ein kritisches Thema, da die Arbeit an der Schnittstelle zwischen KI und ökologischer Nachhaltigkeit technisches und ökologisches Fachwissen erfordert. Mit der Fortschreibung 2020 der deutschen KI-Strategie soll „die Verknüpfung von KMU, Start-ups, gemeinwohlorientierten Akteurinnen und Akteuren mit der Forschung [gestärkt werden], um den Transfer und die Anwendung von Forschungsergebnissen in die Breite der Wirtschaft und Gesellschaft zu befördern“ (Die Bundesregierung, 2020[2]). Dieses Ziel sollte erweitert werden, um einen authentischen multidisziplinären Ansatz unter Beteiligung zahlreicher verschiedener Interessenträger:innen zu schaffen, der von den Ressourcen und dem Wissen der deutschen KI-Expert:innen, Umweltgruppen und wissenschaftlichen Vordenker:innen profitiert.
Festlegung strategischer Schwerpunktbereiche, um die ermöglichenden Auswirkungen von KI für ökologische Nachhaltigkeit und schnelle Dekarbonisierung zu maximieren
Deutschland verfügt über ein starkes Potenzial, Initiativen zur KI und ökologischen Nachhaltigkeit und Wissen in strategischen Schwerpunktbereichen zu bündeln. Zwar gibt es Initiativen in Sektoren wie Energiewirtschaft, Verkehr, Industrie und Landwirtschaft, doch kann KI in fast allen Wirtschaftssektoren eingesetzt werden, etwa in Gebäuden und Städten, bei der Finanzierung umweltfreundlicher Technologien oder beim nachhaltigen Konsum. Deutschland könnte Bereiche priorisieren, um Forschungsanstrengungen abzustimmen, die Finanzierung zu straffen und Ziele festzulegen, etwa in interministeriellen Arbeitsgruppen oder gesamtstaatlichen Initiativen.
Ausbau der deutschen Führungsposition in den Bereichen KI und ökologische Nachhaltigkeit durch Wissensaustausch, Bildungsprogramme, Förderung von Start-ups und KMU sowie Erweiterung des Fokus auf Kreislaufwirtschaft, Biodiversität und andere planetare Grenzen
Deutschland ist aufgrund seines starken strategischen und politischen Mandats, vielfältiger und angemessen finanzierter Initiativen, führender Wissenschaftler:innen und Forscher:innen auf diesem Gebiet sowie innovativer Industrieunternehmen und Start-ups, die nachhaltige KI-Lösungen exportieren, in der Lage, eine führende Rolle in den Bereichen KI und ökologische Nachhaltigkeit zu übernehmen. Dies könnte durch die Förderung des Wissensaustauschs und -transfers, die Ausbildung von politischen Entscheidungsträger:innen und Studierenden, die Unterstützung deutscher Start-ups und KMU und die Erweiterung des Fokus dessen, was Nachhaltigkeit ausmacht, über Energie- und Ressourceneffizienz hinaus gestärkt werden. In diesem Zusammenhang gilt es Kreislaufwirtschaftsmodelle, den Erhalt der Biodiversität, Änderungen bei der Landnutzung, dem Trinkwasserverbrauch und andere begrenzte Ressourcen einzubeziehen, damit KI zum Wohle des Planeten eingesetzt wird.
Deutschland kann eine Führungsrolle im Bereich KI und ökologische Nachhaltigkeit übernehmen, die auf einem starken Fundament politischer Unterstützung, diversen und finanzstarken Initiativen, weltweit führenden Wissenschaftler:innen und innovativen Industrieunternehen und Start-ups aufbauen kann. Diese Basis könnte durch einen verbesserten Wissenstransfer, die Aus- und Weiterbildung politischer Entscheidungsträger:innen und Studierenden sowie die Unterstütung deutscher Start-ups und KMU ausgebaut werden. Außerdem würde das KI-Ökosystem durch eine Ausweitung des Nachhaltigkeitsbegriffs über reine Energie- und Ressourceneffizienz hinaus profitieren, der Modelle der Kreislaufwirtschaft, den Erhalt der Biodiversität, die Veränderung von Flächennutzung, die Erschöpfung von Trinkwasserresourcen und andere planetere Grenzen mit einbezieht.
Ausweitung der Messungen, um die Auswirkungen der KI-Recheninfrastruktur auf Energie, Wasser und Ressourcen zu bewerten und zu minimieren
Deutschland erkennt an, dass die Umweltauswirkungen der KI- und IKT-Infrastruktur, einschließlich der direkten Auswirkungen wie Energie- und Wasserverbrauch sowie der indirekten ermöglichenden und systemischen Auswirkungen der Anwendungen, systematisch und standardisiert über die Sektoren hinweg gemessen werden müssen. Deutschland unternahm wichtige erste Schritte bei der Erhebung von Daten zu Umweltauswirkungen, etwa die Informationspflichten für Rechenzentrumsbetreiber im anstehenden Energieeffizienzgesetz. Solche Bemühungen sollten zum Beispiel durch die Umsetzung der Umweltfolgenabschätzung von KI mit dem Statistischen Bundesamt und in Partnerschaft mit Forschungsinstituten, die Indikatoren wie den Energieverbrauch von Rechenzentren verfolgen, ausgebaut werden. Die daraus resultierenden Indikatoren könnten in öffentliche Datenbanken wie die HPC-Karte der Gauß-Allianz aufgenommen werden, um die Transparenz zu erhöhen (GCS, 2023[61]). Deutschland sollte die Sichtweise vom betrieblichen Energieverbrauch und von betrieblichen Treibhausgasemissionen auf breitere Umweltauswirkungen wie die Verschlechterung der Biodiversität, die Lebenszyklusauswirkungen der Produktion von Computerausrüstung, die Auswirkungen des Wasserverbrauchs und den Abbau seltener Erden ausweiten (OECD, 2022[1]). Eine Umweltfolgenabschätzung von KI, wie sie in der Fortschreibung der nationalen KI-Strategie vorgesehen ist, würde von einer intraministeriellen Zusammenarbeit profitieren. Sie wäre der Vorreiter für eine umfassende ökologische Überprüfung der nationalen KI-Rechenressourcen und könnte internationale Standards festlegen, um die Entwicklung von Kennzahlen, wie in der Verordnung der Europäischen Union zu Künstlicher Intelligenz („KI-Verordnung der EU“) (EU, 2024[62]) vorgeschlagen werden, zu gestalten.
Literatur
[48] Alan Turing Institute (2023), ADViCE Introduction, https://www.turing.ac.uk/research/research-projects/advice#:~:text=Artificial%20Intelligence%20for%20Decarbonisation%27s%20Virtual,the%20transition%20to%20Net%20Zero (accessed on 11 December 2023).
[51] ANR (2021), Challenge IA-Biodiv: Research in Artificial Intelligence in the Field of Biodiversity, Agence nationale de la recherche, https://anr.fr/en/call-for-proposals-details/call/challenge-ia-biodiv-research-in-artificial-intelligence-in-the-field-of-biodiversity/ (accessed on 11 December 2023).
[12] Baiosphere (2023), Über die baiosphere, https://baiosphere.org/baiosphere/ (accessed on 11 December 2023).
[24] BASF (2023), Innovative and Disruptive Technologies for Sustainable Future Success, https://www.basf.com/global/en/who-we-are/digitalization/artificial-intelligence.html (accessed on 11 December 2023).
[44] bitkom (2023), Klimaeffekte der Digitalisierung, https://www.bitkom.org/sites/main/files/2021-10/20211010_bitkom_studie_klimaeffekte_der_digitalisierung.pdf.
[38] bitkom, eco, and German Datacentre Association (2022), Perspectives for a Sustainable Data Centre Industry by 2030, https://www.germandatacenters.com/fileadmin/documents/publications/Perspectives-for-a-sustainable-data-center-industry-by-2030.pdf.
[22] Bits & Bäume (2021), Forderungen, https://bits-und-baeume.org/konferenz-2022/forderungen/ (accessed on 11 December 2023).
[9] BMBF (2023), “Bekanntmachung Methoden der Künstlichen Intelligenz als Instrument der Biodiversitätsforschung”, Bundesministerium für Bildung und Forschung, https://www.bmbf.de/bmbf/shareddocs/bekanntmachungen/de/2023/01/2023-01-04-Bekanntmachung-Biodiversit%C3%A4tsforschung.html (accessed on 11 December 2023).
[8] BMBF (2021), “Bekanntmachung”, Bundesministerium für Bildung und Forschung, https://www.bmbf.de/bmbf/shareddocs/bekanntmachungen/de/2021/09/2021-09-17-Bekanntmachung-KI.html (accessed on 11 December 2023).
[7] BMDV (2023), “Artificial Intelligence and Mobility - AIAMO”, Bundesministerium für Digitales und Verkehr, https://bmdv.bund.de/SharedDocs/DE/Artikel/DG/KI-Projekte/aiamo.html (accessed on 11 December 2023).
[11] BMEL (2021), Künstliche Intelligenz (KI) für eine nachhaltigere Landwirtschaft, Bundesministerium für Ernährung und Landwirtschaft, https://www.bmel.de/SharedDocs/Downloads/DE/Broschueren/k-i-fuer-nachhaltige-landwirtschaft.pdf?__blob=publicationFile&v=7 (accessed on 11 December 2023).
[47] BMUV (2023), Community “Nachhaltige Digitalisierung”, Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz, https://www.bmuv.de/themen/digitalisierung/community-nachhaltige-digitalisierung (accessed on 11 December 2023).
[4] BMUV (2023), Künstliche Intelligenz für Umwelt und Klima, Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz, https://www.bmuv.de/themen/digitalisierung/kuenstliche-intelligenz-fuer-umwelt-und-klima (accessed on 11 December 2023).
[43] BMWK (2022), Industrie 4.0 gestalten. Resilient, nachhaltig, wettbewerbsstark, Bundesministerium für Wirtschaft und Klimaschutz, https://www.bmwk.de/Redaktion/DE/Publikationen/Industrie/industrie-40-gestalten-resilient-nachhaltig-wettbewerbsstark.pdf?__blob=publicationFile&v=1 (accessed on 11 December 2023).
[59] Borderstep Institute (2022), “Cloud computing drives the growth of the data center industry and its energy consumption”, Borderstep Institute for Innovation and Sustainability, https://www.borderstep.de/wp-content/uploads/2022/08/Borderstep_Rechenzentren_2021_eng.pdf.
[28] Celonis (2023), Sustainability Transformation, https://www.celonis.com/solutions/sustainability-transformation/ (accessed on 11 December 2023).
[40] Christian-Albrechts-Universität zu Kiel (2023), Rasmus: Cost-efficient Ship Routing Utilizing Ocean Currents, https://www.ai.informatik.uni-kiel.de/de/projects/current-projects-2/copy_of_rasmus-ship-routing (accessed on 11 December 2023).
[6] Civic Coding (2023), Die Initiative, https://www.civic-coding.de/ueber-civic-coding/die-initiative (accessed on 2 November 2023).
[41] Creutzig, F. et al. (2015), “Transport: A roadblock to climate change mitigation?”, Science, Vol. 350/6263, pp. 911-912, https://www.science.org/doi/10.1126/science.aac8033.
[37] dena (2019), Künstliche Intelligenz für die integrierte Energiewende, Deutsche Energie-Agentur GmbH, https://www.dena.de/fileadmin/dena/Publikationen/PDFs/2019/dena-ANALYSE_Kuenstliche_Intelligenz_fuer_die_integrierte_Energiewende.pdf.
[17] DFKI (2023), Artificial Intelligence for Environment and Sustainability, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, https://www.dfki.de/en/web/applications-industry/competence-centers/ai-for-environment-and-sustainability (accessed on 11 December 2023).
[2] Die Bundesregierung (2020), Artificial Intelligence Strategy of the German Federal Government: 2020 Update, https://www.ki-strategie-deutschland.de/files/downloads/Fortschreibung_KI-Strategie_engl.pdf (accessed on 11 December 2023).
[39] EEA (2023), Transport and Environment Report 2022, European Environment Agency, https://www.eea.europa.eu/publications/transport-and-environment-report-2022/transport-and-environment-report/view.
[20] ELIAS (2023), European Lighthouse of AI for Sustainability, https://elias-ai.eu (accessed on 11 December 2023).
[26] Enpal (2023), Über Enpal, https://www.enpal.de/ueber-uns (accessed on 11 December 2023).
[62] EU (2024), Regulation (EU) 2024/ ...... of the European Parliament and of the Council laying down harmonised rules on artificial intelligence (Artificial Intelligence Act), https://data.consilium.europa.eu/doc/document/PE-24-2024-INIT/en/pdf.
[61] GCS (2023), Our Centres, Gauss Centre for Supercomputing, https://www.gauss-centre.eu/about-us/our-centres (accessed on 11 December 2023).
[30] German AI Association (2023), Working Groups, https://ki-verband.de/en/working-groups/ (accessed on 11 December 2023).
[49] Government of Canada (2023), About the Clean Growth Hub, https://ised-isde.canada.ca/site/clean-growth-hub/en/about-clean-growth-hub (accessed on 11 December 2023).
[54] Green ICT (2023), About Green ICT, https://greenict.de/en/ (accessed on 11 December 2023).
[29] Greentech Alliance (2023), What We Do, https://www.greentech.earth/what-we-do (accessed on 11 December 2023).
[60] Grünwald, R. and C. Caviezel (2022), “Energieverbrauch der IKT-Infrastruktur. TAB-Fokus”, Institut für Technikfolgenabschätzung und Systemanalyse (ITAS), Karlsruher Institut für Technologie (KIT), https://publikationen.bibliothek.kit.edu/1000151166.
[50] HAI (2023), Congressional Boot Camp on AI, Stanford University, https://hai.stanford.edu/congressional-boot-camp-ai (accessed on 11 December 2023).
[13] hessian.AI (2023), “Supercomputer for cutting-edge AI research in Hesse”, https://hessian.ai/supercomputer-for-cutting-edge-ai-research-in-hesse/ (accessed on 11 December 2023).
[53] IEA (2023), Data Centres and Data Transmission Networks, International Energy Agency, https://www.iea.org/energy-system/buildings/data-centres-and-data-transmission-networks.
[35] IEA (2023), Energy Technology Perspectives 2023, International Energy Agency, https://www.iea.org/reports/energy-technology-perspectives-2023.
[42] ITF (2023), ITF Transport Outlook 2023, OECD Publishing, Paris, https://doi.org/10.1787/b6cc9ad5-en.
[10] ITU/World Bank (2023), Green Data Centers: Towards a Sustainable Digital Transformation - A Practioner’s Guide, International Telecommunication Union and the World Bank, https://www.bmz-digital.global/wp-content/uploads/2023/08/Guide-to-Green-Data-Centers-Final.pdf.
[14] KI.NRW (2023), Selected Examples of the North Rhine-Westphalian AI ecosystem, https://www.ki.nrw/en/ai-highlights/ (accessed on 11 December 2023).
[55] LRZ (2023), Green IT at Leibniz Supercomputing Centre, Leibniz-Rechenzentrum, https://www.lrz.de/wir/green-it_en/ (accessed on 11 December 2023).
[58] nationalgridESO (2022), “Data centres”, https://www.nationalgrideso.com/document/246446/download.
[52] OECD (2023), “A blueprint for building national compute capacity for artificial intelligence”, OECD Digital Economy Papers, No. 350, OECD Publishing, Paris, https://doi.org/10.1787/876367e3-en.
[36] OECD (2023), OECD Environmental Performance Reviews: Germany 2023, OECD Environmental Performance Reviews, OECD Publishing, Paris, https://doi.org/10.1787/f26da7da-en.
[1] OECD (2022), “Measuring the environmental impacts of artificial intelligence compute and applications: The AI footprint”, OECD Digital Economy Papers, No. 341, OECD Publishing, Paris, https://doi.org/10.1787/7babf571-en.
[3] OECD.AI (2023), AI and the Environment, OECD, Paris, https://oecd.ai/en/dashboards/policy-areas/PA9 (accessed on 11 December 2023).
[46] OECD/FAO (2021), OECD-FAO Agricultural Outlook 2021-2030, OECD Publishing, Paris, https://doi.org/10.1787/19428846-en.
[45] One Planet Network (2023), Rethinking, Extending, Re-using. Harnessing Digital Technologies for the Circular Economy, https://www.oneplanetnetwork.org/sites/default/files/2023-11/RETHINKING%2C%20EXTENDING%2C%20REUSING-%20HARNESSING%20DIGITAL%20TECHNOLOGIES%20FOR%20THE%20CIRCULAR%20ECONOMY%20-%205%20%281%29.pdf.
[32] OroraTech (2021), “Maintain control of wildfires: OroraTech launches global thermal intelligence services”, https://ororatech.com/ororatech-launches-global-thermal-intelligence-service/ (accessed on 11 December 2023).
[25] Porsche (2021), “Porsche, Audi and Volkswagen use artificial intelligence to minimise sustainability risks”, https://newsroom.porsche.com/en/2021/sustainability/porsche-audi-volkswagen-pilot-project-artificial-intelligence-minimisation-sustainability-risks-supply-chain-23801.html (accessed on 11 December 2023).
[21] Rohde, F. et al. (2021), Nachhaltigkeitskriterien für künstliche Intelligenz, https://www.ioew.de/fileadmin/user_upload/BILDER_und_Downloaddateien/Publikationen/2021/IOEW_SR_220_Nachhaltigkeitskriterien_fuer_Kuenstliche_Intelligenz.pdf.
[34] Rolnick, D. et al. (2019), “Tackling climate change with machine learning”, https://arxiv.org/abs/1906.05433.
[23] Siemens (2023), The Climate Crisis – Solutions in the Ecosystem, https://www.siemens.com/global/en/company/stories/research-technologies/energytransition/sustainability-solutions-in-the-ecosystem.html (accessed on 11 December 2023).
[57] Statistics Netherland (2021), “Electricity supplied to data centres, 2017-2019”, https://www.cbs.nl/en-gb/custom/2020/51/electricity-supplied-to-data-centres-2017-2019.
[15] STMD (2023), “Bundesländer setzen ständige Digitalministerkonferenz ein / Digitalminister Mehring: „Meilenstein für die Digitalisierung in Deutschland!“”, Bayerisches Staatsministerium für Digitales, https://www.stmd.bayern.de/bundeslaender-setzen-staendige-digitalministerkonferenz-ein-digitalminister-mehring-meilenstein-fuer-die-digitalisierung-in-deutschland/ (accessed on 11 December 2023).
[18] sustAInability (2023), About sustAInability, https://sustainability-ai.de (accessed on 11 December 2023).
[16] Sustainable AI Lab (2023), About Us, https://sustainable-ai.eu/about-us/ (accessed on 11 December 2023).
[56] TOP500 (2023), Green500 - November 2023, https://www.top500.org/lists/green500/2023/11/ (accessed on 11 December 2023).
[19] TU Berlin (2020), “KI-Leuchttürme für die Umwelt”, https://www.tu.berlin/ueber-die-tu-berlin/profil/pressemitteilungen-nachrichten/ki-leuchttuerme-fuer-die-umwelt (accessed on 11 December 2023).
[27] TWAICE (2023), TWAICE Battery Analytics Platform, https://www.twaice.com/products/battery-analytics-platform (accessed on 11 December 2023).
[5] UBA (2022), UBA Application Lab for AI and Big Data, Umweltbundesamt, https://www.umweltbundesamt.de/en/topics/digitalisation/uba-application-lab-for-ai-big-data (accessed on 11 December 2023).
[31] UnternehmerTUM (2023), TUM Venture Labs Sustainability and Circular Economy, https://www.unternehmertum.de/en/about/tum-venture-labs (accessed on 11 December 2023).
[33] WBGU (2019), Flagship Report - Towards Our Common Digital Future, German Advisory Council on Global Change, https://www.wbgu.de/fileadmin/user_upload/wbgu/publikationen/hauptgutachten/hg2019/pdf/wbgu_hg2019_en.pdf.