La soberanía supera al precio: la nueva señal de adjudicación
Angelika Beierlein
8 Min. de lectura El gobierno federal quiere que SAP y Deutsche Telekom construyan su nube de administración ...
Die KI-Revolution hat einen Nebeneffekt, über den wenig gesprochen wird: Sie treibt den Energieverbrauch der IT-Branche in bisher unerreichte Höhen. Ein einziges Training eines großen Sprachmodells verbraucht so viel Strom wie 120 durchschnittliche US-Haushalte in einem Jahr.
Für C-Level-Entscheider entsteht daraus ein Zielkonflikt: Mehr KI-Leistung erfordert mehr Rechenkapazität – aber Klimaziele und Regulierung verlangen weniger Energieverbrauch. Die Lösung liegt nicht im Verzicht auf Technologie, sondern in intelligenterer Nutzung: Green IT als strategischer Hebel statt als grünes Feigenblatt.
Die Zahlen sind ernüchternd. Die globale IT-Branche verursacht rund 4 Prozent der CO2-Emissionen – mehr als der gesamte Flugverkehr. Rechenzentren allein verbrauchen 2026 geschätzt über 1.000 Terawattstunden Strom – das entspricht dem Gesamtverbrauch von Japan.
Der KI-Boom verschärft die Lage dramatisch. GPU-Cluster für KI-Training und -Inferenz verbrauchen ein Vielfaches der Energie traditioneller Server-Workloads. NVIDIA schätzt, dass die weltweite installierte GPU-Kapazität sich bis 2027 verdreifacht. Jede dieser GPUs verbraucht 300 bis 700 Watt – rund um die Uhr.
Für europäische Unternehmen wird das Problem durch die Energy Efficiency Directive regulatorisch relevant: Rechenzentren mit mehr als 500 kW IT-Leistung müssen ab 2024 Energieaudits durchführen und ihre Power Usage Effectiveness (PUE) transparent berichten.
Hebel 1: Infrastruktur-Effizienz. Der PUE-Wert – das Verhältnis von Gesamtenergie zu IT-Nutzenergie – liegt im Branchendurchschnitt bei 1,58. Spitzenwerte liegen bei 1,1 bis 1,2. Die Differenz ist reines Einsparpotenzial: effizientere Kühlung (Free Cooling, Liquid Cooling), bessere Stromversorgung und optimierte Raumplanung.
Hebel 2: Software-Effizienz. Green Software Engineering optimiert Code für minimalen Ressourcenverbrauch. Das beginnt bei der Wahl der Programmiersprache (Rust und Go verbrauchen Bruchteil von Python für vergleichbare Tasks), geht über effiziente Algorithmen und endet bei Carbon-Aware Computing – der Verschiebung von Workloads auf Zeiten und Regionen mit niedrigem CO2-Faktor im Stromnetz.
Hebel 3: Beschaffung und Lifecycle. Die Produktion von Hardware verursacht 50 bis 70 Prozent der Gesamt-Emissionen eines Geräts. Longer Lifecycle-Nutzung, Refurbishment und Circular-Economy-Ansätze reduzieren den Fußabdruck stärker als jede Effizienz-Optimierung im Betrieb.
Carbon-Aware Computing ist ein Paradigmenwechsel: Statt Workloads nur nach Performance und Kosten zu planen, wird der CO2-Fußabdruck des aktuellen Strommixes als dritte Dimension einbezogen.
Konkret bedeutet das: Batch-Verarbeitungen, KI-Trainings und nicht-zeitkritische Berechnungen werden auf Zeitfenster verschoben, in denen der Anteil erneuerbarer Energien im Stromnetz am höchsten ist. In Multi-Cloud-Umgebungen können Workloads auch geografisch verschoben werden – in Regionen mit niedrigerem CO2-Faktor.
Die Green Software Foundation hat mit dem Software Carbon Intensity (SCI) Standard ein Framework geschaffen, das diese Optimierung messbar macht. Erste Unternehmen wie Microsoft und Thoughtworks haben Carbon-Aware-Scheduler in ihre Deployment-Pipelines integriert.
Der Business Case ist doppelt: Geringerer CO2-Ausstoß für die CSRD-Bilanz und geringere Stromkosten, da erneuerbare Energie zu Spitzenzeiten oft günstiger ist als fossile Grundlast.
Green IT ist kein Wohlfühl-Thema mehr. Sie wird zum harten Geschäftsfaktor auf drei Ebenen:
Kostensenkung: Energiekosten sind der zweitgrößte Betriebskostenfaktor nach Personal. Jedes Prozent PUE-Verbesserung spart bei einem mittelgroßen Rechenzentrum 50.000 bis 200.000 Euro jährlich. Software-Effizienz reduziert Cloud-Kosten direkt.
Regulierung: EED, CSRD und die EU-Taxonomie machen IT-Energieverbrauch zum Berichtspflichtfaktor. Unternehmen, die ihre Green-IT-Kennzahlen im Griff haben, erfüllen diese Anforderungen nebenbei. Unternehmen ohne Strategie brauchen teure Sonderprojekte.
Kundenpräferenz: Großkunden – besonders in Branchen mit eigenen Klimazielen – bevorzugen Dienstleister mit nachweislich niedrigem CO2-Fußabdruck. In Ausschreibungen wird der Carbon Footprint zunehmend zum Bewertungskriterium. Wer Green IT als Differenzierungsmerkmal positioniert, gewinnt Aufträge, die anderen entgehen.
Drei Metriken sind entscheidend: Power Usage Effectiveness (PUE) für Rechenzentren, Software Carbon Intensity (SCI) für Anwendungen und der Gesamtenergieverbrauch der IT inklusive Cloud-Services. Tools wie Cloud Carbon Footprint, Climatiq und der Green Software Foundation Calculator helfen bei der Messung.
In der Regel ja, weil Hyperscaler ihre Rechenzentren effizienter betreiben (PUE 1,1-1,2 vs. 1,5-1,8 im Mittelstand) und zunehmend erneuerbare Energie nutzen. Aber: Cloud führt oft zu Ressourcen-Verschwendung durch Überprovisionierung. Eine gut optimierte On-Premise-Lösung kann effizienter sein als eine schlecht verwaltete Cloud-Umgebung.
Kurzfristig erhöht es den Entwicklungsaufwand um 5 bis 15 Prozent. Langfristig senkt es Infrastrukturkosten, da effizienterer Code weniger Rechenressourcen benötigt. Bei Cloud-basierten Anwendungen zeigt sich der ROI oft innerhalb von sechs Monaten durch reduzierte Compute-Kosten.
Wenn Ihr Unternehmen CSRD-berichtspflichtig ist, ja – IT-Energieverbrauch fällt unter die E1-Klimaberichtsstandards. Rechenzentren über 500 kW müssen zusätzlich die EED-Anforderungen erfüllen. Auch ohne direkte Pflicht verlangen immer mehr Kunden und Investoren IT-Nachhaltigkeitsdaten.
Ja, in mehreren Bereichen: KI-gestützte Kühlung optimiert den Energieverbrauch von Rechenzentren (Google konnte den Kühlenergiebedarf um 40 Prozent senken). KI-basiertes Capacity Planning verhindert Überprovisionierung. Und Carbon-Aware-Scheduler nutzen KI-Prognosen für den Strommix, um Workloads optimal zu planen.
Quelle des Titelbildes: Unsplash / Noah Buscher
También disponible en