Eine typische Anfrage an das Open-Weight-Modell Kimi K3 stößt etwa 0,4 Gramm CO2 aus, wenn es auf Servern in Schweden läuft. Bei identischer Anforderung und identischer Hardware werden in Texas 3,2 Gramm emittiert – 8,5-mal mehr. Diese Lücke ist das Herzstück einer neuen Open-Source-Methode zur Berechnung der CO2-Emissionen einzelner KI-Anfragen, die am 21. Oktober vom schwedischen KI-Anbieter Berget AI zusammen mit Forschern des Stockholm Environment Institute (SEI) und den gemeinnützigen Organisationen WattTime und Klimatkollen veröffentlicht wurde.

Warum die CO2-Bilanzierung auf Anfrage wichtig ist Weitere Informationen zu dieser Geschichte finden Sie in unserer aktuelle KI-Trends.

Laut Berget AI haben die meisten Unternehmen, die KI einsetzen, keine Möglichkeit zu wissen, welche Emissionen ihre Nutzung tatsächlich verursacht. Bei öffentlichen Zahlen handelt es sich in der Regel um grobe, von außen geschätzte Durchschnittswerte, die durch Multiplikation eines angenommenen durchschnittlichen Fußabdrucks mit einer Schätzung des Gesamtvolumens berechnet werden – Zahlen, die niemand unabhängig überprüfen kann.

Die neue Methode verfolgt den umgekehrten Ansatz: Sie berechnet die Emissionen Anfrage für Anfrage, basierend auf der durchschnittlichen Emissionsintensität des regionalen Stromnetzes, in dem die Server tatsächlich laufen, und berücksichtigt den eingebetteten Kohlenstoff der Herstellung der Hardware. Das Ergebnis hängt vom verwendeten Modell, der Tageszeit und davon ab, ob ein Teil der Eingabeaufforderung aus dem Cache bereitgestellt wird. Daher wird jede Anfrage einzeln und nicht über einen pauschalen Durchschnitt berechnet.

„Die meisten Unternehmen haben heute keine Möglichkeit zu wissen, welche Emissionen ihr Einsatz von KI verursacht“, sagte Andreas Lundmark, CEO von Berget AI, in der Ankündigung. „Mit dieser Methode können unsere Kunden ihre Emissionsanfrage nach Anfrage verfolgen und Anbieter anhand von Daten statt anhand von Marketing vergleichen. Wir wissen, dass die meisten europäischen Käufer eine andere Wahl treffen würden, wenn sie die Zahlen sehen könnten.“

Das Raster ist die Variable, die dominiert

Der Schlagzeilenvergleich – 0,4 Gramm CO2 pro Kimi-K3-Anfrage in Schweden gegenüber 3,2 Gramm in Texas – ergibt sich allein aus Unterschieden im Netzmix. Der Pressemitteilung zufolge werden bei derselben Anfrage in Irland 1,6 Gramm und in Deutschland 2,5 Gramm emittiert. Da die zugrunde liegende Hardware in jedem Fall identisch ist, hängt das Delta fast ausschließlich davon ab, wo das Rechenzentrum angeschlossen ist.

Diese Variable wird eher zu einer Beschaffungsentscheidung als zu einer festen Einschränkung. Open-Weight-Modelle, die legal in jedem Rechenzentrum ausgeführt werden können, bewältigen mittlerweile einen wachsenden Anteil des globalen KI-Verkehrs. Berget AI zitiert Zahlen von Vercels AI Gateway, die zeigen, dass Open-Weight-Modelle im Juni 2026 29 % der Token bedienten, gegenüber 11 % im April. Für diese Arbeitslasten kann der Käufer die Geografie wählen – vorausgesetzt, die Emissionen sind tatsächlich sichtbar.

„Die meisten alarmierenden Zahlen über den Fußabdruck von KI stammen aus der Multiplikation eines Durchschnitts mit einer Schätzung des Volumens, und niemand kann sie überprüfen“, sagte Christian Landgren, CTO und Mitbegründer von Berget AI. „Der einzig faire Vergleich besteht darin, jede Anfrage zu berechnen und zu addieren. Wir haben unsere Urteile veröffentlicht, damit jeder sie überprüfen und verwenden kann.“

Basierend auf bestehenden Standards, veröffentlicht unter MIT

Die Methode folgt der SCI for AI-Spezifikation der Green Software Foundation und ist unter der MIT-Lizenz auf GitHub verfügbar. Berget AI hat unter co2.berget.ai außerdem einen öffentlichen Rechner eingeführt, der die Methode auf jedes Modell und jede Region anwendet und auf früheren Open-Source-Schätzern wie EcoLogits und dem CLEER-Dashboard der Sustainable AI Group aufbaut. Kunden des Berget-eigenen Inferenzdienstes können beim Abfragen von Modellen beobachten, wie sich ihre Emissionen in der Unternehmenskonsole ansammeln.

Die Partner kartierten und maßen direkt die Umweltauswirkungen der Berget-Infrastruktur – Energie, Wasser und Hardware – zusammen mit dem CO2-Fußabdruck der Garbo-KI von Klimatkollen, die auf dieser Infrastruktur läuft, und kombinierten die Messungen dann mit aktuellen Forschungsergebnissen zur Umwandlung des Ressourcenverbrauchs in Kohlenstoff und umfassendere Umweltauswirkungen.

Das Nachfragewachstum übertrifft immer noch die Effizienz

Die Veröffentlichung erfolgt vor dem Hintergrund stark steigender Prognosen für den Stromverbrauch von Rechenzentren. Somya Joshi, Forschungsdirektorin bei SEI, verwies auf Zahlen der Internationalen Energieagentur, denen zufolge sich der Stromverbrauch von Rechenzentren bis 2030 auf etwa 945 TWh mehr als verdoppeln wird, wobei KI der Haupttreiber ist.

„Jedes Versprechen von Effizienzsteigerungen wird wahrscheinlich durch eine höhere Nachfrage zunichte gemacht, wodurch jegliche Emissionsreduzierungen durch erneuerbare Energien zunichte gemacht werden“, sagte Joshi in der Ankündigung. „Methoden wie diese bieten eine transparente Grundlage für fundierte Entscheidungen. Ihre Stärke besteht darin, dass sie klar zeigen, wie wichtig der Standort des Netzes und der kritischen Infrastruktur ist, wenn es darum geht, wie nachhaltig KI sein kann.“

Was es für KI-Käufer bedeutet

Für Unternehmen, die ihre eigenen Open-Weight-Implementierungen betreiben, ist die praktische Auswirkung klar: Das gleiche Modell kann einen CO2-Preis haben, der je nach Region um den Faktor acht variiert, und es gibt jetzt Tools, um diesen Unterschied vor der Unterzeichnung eines Vertrags zu messen. Berget AI möchte, dass andere Inferenzanbieter Berichte pro Anfrage einführen, damit Käufer Anbieter anhand gemessener Zahlen und nicht anhand von Marketingaussagen vergleichen können.

Die Autoren der Methode erkennen an, dass es sich bei ihren Zahlen um standortbezogene Schätzungen handelt, die auf dem durchschnittlichen Netzmix und nicht auf stündlichen Grenzemissionen basieren, eine Vereinfachung, die bei dieser Klasse von Tools üblich ist. Dennoch ist es die Transparenz der Annahmen – die alle zur Überprüfung veröffentlicht wurden –, was die Bemühungen von den undurchsichtigen Durchschnittswerten unterscheidet, die bisher den Diskurs über KI-Energie dominiert haben.

Ob andere Anbieter diesem Beispiel folgen, hängt möglicherweise weniger vom Kodex als vielmehr vom Beschaffungsdruck ab: Wenn Unternehmenskäufer beginnen, in RFPs nach Emissionen pro Anfrage zu fragen, wird es schwieriger, eine durchschnittliche Berichterstattung zu verteidigen.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →