✨ AI Kontextualisierung
In Zeiten von Klimakrise und wachsendem Energieverbrauch durch Digitalisierung wird Nachhaltigkeit zur zentralen Herausforderung – auch in der IT. Digitale Nachhaltigkeit beginnt dabei früher, als viele denken: beim Verständnis der Aufgabe. Developer:innen sind nicht nur Coder, sie werden zu Mitgestalter:innen für eine zukunftsfähige digitale Welt. Was bedeutet „grüne Software“? Und wer trägt Verantwortung?
„Eco-Digital Engineering“ ist der Begriff für die Bestrebung, mehr Nachhaltigkeit auf technischer Ebene zu verankern. Das klingt abstrakt, meint aber etwas sehr Konkretes: die bewusste Gestaltung digitaler Lösungen mit Blick auf Energieeffizienz, Ressourcenverbrauch und gesellschaftliche Wirkung. Und diese Gestaltung beginnt nicht erst im Rechenzentrum – sondern bei einer simplen Frage: Brauchen wir diese Software überhaupt?
Sustainability in IT vs. Sustainability by IT
Wir unterscheiden zwei Perspektiven: Sustainability in IT meint die Optimierung der IT-Infrastruktur selbst – etwa durch schlanke Datenstrukturen, effiziente Algorithmen oder geringen Speicherbedarf. Sustainability by IT fragt, wie Technologie anderen Branchen helfen kann, nachhaltiger zu werden – etwa durch Routenoptimierung im Transport oder durch Energiemonitoring. In beiden Fällen liegt ein zentraler Hebel bei den Entwickler:innen – dort, wo direkt an der Quelle Entscheidungen getroffen werden können: pragmatisch, schnell, wirkungsvoll.
Eco-Digital Engineering beruht auf der Überzeugung, dass die nachhaltigsten Lösungen dort entstehen, wo Entwickler:innen nicht nur umsetzen, sondern gemeinsam mit ihren Teams ein Verständnis für die Problemstellung entwickeln – und darauf aufbauend den effizientesten, nicht unbedingt den komplexesten Weg wählen. Das erfordert ein neues Rollenverständnis – und das entsprechende Mindset. Wichtig sind die konsequente Schaffung von Bewusstsein und das Wissen über entsprechende Praktiken.
Green by Design: Ein neuer Engineering-Ansatz
Softwarelösungen sind häufig überdimensioniert. Features werden entwickelt, weil sie technisch möglich sind – nicht, weil sie nötig sind. Doch jede Abfrage, jeder Button, jede Animation erzeugt Datenverkehr – und Energieverbrauch. Wenn Cloud-Kosten sinken, verbessert sich oft auch die CO₂-Bilanz. Wenn ein Suchalgorithmus sauber gebaut ist, spart das Strom.
Mein Leitsatz lautet: „Die grünste Software ist die, die du gar nicht baust.“ Das ist kein Appell zum Stillstand – sondern zur bewussten Entscheidung, bereits bei der Entwicklung Alternativen zu bewerten: Muss es wirklich eine KI für repetitive Standardanfragen sein? Oder gibt es ressourcenschonendere Lösungen?
Verantwortung braucht Spielraum
Gerade rund um KI tauchen viele ethische Fragen auf – und stellen auch die Rolle von IT-Beratungen neu zur Diskussion. Regeln zu kennen und über mögliche Risiken aufzuklären, ist das eine. Die Entscheidungsfindung aktiv zu beeinflussen, ist das andere. Aber Verantwortung entsteht durch Eigenverantwortung, nicht durch starre Vorgaben.
Nachhaltigkeit beginnt bei der Ausbildung
Ein wichtiger Punkt ist die Sensibilisierung in der technischen Ausbildung. Themenbereiche sind energieeffizientes Coden, nachhaltige Softwarearchitektur, Datenbankdesign und Infrastrukturentscheidungen. Nachhaltige Software entsteht nicht zufällig – sie ist das Ergebnis bewusster Entscheidungen.
Ein Blick in die Zukunft: AI ist kein Wundermittel!
Digitalisierung kann eine treibende Kraft für ökologische Transformation sein – wenn wir sie klug einsetzen. Das bedeutet nicht nur, neue Tools zu entwickeln, sondern auch: bestehende Systeme zu hinterfragen. Nicht alles, was möglich ist, muss gemacht werden. Den Einsatz von AI etwa sollte man kritisch prüfen, denn die Verwendung kommt teuer, wenn sie nicht notwendig ist.
Häufig ist das gleiche Problem effizienter und „direkter“ über klassische Algorithmen zu lösen – das haben wir bei einem internen Forschungsprojekt selbst überprüft: Von insgesamt neun Themenstellungen waren nur drei tatsächlich ein Fall für AI. Ein richtiger „Energiefresser“ ist auch Machine Learning, wenn man es selbst betreibt, Modelle erstellt und sie trainiert.
Es ist technisch, ökologisch und ökonomisch kontraproduktiv, AI als Wundermittel für alles zu betrachten – man muss diese Technologie gezielt, effizient dort einsetzen, wo ein Mehrwert dahintersteht. Wir stehen am Beginn einer neuen Phase: Nicht (nur) die Geschwindigkeit der Innovation entscheidet – sondern ihre Wirkung. Und diese Wirkung beginnt bei jeder einzelnen Entscheidung im Engineering-Alltag – und beim Mut, auch einmal „Nein“ zu sagen.
