Ebenfalls gehört zu einem überlegten, sorgsamen und kritischen Einsatz generativer KI, zu reflektieren, ob andere (technische) Unterstützungsmöglichkeiten mit einem geringeren Ressourcenverbrauch einhergehen. Generative KI hat aktuell einen erheblichen Energie- und Wasserverbrauch, insbesondere beim Training großer Modelle und beim Betrieb umfangreicher Rechenzentren.
Oft kann eine einfache Internetrecherche oder der Rückgriff auf klassische Softwaretools in vergleichbarer Zeit ähnlich gute Lösungen bei deutlich geringerem Ressourceneinsatz liefern – insbesondere, wenn die Zeit zur kritischen Überprüfung der KI-generierten Ergebnisse berücksichtigt wird.
Darüber hinaus können folgende Aspekte zu einem nachhaltigeren Umgang beitragen:
- Bedarfsgerechte Nutzung: KI nur einsetzen, wenn ein echter Mehrwert besteht, und dabei den Umfang der Abfragen begrenzen (z. B. keine unnötig langen Prompts oder mehrfachen Rechenläufe ohne inhaltlichen Zugewinn).
- Bewusste Wahl der Tools: Plattformen bevorzugen, die sich zu Transparenz in Bezug auf Energieverbrauch, CO₂-Fußabdruck und Wassereinsatz verpflichten oder nachhaltige Rechenzentren (z. B. mit erneuerbaren Energien) nutzen.
- Lokale vs. Cloud-Lösungen: Wenn möglich, kleinere Sprach- oder Analysetools lokal betreiben (z. B. Offline-Schreib- und Korrekturhilfen, lokale Analyse- oder Statistiksoftware), statt für einfache Aufgaben große Cloud-Modelle zu verwenden.
- Ressourcenschonendes Prompting: Präzise Fragestellungen formulieren, um Wiederholungen und unnötige Rechenarbeit zu vermeiden.
- Langfristige Perspektive: Prüfen, ob Ergebnisse oder KI-gestützte Arbeitsabläufe archiviert werden können, um Mehrfachabfragen zu vermeiden und den Wissenstransfer und -gewinn zu stärken.
Hierzu wird auch auf die Nachhaltigkeitsstrategie der Universität Regensburg (externer Link, öffnet neues Fenster) verwiesen, die den verantwortungsvollen Einsatz digitaler Technologien betont. Zudem bietet der KI-Campus-Kurs KI und Ziele für nachhaltige Entwicklung (externer Link, öffnet neues Fenster) praxisorientierte Grundlagen für einen reflektierten und ressourcenschonenden Umgang mit KI.