Um die Nachhaltigkeit eines Prozesses mit dem Einsatz von KI sicherzustellen, muss zu Beginn gewährleistet werden, dass die KI auch selbst nachhaltig gestaltet wird. Dies stellt grundsätzlich die größte Herausforderung dar, weil durch die Speicherung und Weiterverarbeitung großer Datenmengen zwangsläufig die Server stark genutzt werden, was wiederum einen hohen Emissionsausstoß zur Folge hat. Doch auch die KI kann durchaus in ihrer Funktionsweise nachhaltig agieren. Ziel ist es, die KI möglichst ressourcenschonend einzusetzen, damit sie nicht selbst ein Risiko für den Schutz von Umwelt, Klima und Ressourcen darstellt. Durch eine gezielte Förderung kann der ökologische Fußabdruck einer KI-Applikation, der durch die physische Infrastruktur aus Hardware, Rechenzentren und Datenübertragungsnetzen entsteht, minimiert werden. Teil dieser gezielten Förderung soll sein, dass nicht nur in die Entwicklung leistungsstärkerer KI-Applikationen Mühe investiert, sondern der Fokus auch auf die Entwicklung weniger rechenintensiver KI-Applikationen gelenkt wird. Hierzu bietet sich eine Optimierung von Algorithmen und KI-Architekturen an. Bei einer solchen Optimierung wird beispielsweise darauf geachtet, die Datengröße zu reduzieren, die der Algorithmus zu verarbeiten hat. Durch eine Herausfilterung irrelevanter und redundanter Daten oder die Komprimierung von Daten etwa wird Speicherplatz gespart und die KI-Leistung verbessert. Das Eingehen eines Kompromisses zwischen Datengröße und Leistung des Algorithmus verhindert, dass sich die Verringerung der Datengröße negativ auf die Genauigkeit des KI-Algorithmus auswirkt. Die Nutzung einer angepassten, energieeffizienten Programmiersprache verstärkt die positiven Wirkungen einer Optimierung des Algorithmus. Die Untersuchung des Energieverbrauchs für die Lösung von jeweils zehn gleichen Rechenaufgaben ergab, dass C, Rust, C++ und Java besonders energieeffizient arbeiten, wohingegen Python, Ruby PHP oder JavaScript am wenigsten energieeffizient arbeiten. Im Zuge dieser Bewertung muss allerdings erwähnt werden, dass die Programmiersprachen unterschiedlich große Selbstständigkeiten aufweisen. Diese lassen sich darin erkennen, dass energielastige Sprachen imstande sind, dem Programmierer viel Arbeit abzunehmen, und entsprechend mehr Arbeitsschritte im Hintergrund getätigt werden. Bei weniger energielastigen Sprachen ist ein größerer Aufwand an menschlichen Ressourcen nötig. Eine mögliche effizientere Nutzung könnte darin liegen, dass bereits optimierte Algorithmen gemeinsam genutzt oder gar wiederverwendet werden und so ihren Energiebedarf weiter minimieren. In Code Repositories werden auf verschiedene Aspekte hin optimierte Codes abgelegt und können einfach abgerufen werden. Dies führt dazu, dass bessere Codes im Hinblick auf Energieeffizienz, Laufzeit, Speichernutzen etc. vielseitiger und breiter angewendet werden können. Eine gemeinsame Nutzung oder Wiederverwendung bedeutet nicht, dass der individuelle Einsatz der KI darunter leidet. Es handelt sich vielmehr darum, dass vorgefertigte KI-Modelle, die auf großen Datensätzen trainiert wurden, mehrfach genutzt und individualisiert werden können. Das bedeutet, dass die Wiederverwendung der Modelle ein wiederholtes Training der KI einspart und somit der Energiebedarf und Emissionen reduziert werden. Allein diese Maßnahme kann den CO2-Fußabdruck beispielsweise von KI-Aufgaben zur Verarbeitung natürlicher Sprache deutlich reduzieren. Weniger energieintensive Algorithmen zeigen also eine deutlich positive Entwicklung der Energieeffizienz.
Durch die Wiederverwendung der Modelle können wiederholte Trainings der KI eingespart und somit der Energiebedarf und Emissionen reduziert werden. Allein diese Maßnahme kann den CO2-Fußabdruck beispielsweise von KI-Aufgaben zur Verarbeitung natürlicher Sprache deutlich reduzieren.
Soll die Applikation noch klimafreundlicher gestaltet werden, kann über den Zeitraum ihrer Aktivität nachgedacht werden. Bei einer gezielten Steuerung des Anwendungsfalls können Energiespitzen vermieden werden und der Einsatz wird noch nachhaltiger. Weiter sollte die grundsätzliche Versorgung von Rechenzentren mit erneuerbaren Energien stärker in den Fokus gerückt werden. Die Nutzung nachhaltiger und bestenfalls lokal ansässiger Energiequellen und ihrer Speichersysteme spielt in der Minimierung des ökologischen Fußabdrucks von KI eine entscheidende Rolle. Da es sich bei KI um eine Technologie handelt, die zwangsläufig einen großen Energieeinsatz benötigt, zeigt eine Umstellung auf „grünen“, also emissionsfrei erzeugten Strom eine hohe positive Wirkung.
Nachhaltigkeit durch KI-Einsatz (Sustainability through AI)
Neben der nachhaltigen Gestaltung von KI mit ihren Potenzialen liegt heutzutage der Fokus vor allem darauf, wie man KI für Nachhaltigkeitszwecke in Unternehmen und für unsere Gesellschaft einsetzen kann. Der Einsatz von KI in Energienetzen, eine genauere Vorhersage von Extremwetterereignissen zum Bevölkerungsschutz oder eine branchenübergreifende Produktivitätssteigerung durch gezielteren Einsatz von Ressourcen birgt ein großes Potenzial an Chancen für unsere Erde. Ein Bereich, der im Sinne einer nachhaltigeren Entwicklung zunehmend von KI profitiert, von vielen Menschen aktiv erlebt und bereits jetzt optimiert wird, sind globale Lieferketten. Nicht selten übersteigt der Ausstoß von Treibhausgasemissionen entlang der globalen Lieferketten den gesamten Emissionsausstoß des operativen Betriebs von Unternehmen. Die Globalisierung und der daraus resultierende weltweite Handel mit Produkten treiben diese Entwicklung nur weiter voran. Der Einsatz von KI bietet hier eine Chance, die Lieferketten großflächig zu optimieren und so die bisherige Entwicklung zu durchbrechen. KI und ihre angeschlossene Analysesoftware besitzen die Fähigkeiten oder können die Fähigkeiten erlernen, Lieferketten in ihrer Gänze zu restrukturieren. Der Einsatz von Digitalisierung und eine durch KI getriebene technologische Transformation sind für die Entwicklung nachhaltiger Lieferketten mittlerweile unabdingbar.
Der Einsatz von KI in Energienetzen, eine genauere Vorhersage von Extremwetterereignissen zum Bevölkerungsschutz oder eine branchenübergreifende Produktivitätssteigerung durch gezielteren Einsatz von Ressourcen birgt ein großes Potenzial an Chancen für die Unterstützung globaler Nachhaltigkeit.
Die KI kann hierbei auf unterschiedlichen Ebenen eingesetzt werden. EY unterstützt Unternehmen entsprechend bei der Implementierung. Auf der ersten Ebene erfolgt durch die KI ein begleitetes Benchmarking, das durch die Analyse von Datensätzen den liefernden Unternehmen hilft, den eigenen ökologischen Fußabdruck einzuschätzen. Anschließend hilft die KI, ihn durch Modellierung neuer Lieferketten zu verringern beziehungsweise im Sinne einer sozialen Nachhaltigkeit transparenter zu gestalten. Unternehmen könnten hierbei in einer Individualisierung ihrer Lieferketten passendere und weniger generelle Lieferanten wählen und diese für künftige Dienste innerhalb der Lieferkette sichern. Durch eine KI-generierte, erfolgversprechendere Ausrichtung auf den Endkunden kann die gesamte Lieferkette besser und nicht zuletzt kostensparender genutzt werden. Neben dem technologischen KI-Einsatz ist es insbesondere im Sinne der Twin Transformation unerlässlich, die Mitarbeitenden in den Transformationsprozess einzubinden, um im Unternehmen selbst eine fruchtbare Langlebigkeit und Akzeptanz der neuen Abläufe sicherzustellen.
Dreidimensionale Nachhaltigkeit
Nicht zuletzt ist darauf hinzuweisen, dass die durch KI generierte Nachhaltigkeit von EY stets dreidimensional betrachtet wird. Neben der ökologischen Nachhaltigkeit werden auch die soziale und die ökonomische Nachhaltigkeit bedient. Der Einsatz von KI wirkt sich auf alle Dimensionen gleichermaßen profitabel aus. KI kann –richtig eingesetzt – eine beispiellose Transparenz über die gesamte Lieferkette hinweg bewirken. Betrachten wir die Optimierung von Lieferketten grundsätzlich, muss insbesondere in Hinblick auf die Erfüllung der UN Sustainable Development Goals (SDGs) auch diese Perspektive im Verständnis eines ganzheitlich gelingenden Wertschöpfungsprozesses mitgedacht werden. Nur eine dreidimensional erfüllte Nachhaltigkeit kann tatsächlich als Erfolg bewertet werden.
Zusammenfassung und Ausblick
Abschließend lässt sich festhalten, dass KI durchaus als Schlüsseltechnologie für Nachhaltigkeitsziele angesehen werden kann und in zukunftsorientierten Unternehmen branchenübergreifend eine immer größere Rolle spielen wird. Ihr Einsatz muss hierfür zunächst in kurzen, gewinnbringenden Anwendungsfällen erfolgen, bevor eine langfristige Implementierung geschehen kann. Wichtig ist, dass insbesondere im Hinblick auf eine erfolgreiche Twin Transformation in sämtlichen Wirtschaftsprozessen das „bigger picture“ nicht außer Acht gelassen wird. KI wirkt dabei als Katalysator, indem die Digitalisierungs- und Nachhaltigkeitsziele mit ihrer Hilfe konkret in der Unternehmensvision und deren Umsetzung verankert werden können. Eine systematische Transformation ermöglicht schließlich die zunächst die individuelle und anschließend die handlungsfelderübergreifende Veränderung operativer Initiativen. Der begleitete Einsatz von KI gestaltet Prozesse effizienter, vermeidet Fehler und lässt Unternehmen langfristig nachhaltig und zukunftsorientiert handeln.
Durch EY werden Sie mit einem vierteiligen Ansatz betreut, der sicherstellt, dass Ihre KI insbesondere den Umwelt-, Sozial- und Governance-Belangen (ESG) gewinnbringend begegnet:
Neben der Twin Transformation wird der nachhaltige und ethische Einsatz von KI durch den Transformation-Realized-Ansatz von EY sichergestellt. Dieser garantiert, dass die Priorisierung des menschlichen Faktors (Human@center) stets fokussiert und durchgesetzt wird. Die Beachtung dieses Aspekts führt nicht nur zu einer integrativeren Transformationslösung, sondern kann die Erfolgswahrscheinlichkeit einer Transformation um das 2,6-Fache auf 73 Prozent erhöhen. EY treibt außerdem Ihre technologische Transformation mit hoher Geschwindigkeit voran (Technology@speed), um schnell und effizient neue Technologien und Ökosysteme einsetzen zu können. Die rasche Umgestaltung veralteter Geschäfts- und Organisationsmodelle schafft eine verbesserte Kunden- und Mitarbeitererfahrung und eine Wertsteigerung in Bezug auf Wachstum und Wettbewerbsfähigkeit. Zuletzt wird besonders im Hinblick auf den Einsatz von KI mehr Flexibilität bei der Entwicklung, Erprobung und Umsetzung radikaler Veränderungen vorausgesetzt. Dieser Herausforderung begegnet EY mit der Infragestellung typischer Branchengrenzen (Innovation@scale) beziehungsweise einer Entwicklung und Anpassung bestehender Geschäftsmodelle hin zu modernen, innovativen Lösungen.
Ein Zusammenspiel der Twin Transformation und des Transformation-Realized-Ansatzes sorgt besonders in sich schnell entwickelnden Feldern wie KI für eine stets aktuelle und sichere Position Ihrer Organisation oder Ihres Unternehmens. Nachhaltigkeit wird hierbei nicht als Bremse oder Einschränkung von Entwicklungen verstanden, sondern fungiert als Treiber einer verantwortungsvollen Transformationsgestaltung.
AI Insights
Entdecken Sie unsere globalen Erkenntnisse, mit denen Sie Vertrauen in KI aufbauen, in allen Bereichen Ihres Unternehmens nachhaltige Werte schaffen und menschliche Potenziale erweitern können.
Fazit
Die digitale Transformation ist längst nicht die einzige Herausforderung für Unternehmen; vielmehr treibt der Druck aus Regulierung und Gesellschaft auch die Nachhaltigkeitstransformation voran. Diese Twin Transformation bietet synergetische Potenziale, insbesondere durch den Einsatz von KI. Während KI die Digitalisierung vorantreibt, ergeben sich Fragen zur Nachhaltigkeit. Die nachhaltige Gestaltung von KI und ihr Einsatz zur Förderung von Nachhaltigkeit sind Schlüsselaspekte. Dies umfasst sowohl die Sicherstellung der Nachhaltigkeit innerhalb der KI als auch die Generierung von Nachhaltigkeit durch ihren Einsatz. Unternehmen, die sich auf diese Twin Transformation einlassen, können durch den begleiteten Einsatz von KI effizienter werden und langfristige Wettbewerbsvorteile erzielen.
