Eine New-Work-New-Culture-Antwort auf den aktuellen KI-Energiealarm: Der Ressourcenverbrauch ist real. Aber Angst ist kein Betriebssystem.
Auszug aus der permanenten Publikation Flowbook KI von NWNC: eine laufende Spur zu KI, New Work, Freiheitssubstraten und öffentlicher Handlungsfähigkeit. Zum Flowbook KI.
These
Der Energiehunger der KI ist kein Nebengeräusch. Er ist Infrastrukturpolitik. Aber die öffentliche Debatte verhält sich oft, als gäbe es nur zwei würdige Rollen: Alarmistin oder Wachstumspriester. Dazwischen liegt ein dritter Weg: KI kleiner, näher, lokaler und nützlicher bauen. Nicht als romantische Bastellösung, sondern als reife technische Praxis.
Die eigentliche Frage lautet also nicht: Ist KI gut oder böse?
Die bessere Frage lautet: Warum akzeptieren wir eine KI-Zukunft, in der fast jede kleine geistige Routine zuerst durch ein globales Rechenzentrum muss?
Das ist ungefähr so, als würde man zum Bäcker um die Ecke eine Spedition schicken, weil man den Weg zur Haustür „strategisch skalieren“ möchte.
1. Der Alarm stimmt. Die Verkürzung nicht immer.
Der Ausgangspunkt ist ernst. Der aktuelle KI-Boom zieht Strom, Wasser, Chips, Netze, Kapital und politische Aufmerksamkeit an. Rechenzentren sind keine Wolken. Sie sind Standorte. Leitungen. Kühlung. Flächen. Genehmigungen. Transformatoren. Gasverträge. Abwärme. Und irgendwo sitzt ein Bürgermeister, der eigentlich gerade eine Schule sanieren wollte.
Die IEA rechnet in ihrem Bericht „Energy and AI“ damit, dass Rechenzentren ihren Stromverbrauch von rund 415 TWh im Jahr 2024 auf etwa 945 TWh im Jahr 2030 mehr als verdoppeln. Das ist keine Kleinigkeit. Gleichzeitig sagt dieselbe IEA: Rechenzentren machten 2024 etwa 1,5 Prozent des weltweiten Stromverbrauchs aus. Bis 2030 stehen sie für ungefähr ein Zehntel des globalen Nachfragewachstums, weniger als industrielle Motoren, Klimatisierung oder Elektrofahrzeuge.
Beides ist wahr.
Und genau dort beginnt erwachsene Politik.
Nicht: „KI tötet den Planeten.“
Nicht: „Alles nur Panik, weiter so.“
Sondern: Der globale Anteil ist noch begrenzt, aber die lokale Wucht ist enorm. Besonders in Regionen, in denen neue Rechenzentren, Halbleiterfabriken und Netzausbau zugleich auflaufen. Wer dort lebt, erlebt nicht „1,5 Prozent Weltstrom“. Er erlebt Anschlussstaus, neue Kraftwerksdebatten, Wasserstress, Flächenkonflikte und eine Industrie, die sehr schnell sehr viel will.
Der Satz „killing the planet“ ist als moralischer Alarm verständlich. Als Analyse ist er zu grob. Er macht aus einem konkreten Infrastrukturkonflikt eine Endzeitkulisse. Endzeitkulissen sind praktisch, wenn man Aufmerksamkeit braucht. Sie sind weniger praktisch, wenn man etwas bauen will.
Die Designfrage lautet: Wie reden wir über KI-Energie so, dass daraus Handlungsfähigkeit entsteht und nicht nur ein weiterer moralischer Rauchmelder?
2. Nvidia ist ein Symptom, nicht der ganze Körper.
Der LinkedIn-Beitrag verweist auf Nvidias stark steigende Emissionen. Das ist berechtigt, aber die Zahl braucht saubere Kanten.
Im NVIDIA Sustainability Report Fiscal Year 2026 liegen die Scope-3-Emissionen bei 10.700.940 t CO₂e. Im Vorjahr waren es 6.912.577 t CO₂e. Das ist ein Plus von rund 55 Prozent. Wer von „53 Prozent in 2025“ spricht, meint also offenbar den Sprung vom Berichtsjahr FY25 zu FY26, nicht sauber ein Kalenderjahr 2025. Seit FY24 sind die Scope-3-Emissionen auf Basis dieser Tabelle ungefähr 2,94-mal so hoch. Also fast verdreifacht, nicht sauber „mehr als verdreifacht“, wenn man diese Berichtsjahre zugrunde legt.
Das ist keine Entwarnung. Im Gegenteil.
Es ist die präzisere Form des Problems.
Nvidia ist fabless. Die Produktion sitzt in Lieferketten, vor allem bei hochspezialisierten Halbleiterherstellern wie TSMC und bei Speicherherstellern wie SK hynix oder Samsung. Der KI-Boom erscheint im Westen oft als Softwareereignis. In Ostasien ist er auch eine Frage von Fabs, Wasser, Chemikalien, Strommix, Netzstabilität und Industriepolitik.
Das ist der blinde Fleck der schönen Cloud-Erzählung: Wenn Intelligenz als Service verkauft wird, wandert die materielle Schwere aus dem Blickfeld. Man sieht das Chatfenster. Man sieht nicht den Stoffwechsel dahinter.
Und der ist beträchtlich. TSMC berichtet in seinen Nachhaltigkeits- und Jahresberichten steigende Anforderungen an Energie, Wasser und Emissionsmanagement. Der von Greenpeace East Asia / The Diplomat zugespitzte Hinweis auf besonders energie- und wasserintensive neue Fabs ist als Warnsignal plausibel, sollte aber nicht als sauberer Ersatz für Primärdaten behandelt werden. Offiziell gut belegbar ist: Die Halbleiterproduktion ist kein abstrakter Hintergrundprozess. Sie ist ein eigener Energie- und Ressourcenkomplex.
Das sollte die europäische KI-Debatte verändern. Wer nur über Rechenzentren spricht, sieht den Serverraum. Wer über Chips spricht, sieht die Fabrik. Wer über Freiheit spricht, muss beide sehen.
Die Designfrage lautet: Welche KI-Infrastruktur darf wachsen, wenn ihre Lieferkette dauerhaft in anderen Regionen die ökologischen und politischen Lasten konzentriert?
3. Green Horror ist eine schlechte Betriebsanleitung.
Green Horror hat einen Nutzen. Er unterbricht die Erzählung vom reibungslosen Fortschritt. Er sagt: Schaut hin. Da ist Strom. Da ist Wasser. Da ist Extraktion. Da sind Regionen, die für unsere Bequemlichkeit zahlen.
Aber Horror ist ein schlechter Architekt.
Er kennt meist nur drei Werkzeuge: Schock, Verbot, Schuld.
Schock weckt auf. Verbot kann nötig sein. Schuld kann eine Beziehung zur Wirklichkeit herstellen. Aber daraus entsteht noch keine Betriebsweise. Man kann kein lokales KI-Labor mit schlechtem Gewissen betreiben. Man kann auch keinen kommunalen Datenraum mit Empörung warten. Irgendwann braucht jemand ein Modell, ein Gerät, eine Steckdose, eine Zuständigkeit, eine Schulung, eine Beschaffungsentscheidung und eine Person, die am Dienstagvormittag sagt: „So, jetzt testen wir das.“
Das ist nicht sexy. Das ist nützlich.
Und genau deshalb kommt es in Medien seltener vor.
Verbotsjargon ist einfacher als Werkzeugkunde. Doom-Jargon ist einfacher als Wartung. Ein Rechenzentrum mit gigantischem Strombedarf ist ein klares Bild. Ein kleiner lokaler Modellserver in einer Stadtbibliothek ist ein Termin mit Kaffee, Kabeln und drei Menschen, die wissen wollen, ob das auch ohne Cloud geht. Dramatisch ist das nicht. Aber Kultur entsteht selten aus Drama. Sie entsteht aus wiederholbarer Praxis.
Es gibt eine eigentümliche Lustfeindlichkeit in der digitalen Nachhaltigkeitsdebatte. Als dürfe eine Lösung erst dann ernst genommen werden, wenn sie unangenehm klingt. Als wäre jedes „Das können wir schon heute ausprobieren“ verdächtig. Manchmal wirkt es, als hätte die öffentliche Debatte eine Allergie gegen Werkstätten.
Dabei wäre gerade hier Lust angebracht.
Nicht Konsumlust. Nicht Tech-Bros-machen-wieder-eine-Demo-Lust.
Sondern die Lust, Dinge kleiner, klüger und näher zu bauen.
Die Designfrage lautet: Wie wird ökologische Kritik wieder zu einer Werkstatt und nicht nur zu einem Warnton?
4. Der fehlende dritte Satz: Lokal geht viel mehr, als erzählt wird.
Die meisten Menschen erleben KI heute als Fernbedienung für ein Rechenzentrum. Man tippt. Irgendwo anders brummt es. Dann kommt Text zurück. Das fühlt sich modern an, ist aber nicht die einzige technische Form von KI.
Viele Aufgaben brauchen kein Frontier-Modell in einem Hyperscale-Rechenzentrum.
Viele Aufgaben brauchen:
- eine lokale Zusammenfassung,
- eine Vorstrukturierung,
- eine Klassifikation,
- eine Übersetzung im Entwurf,
- eine Suche in eigenen Dokumenten,
- eine Assistenz beim Schreiben,
- eine Code-Erklärung,
- eine Verwaltungshilfe,
- eine kleine RAG-Anwendung,
- ein Modell, das nah genug ist, um Daten nicht aus dem Haus zu tragen.
Dafür gibt es längst reife Bausteine. Ollama läuft auf Mac, Windows und Linux und macht offene Modelle für normale Nutzerinnen und Entwickler zugänglich. llama.cpp ermöglicht lokale Inferenz mit GGUF-Modellen, Quantisierung und Unterstützung für eine breite Hardwarebasis. MLX ist ein Apple-Silicon-Pfad für effizientes maschinelles Lernen auf Geräten, die ohnehin auf vielen Schreibtischen stehen. Google beschreibt Gemma 3n ausdrücklich als Modellfamilie für Alltagsgeräte wie Telefone, Laptops und Tablets.
Das heißt nicht: Jeder Laptop ersetzt ein Rechenzentrum.
Natürlich nicht.
Ein kleines lokales Modell trainiert kein Frontier-Modell. Es löst keine globale Chip-Lieferkette. Es macht Strom nicht magisch grün. Es ist auch nicht automatisch demokratisch, nur weil es auf einem Schreibtisch steht. Auch lokale Hardware hat Herstellungskosten. Auch lokale Inferenz braucht Strom. Auch offene Modelle brauchen Prüfung, Governance und Kompetenz.
Aber das Gegenmodell ist real.
Und es ist zu selten Teil der Erzählung.
Wir könnten KI-Architektur nach Nähe sortieren:
Was muss wirklich in die Cloud?
Was kann auf dem eigenen Rechner laufen?
Was gehört auf einen lokalen Server in der Organisation?
Was gehört in eine öffentliche, auditierbare Infrastruktur?
Was sollte gar nicht automatisiert werden, weil die menschliche Langsamkeit hier kein Fehler ist?
Diese Fragen sind unspektakulär. Sie passen schlecht in einen Kulturkampf. Aber sie sind genau die Art von Fragen, aus denen eine neue digitale Mündigkeit entstehen könnte.
Die Designfrage lautet: Warum ist „lokal zuerst, Cloud wenn nötig“ nicht längst eine Standardfrage in KI-Strategien?
5. New Work: Freiheit braucht Substrate, nicht nur Haltung.
Aus New-Work-New-Culture-Perspektive ist die Energiefrage nicht nur eine Klimafrage. Sie ist eine Freiheitsfrage.
Denn Infrastruktur entscheidet, wer handeln kann.
Wenn KI nur als Abo in einigen globalen Plattformen existiert, dann ist Freiheit immer geliehen. Die Oberfläche ist freundlich. Die Abhängigkeit ist darunter. Preise können steigen. Zugänge können verschwinden. Datenschutz kann zur Vertragsfrage werden. Modelle können politisch, kulturell oder wirtschaftlich gefiltert sein, ohne dass lokale Nutzerinnen wirklich verstehen, wo die Grenze liegt.
Lokale und Edge-Modelle sind deshalb nicht nur technische Spielzeuge. Sie können Freiheitssubstrate sein.
Ein Freiheitssubstrat ist kein großes Wort für ein kleines Tool. Es meint die Bedingung, unter der Menschen wirklich handeln können: Wissen, Räume, Energie, Geräte, offene Modelle, Sicherheit, Lernpfade, lokale Verantwortung.
Ein kommunaler AI Maker Space wäre so ein Substrat.
Eine Schule, die ein kleines lokales Sprachmodell für Schreibtraining, Recherchekritik und Datenschutzbildung betreibt.
Eine Verwaltung, die interne Dokumente nicht reflexhaft in eine externe Cloud zieht, sondern zuerst lokale Assistenzsysteme testet.
Eine Stadtbibliothek, die Bürgerinnen zeigt, wie man ein kleines Modell auf dem eigenen Rechner nutzt.
Eine lokale Energiegenossenschaft, die KI nicht als Stromfresser beschreibt, sondern als Werkzeug für Lastmanagement, Gebäudeeffizienz und Netzdatenkompetenz nutzt.
Eine Redaktion, die nicht nur fragt, ob KI verboten werden muss, sondern welche KI-Praxis Menschen unabhängiger macht.
Das klingt kleiner als „AGI“. Gut so.
Die meisten nützlichen Dinge im Leben klingen kleiner als AGI.
Niemand stellt sich morgens vor den Wasserkocher und sagt: „Ich erwarte nun eine transformative Heißgetränkeplattform.“ Man will Tee. Er soll funktionieren. Und wenn möglich nicht das halbe Kraftwerk persönlich beleidigen.
New Work fragt hier nicht: Wie machen wir KI angenehmer?
New Work fragt: Welche Arbeit wollen Menschen wirklich, wirklich tun, wenn Maschinen das Maschinenförmige übernehmen können? Und welche Infrastruktur brauchen sie, damit daraus nicht nur neue Abhängigkeit entsteht?
Die Designfrage lautet: Welche lokalen KI-Fähigkeiten gehören zur Grundbildung einer freien digitalen Kultur?
6. Warum Medien so selten über diese Lösungen schreiben.
Es wäre zu billig zu sagen: Medien wollen nur Untergang.
Das stimmt so nicht.
Aber das Mediensystem belohnt Konflikt, klare Gegner und große Zahlen. Lokale Lösungen haben drei Nachteile:
Erstens: Sie sind verteilt. Es gibt nicht das eine lokale KI-Modell, das die Welt rettet. Es gibt viele kleine Einsätze, viele Konfigurationen, viele Nutzungsgrenzen. Das ist journalistisch weniger bequem als ein Konzern, eine Zahl, ein Skandal.
Zweitens: Sie verlangen Kompetenz. Wer über lokale Modelle schreibt, muss über Speicher, Quantisierung, Datenschutz, Modellqualität, Latenz, Energieprofile, Wartung und Nutzungsfälle sprechen. Das ist Arbeit. Ein Doom-Satz ist schneller geschrieben. Ein Verbotssatz auch.
Drittens: Sie machen die Leserin verantwortlich. Green Horror erlaubt eine klare emotionale Rolle: Ich bin gegen das Schlechte. Lokale Praxis fragt unbequemer: Was läuft auf deinem Rechner? Was kauft deine Organisation ein? Welche Daten gibst du wohin? Wer lernt das? Wer wartet das? Wer entscheidet, wann die Cloud wirklich nötig ist?
Das ist weniger bequem. Aber es ist erwachsener.
Vielleicht fehlt der Debatte deshalb nicht nur Optimismus. Vielleicht fehlt ihr Handwerk.
Die Designfrage lautet: Welche Redaktionen, Hochschulen, Verwaltungen und zivilgesellschaftlichen Orte bauen eine Sprache für KI-Werkstattpraxis statt nur für KI-Warnung?
7. Eine grüne KI-Politik, die Lust hätte
Eine lustvolle grüne KI-Politik wäre nicht naiv. Sie würde die Lieferketten nicht schönreden. Sie würde Rechenzentren nicht aus der Verantwortung entlassen. Sie würde Wasser, Strommix, Netzanschlüsse, Abwärme, Standortentscheidungen und Halbleiterproduktion hart regulieren.
Aber sie würde zugleich bauen.
Sie würde lokale KI-Kompetenz fördern:
- lokale Modellwerkstätten in Bibliotheken, Schulen, Volkshochschulen und Makerspaces,
- öffentliche Beschaffung mit „lokal zuerst, Cloud begründen“,
- kleine öffentliche Compute-Knoten für Bildung, Verwaltung und Zivilgesellschaft,
- Förderprogramme für energiearme, auditierbare Fachmodelle,
- offene Benchmarks für Qualität, Stromverbrauch und Datenschutz,
- Rechenzentrumsregeln, die Lastflexibilität, Abwärmenutzung und transparente Energiequellen ernst nehmen,
- kommunale Experimente mit KI für Gebäude, Netze, Mobilität und Verwaltung,
- eine europäische Public-AI-Praxis, die nicht nur Plattformen reguliert, sondern eigene Fähigkeiten aufbaut.
Das wäre keine Anti-KI-Politik.
Das wäre eine erwachsene KI-Politik.
Sie würde sagen: Ja, der Green Horror zeigt ein reales Problem. Aber Angst ist kein Betriebssystem. Wenn wir nur warnen, bleibt die Zukunft bei denen, die bauen. Wenn wir nur verbieten, bleibt die Praxis bei denen, die umgehen. Wenn wir nur skalieren, bleibt Freiheit bei denen, die die Infrastruktur besitzen.
Also bauen wir anders.
Kleiner, wo kleiner reicht.
Lokal, wo lokal sinnvoll ist.
Offen, wo öffentliche Kontrolle nötig ist.
Cloud, wo Cloud wirklich gebraucht wird.
Und langsam, wo menschliches Urteil wichtiger ist als der nächste automatische Reflex.
Das wäre vielleicht die eigentliche grüne Pointe: Nicht weniger Intelligenz. Sondern weniger Verschwendung von Intelligenz.
Die Designfrage lautet: Welche KI-Nutzung würden wir morgen anders bauen, wenn Strom, Daten und Freiheit nicht unsichtbar wären?
Schluss
Der KI-Energieboom ist real. Er verdient Kritik. Er verdient Regulierung. Er verdient harte Fragen an Nvidia, TSMC, Hyperscaler, Rechenzentrumsbetreiber, Politik und Investoren.
Aber wenn die Debatte dort stehen bleibt, wird sie seltsam passiv.
Dann ist KI entweder Monster oder Messias.
Und wir sitzen daneben wie Menschen in einer sehr langen Podiumsdiskussion, in der niemand den Stecker findet.
New Work New Culture sollte anders fragen:
Was können Menschen lokal verstehen, betreiben und gestalten?
Welche KI hilft ihnen, Arbeit zu tun, die sie wirklich, wirklich wollen?
Welche Infrastruktur macht sie souveräner statt abhängiger?
Welche Modelle sind klein genug, um nah zu sein, und gut genug, um nützlich zu sein?
Der Green Horror zeigt, was schief läuft.
Die lokale KI-Werkstatt zeigt, was anfangen könnte.
Zwischen beiden liegt die Politik der nächsten Jahre.
Und vielleicht auch ein bisschen Lust.
Nicht die Lust am größeren Rechenzentrum.
Die Lust an einer Technik, die endlich wieder auf den Tisch passt.
Faktencheck zum Ausgangspost
- Nvidia-Emissionen: Der oft zitierte Anstieg von rund 53 Prozent ist auf Basis des NVIDIA Sustainability Report FY2026 eher rund 55 Prozent bei Scope 3 von FY25 zu FY26. Es ist nicht sauber als Kalenderjahr „2025 allein“ zu formulieren. Von FY24 zu FY26 ergibt sich etwa Faktor 2,94, also fast verdreifacht.
- „AI kills the planet“: Als Warnruf verständlich, als Faktensatz zu grob. Die IEA sieht Rechenzentren als stark wachsende, lokal sehr relevante Stromnachfrage, aber 2024 bei rund 1,5 Prozent des globalen Stromverbrauchs und bis 2030 bei etwa einem Zehntel des globalen Nachfragewachstums.
- TSMC / Fabs: Die Lieferkettenkritik ist plausibel und wichtig. Einzelzahlen wie „1 GW“ und „100.000 Tonnen Wasser pro Tag“ für modernste Fabs sollten im Artikel als Angaben aus der Greenpeace-/Medienrecherche markiert werden, nicht als direkt aus einer von mir hier ausgelesenen Primärquelle bestätigte Zahl.
- Lösungen: Die IEA benennt selbst erhebliche Lösungspotenziale durch KI in Netzen, Gebäuden, Industrie und Energieeffizienz. Gleichzeitig warnt sie vor Rebound-Effekten und sagt ausdrücklich: KI ist kein Allheilmittel und ersetzt keine aktive Politik.
- Lokale Modelle: Ollama, llama.cpp/GGUF, MLX und Gemma 3n zeigen, dass lokale und Edge-KI keine ferne Utopie ist. Sie ersetzt nicht Frontier-Training und nicht alle Cloud-Anwendungen, ist aber für viele Alltags- und Organisationsaufgaben realistisch.
Quellen
