Sasha Luccioni und Katherine Lambert hat 61 wissenschaftliche Studien zur Umweltbilanz von KI ausgewertet und in einem Paper veröffentlicht. Das Ergebnis ist ernüchternd – aber nicht aus dem Grund, den die meisten erwarten würden.
Das Problem ist nicht, dass wir zu wenig messen. Das Problem ist, was wir systematisch nicht messen.
Wir messen die Mitte, nicht den Anfang und das Ende
Die Studie zeigt: Fast alle Forschung konzentriert sich auf Training und Inference – also auf den Betrieb des Modells. Was davor und danach passiert, bleibt weitgehend unsichtbar.
Wer baut die Hardware? Wie viele Ressourcen stecken in Rechenzentrumsinfrastruktur, bevor ein einziges Modell trainiert wird? Was passiert mit den Servern, wenn sie ausgemustert werden? Welchen Fußabdruck hinterlässt die Datenbeschaffung?
Die Antwort der Forschung lautet meistens: keine Ahnung, weil nicht gemessen.
Dazu kommt: Selbst das, was gemessen wird, basiert überwiegend auf groben Näherungswerten. CO₂-Äquivalente aus Stromdaten – ohne Wasserverbrauch, ohne Materialien, ohne Embodied Emissions.
Das Fazit der Studie: „Life-Cycle-Denken" ist in der KI-Debatte angekommen, aber nur als Begriff. Die Methodik hinkt hinterher.
Das kenne ich von woanders
Diese Diagnose ist mir vertraut. Ich beobachte dasselbe bei Websites.
Wer über nachhaltige Webentwicklung spricht, meint fast immer den Betrieb: Seitengewicht, Serverenergie, CO₂ pro Pageview. Das ist wichtig. Aber es ist die Mitte.
Was fehlt:
Vor dem Launch: Wie viele KI-Werkzeuge wurden für Design, Texterstellung und Code-Generierung eingesetzt? Wie viele Iterationen im Browser? Wie viele Megabytes an Rendering-Prozessen, bis die finale Version stand?
Nach dem Launch: Wie lange läuft die Seite? Wird sie irgendwann gezielt abgeschaltet oder läuft sie einfach weiter, bis der Vertrag ausläuft? Werden Assets bereinigt, die niemand mehr aufruft? Oder wächst der digitale Keller still vor sich hin?
Websites haben einen Lebenszyklus. Sie werden gebaut, betrieben, gewartet – und irgendwann aufgegeben. Die Nachhaltigkeitsdiskussion beginnt fast immer erst beim Betrieb und endet dort auch.
Warum das ein Strukturproblem ist
Bei KI liegt das Problem laut der Studie an fehlenden Standards: Jede Studie definiert „Lifecycle" anders. Manche meinen damit nur das Training, andere beziehen die gesamte Infrastruktur ein. Vergleiche sind dadurch kaum möglich.
Bei Websites ist die Situation nicht besser – nur weniger erforscht. Es gibt noch keine Einigkeit darüber, was überhaupt gemessen werden sollte, wenn man die Gesamtbilanz einer Website bewerten will. Die wenigen Metriken, die es gibt – Website Carbon Calculator, Ecograder – schauen fast ausschließlich auf den Ladevorgang einer einzelnen Seite.
Das ist, als würde man die Umweltbilanz eines Autos ausschließlich an einem einzigen Tankfüllstand messen.
Was das bedeutet
Ich plädiere nicht dafür, alles auf einmal zu lösen. Betriebsoptimierung bleibt wichtig und ist der sinnvollste Einstieg.
Aber ich plädiere dafür, die Grenzen des eigenen Blickwinkels zu kennen.
Wenn jemand sagt: „Unsere Website ist nachhaltig, wir haben 0,3 g CO₂ pro Seitenaufruf" – dann ist das eine Aussage über einen sehr engen Ausschnitt. Was vor der Seite war und was nach ihr kommt, bleibt unberücksichtigt.
Das Luccioni-Paper zeigt: Selbst in einem Forschungsfeld, das sich intensiv mit diesem Thema beschäftigt, ist Lifecycle-Denken noch weit von der Praxis entfernt. In der Webentwicklung sind wir noch nicht einmal so weit.
Das ist kein Vorwurf. Es ist eine Einladung, den Blick zu weiten.
Grundlage dieses Artikels: Lambert & Luccioni, „From Cradle to Cloud: A Life Cycle Review of AI’s Environmental Footprint", Mai 2026: arxiv.org/abs/2605.05416