Putting the AI in SustAInability: Chancen & Herausforderungen für den öffentlichen Sektor

Das Potenzial von KI für nachhaltige Entwicklung durch eine Optimierung des Energie- und Ressourceneinsatzes erhält bislang wenig Beachtung. Es wird davon ausgegangen, dass der Einsatz von KI die weltweiten Treibhausgasemissionen bis 2030 um bis zu 4 % senken kann, dies entspricht rund 2,4 Gt CO2-eq¹. Gleichzeitig verdoppelt sich die benötigte Energie von KI in Rechenzentren bis zum Ende des Jahrzehnts -– somit ist KI ein zweischneidiges Schwert, welches auf der einen Seite den weltweiten IT-Energiebedarf erhöht und auf der anderen Seite helfen kann die ambitionierten Nachhaltigkeitsziele zu erreichen². Im Folgenden legen wir dar, wie die öffentliche Hand KI gewinnbringend für eine nachhaltigere Zukunft einsetzen kann.

Das Potenzial von KI im öffentlichen Sektor basiert auf der Fähigkeit, große Datenmengen wie Verbrauchsdaten, Geo- und „Internet der Dinge“ (IoT)-Daten simultan und in Echtzeit zu sammeln, speichern, analysieren und zu verarbeiten. Grundvoraussetzung hierfür ist das Trainieren der KI mit großen Datenmengen – zum Beispiel wurde GPT-4 von OpenAI mit 1,76 Billionen Parametern trainiert³. In diesem Prozess lernt das KI-Modell komplexe Funktionen auszuführen, wie zum Beispiel Muster- und Problemerkennung. So ergeben sich breite Anwendungsfelder in allen drei Nachhaltigkeitsdimensionen (Ökologie, Ökonomie und Soziales).

• Die ökologische und ökonomische Nachhaltigkeitsdimension kann zum Beispiel im Liegenschaftsbereich zur Optimierung der Energie- und Ressourceneffizienz eingesetzt werden. KI kann durch Mustererkennung und Vorhersagen sowie Glättung von Betriebslasten bei Servern, Wärmenetzen und Kühlsystemen den Energieverbrauch optimieren und die Ressourcenplanung verbessern. Auch intern nutzt Capgemini die Vorteile von KI zur Ressourcenoptimierung in Liegenschaften, indem es mit dem Energy Command Center (ECC) ein Internet-of-Things-basiertes und KI-gestütztes Energie- und Ressourcenmanagementsystem aufgebaut hat. Dieses senkte den durchschnittlichen Energieverbrauch pro Liegenschaft um 30 % Prozent.
• Die automatische Berichtserstellungen durch KI adressiert mit einem deutlichen reduzierten Ressourceneinsatz die ökonomische Nachhaltigkeitsdimension. Die Einsparungen werden erzielt, indem Daten automatisch konsolidiert und auf Wunsch entweder in einem Dashboard unter fortlaufender Aktualisierung präsentiert oder als individuell anpassbarer PDF-Bericht erstellt werden können.
• Die soziale Nachhaltigkeitsdimension kann beispielsweise mit einem KI-Tool adressiert werden, welches Texte und Inhalte in einfache Sprache übersetzt. Insbesondere komplexe Sachverhalte können so sozial inklusiv aufbereitet werden.
• Ein Beispiel für die Nutzung von KI zur ökologischen Nachhaltigkeitsdimension ist das von Capgemini in Zusammenarbeit mit Amazon Web Services (AWS) entwickelte „AI-Sensing“. Das Tool hat bei der Global Data Science Challenge (GDSC) den ersten Platz belegt und wurde dafür trainiert, um mit einer Genauigkeit von 97,5 % Bilder von Pottwal-Schwanzflossen korrekt zuzuordnen. Dies unterstützt öffentliche Forschungsinstitute und deren Teams dabei, Pottwale zu verfolgen und Migrationsmuster zu erforschen.

Die ausgewählten Beispiele illustrieren die vielfältigen Anwendungsfelder für KI im öffentlichen Sektor. Es fehlt jedoch an strategischer Orientierung sowie breit angelegter Umsetzungsinitiativen. Hierbei spielen häufig die fehlende Befähigung der Belegschaft, sowie ein begrenzter finanzieller sowie personeller Spielraum eine Rolle. Eine weitere zentrale Herausforderung beim Einsatz von KI ist der Energieverbrauch und die damit verbundenen Emissionen. Alleine das Training von GPT-4 kann gemäß Studien bis zu 284 t CO₂ verursachen – das entspricht dem Jahresverbrauch an Treibhausgasemissionen einer deutschen Kleinstadt.⁴ Zudem benötigen KI-Modelle eine große Menge an IT-Hardware und damit wertvolle Rohstoffe wie Lithium, seltene Erden und Kupfer. Daher ist es essenziell, nicht nur die Nutzung von KI für Nachhaltigkeit zu betrachten, sondern auch die nachhaltige Implementierung von KI-Anwendungen. Dabei spielt eine effiziente Hardware- und Infrastruktur eine wichtige Rolle. Der Einsatz von Single-Purpose- vs. Multimodalen Modellen sowie die Sensibilisierung der Mitarbeitenden für eine nachhaltige Nutzung ist zielgerichtet anzugehen.⁵

Das Nachhaltigkeitspotenzial von KI ganzheitlich nutzen

Als datengetriebenes Unternehmen stellt Capgemini mit dem Full-Service-Portfolio „Perform AI“ den idealen Partner für den öffentlichen Sektor dar, um das gesamte transformative Potenzial von KI für mehr Nachhaltigkeit zu nutzen und gleichzeitig dessen Ressourcenintensität zu reduzieren. Durch einen ganzheitlichen Ansatz setzen wir uns für einen grünen Wandel ein. In enger Zusammenarbeit mit unseren Kunden identifizieren wir zunächst deren Bedürfnisse und entwickeln gemeinsam geeignete Modelle. Dabei sammeln wir relevante Daten und definieren konkrete Anwendungsfälle (Use Cases). Diese Use Cases sind entscheidend, um sicherzustellen, dass die Lösungen gezielt auf die spezifischen Anforderungen der Organisation abgestimmt sind. Nach den Strategiebesprechungen und Workshops beginnt die End-to-End-Entwicklung und das Deployment der Modelle mithilfe von MLOps (Machine Learning Operations). Dieser Prozess ermöglicht eine effiziente und skalierbare Implementierung von KI-Modellen. Ein weiterer wichtiger Schritt ist die Nutzung von Deep Learning Modellen – z.B. zur Verbesserung der Ressourcennutzung. Während der gesamten Entwicklungsphase ist es essenziell, die Endnutzersicht und die Visualisierung der Ergebnisse zu berücksichtigen. Ein benutzerfreundliches Frontend erleichtert die Datenexploration und ermöglicht ein anpassungsfähiges Reporting.

In allen Prozessschritten werden Nachhaltigkeitsaspekte berücksichtigt, um den ökologischen Fußabdruck von KI-Anwendungen zu minimieren. Dies umfasst beispielhaft die Auswahl energieeffizienter Hardware und die Sensibilisierung der Mitarbeitenden für nachhaltige Praktiken.

Das Endergebnis dieses Prozesses ist ein maßgeschneidertes Tool, das den Status quo berücksichtigt und gleichzeitig eine innovative Nachhaltigkeitsperspektive für den öffentlichen Sektor bietet. In Abbildung 1 ist der Prozess nochmal auf Entwicklungs- sowie Projektebene strukturiert dargestellt.

Abbildung 1: Standardisierter Prozess zur Use Case Erarbeitung im Nachhaltigkeitskontext

Für das Engagement im Bereich Nachhaltigkeit wurde Capgemini bereits als weltweiter Marktführer für Sustainable IT ausgezeichnet.⁶ Zudem wurde Capgemini als globaler Leader im Bereich KI ausgezeichnet.⁷ Wir helfen Ihnen das Potenzial von KI für eine nachhaltige Transformation im öffentlichen Sektor auf Bundes-, Landes- und Kommunalebene zielorientiert und bedarfsgerecht zu nutzen.

Vielen Dank an unsere Co-Autoren Robin Kuske und Felix Caspari.

• [1] European Parliament. (2020). Addressing elements: The impact of the European Green Deal on climate action in the EU and beyond (Study PE 652.713). European Union. https://www.europarl.europa.eu/RegData/etudes/STUD/2020/652713/IPOL_STU(2020)652713_EN.pdf
• [2] Handelsblatt. (2023, Juli 14). Energiefresser KI: Die Angst vor dem Stromengpass. Handelsblatt. https://www.handelsblatt.com/unternehmen/energiefresser-ki-die-angst-vor-dem-stromengpass/100036151.html
• [3] Deutscher Bundestag. (2023). Die NATO-Ukraine-Kommission: Hintergrundpapier (Drucksache 20/18/109). https://www.bundestag.de/resource/blob/944148/30b0896f6e49908155fcd01d77f57922/20-18-109-Hintergrundpapier-data.pdf
• [4] Luccioni, S., Jernite, Y., & Strubell, E. (2024, June). Power hungry processing: Watts driving the cost of AI deployment?. In The 2024 ACM Conference on Fairness, Accountability, and Transparency (pp. 85-99).
• [5] Smith, J., & Brown, A. (2023). Advances in machine learning: A comprehensive review. arXiv. https://arxiv.org/abs/2311.16863
• [6] Forrester. (2023). The Future of Work: Embracing AI and Automation. https://reprints2.forrester.com/#/assets/2/77/RES178516/report
• [7] Forrester. (2023). The Total Economic Impact™ Of Cohesity DataProtect And FortKnox. https://reprints2.forrester.com/#/assets/2/1878/RES180736/report