Eine KI-Antwort im laufenden Gespräch muss schnell kommen. Andere Rechenaufträge können warten. Genau dort setzt CarbonBalance an, eine am 24. Oktober veröffentlichte Studie: Ihr Planer verbindet Prognosen zum CO₂-Ausstoß des Stroms mit der Auswahl von Ausführungszeit und Region. Dringende Aufgaben werden sofort gestartet. Für verschiebbare Arbeit sucht das System günstigere Bedingungen.
Der Nutzen für Rechenzentren liegt in einer zusätzlichen Stellschraube: Neben der benötigten Strommenge zählt, wann und wo sie verbraucht wird. Das Prinzip lässt sich verstehen, ohne die Einzelheiten eines KI-Modells zu kennen.
Eine Kilowattstunde hat keinen festen CO₂-Wert
Im Stromnetz treffen unterschiedliche Erzeuger zusammen. Wie die Green Software Foundation erklärt, verändert sich dieser Mix mit Ort und Zeit. Wind- und Solarstrom fallen wetterabhängig an; fossile Kraftwerke verursachen bei der Erzeugung mehr Emissionen. Die CO₂-Intensität beschreibt, welche Emissionsmenge einer Kilowattstunde Strom zugeordnet wird.
Ein ausdrücklich fiktives Rechenbeispiel macht die Wirkung sichtbar: Ein Auftrag benötigt eine Kilowattstunde. Bei angenommenen 400 Gramm CO₂ je Kilowattstunde ergibt das 400 Gramm; bei 200 Gramm wären es 200 Gramm. Die Rechenarbeit verbraucht in diesem Beispiel gleich viel Energie. Ihre zugeordnete Emissionsbilanz halbiert sich durch den anderen Strommix.
Software kann darauf auf zwei Arten reagieren: Sie verschiebt Arbeit in eine andere Region oder wartet am bisherigen Standort auf einen günstigeren Zeitpunkt. Beides setzt voraus, dass der Auftrag diesen Spielraum hat. Eine bereits wartende Person und eine Aufgabe mit großzügiger Fertigstellungsfrist stellen unterschiedliche Anforderungen an den Planer.
Was die neue Simulation spart
Die Autoren berichten für fünf untersuchte Aufgabenszenarien insgesamt 878 statt 1.503 Gramm CO₂. Das entspricht 41,6 Prozent weniger gegenüber ihrer Vergleichsrechnung mit 400 Gramm CO₂ je Kilowattstunde. Die Rechnung beruht auf angenommenen Energieprofilen der KI-Aufgaben. Für die Prognose verwendete das Team historische Länder-Jahresdaten von 2000 bis 2022.
Dieser Zeitmaßstab ist entscheidend: Ein Jahreswert beschreibt die langfristigen Strombedingungen eines Landes. Für die Entscheidung zwischen heute Vormittag und heute Abend braucht ein Betreiber dagegen zeitlich passend aufgelöste Informationen. Die Autoren nennen Echtzeitdaten und die Validierung im Einsatz als weitere Entwicklungsschritte.
Flexible Rechenarbeit hat bereits einen Vorläufer
Das Verschieben selbst ist ein älterer Ansatz. Google beschrieb bereits im Mai 2021, flexible Rechenaufträge zwischen Rechenzentren zu verlagern. Als ersten Anwendungsbereich nannte das Unternehmen die Verarbeitung von Medien, etwa hochgeladenen Videos und Fotos. Prognosen für den folgenden Tag sollten helfen, Regionen mit mehr CO₂-freiem Strom zu bevorzugen.
Google erläuterte damals auch den Übergang vom zeitlichen Verschieben zum zusätzlichen Ortswechsel. Rechenkapazität sollte dort reserviert werden, wo günstigere Strombedingungen erwartet wurden. Zugleich verwies das Unternehmen auf Grenzen wie Datenschutzvorschriften: Ein Auftrag kann technisch an mehreren Orten laufen, ohne überall ausgeführt werden zu dürfen.
Für Betreiber beginnt die Planung deshalb beim konkreten Auftrag: Welche Frist gilt, an welchem Ort darf er laufen und welche Kapazität ist dort verfügbar? Erst innerhalb dieses Spielraums kann der Strommix die Entscheidung verändern.
Quellen
- Sanjit Kumar Dash et al., Discover Computing: Carbonbalance framework for carbon intensity forecasting and carbon aware scheduling of ai workloads, 24. Oktober 2026.
- Green Software Foundation: Carbon Awareness, undatiert, abgerufen am 25. Oktober 2026.
- Ross Koningstein, Google: We now do more computing where there’s cleaner energy, 18. Mai 2021.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
