Künstliche Intelligenz wird zur Infrastruktur.
Sie hält Einzug in Suche, Büroarbeit, Gesundheitswesen, Bildung, Forschung und Fertigung. Sie dringt auch in die kleinen Lücken ein, in denen alltägliche Entscheidungen fallen: was zuerst zu tun ist, welche Option weniger Ressourcen verbraucht, ob eine komplizierte Behauptung unser Vertrauen verdient.
Das verändert die Frage, die wir stellen sollten. „Was kann KI?“ ist nicht länger die wichtigste Frage. Die schwierigere Frage lautet: Wie stellen wir sicher, dass KI, während ihre Fähigkeiten schneller voranschreiten als unsere Institutionen, Energiesysteme und gesellschaftlichen Vereinbarungen, menschliche Möglichkeiten erweitert, statt Effizienz, Ressourcen und Macht in weniger Händen zu konzentrieren?
Dies ist kein Argument dafür, dass KI die Welt retten wird. Es ist auch kein Argument dafür, dass KI sie zerstören wird. Es ist eine Arbeitshypothese: KI kann zu einem Verstärker für nachhaltige Entwicklung werden, aber erst, nachdem wir entschieden haben, was es wert ist, verstärkt zu werden.
Diese Frage steht dem nahe, wie wir über AirJelly denken. Ein proaktiver KI-Begleiter sollte nicht einfach mehr Output erzeugen oder Menschen mit mehr Vorschlägen unterbrechen. Er sollte Menschen helfen, Kontext zu verstehen, reibungsarme Wertschöpfung zu verringern und menschliches Urteilsvermögen im Prozess zu belassen. Derselbe Maßstab sollte gelten, wenn wir über KI im gesellschaftlichen Maßstab nachdenken.
01. Fortschritt braucht eine weiter gefasste Definition
Über weite Teile der letzten Jahrzehnte wurde technologischer Fortschritt an Geschwindigkeit, Skalierung und Output gemessen. Modelle werden schneller. Fabriken werden automatisierter. Inhalte werden reichlicher. Entscheidungsketten werden kürzer.
Diese Maße sind wichtig, aber sie sind nicht dasselbe wie menschliche Entwicklung.
Die Ziele für nachhaltige Entwicklung der Vereinten Nationen beschreiben Entwicklung als ein zusammenhängendes Gefüge von Verantwortlichkeiten: Armut und Hunger beenden, Gesundheit und Bildung verbessern, menschenwürdige Arbeit schaffen, Ungleichheit verringern, Klimaschutz betreiben und friedliche und rechenschaftspflichtige Institutionen aufbauen. Wachstum ist keine einzelne Rangliste. Es ist eine Reihe von Beziehungen, die über die Zeit tragfähig bleiben müssen.
KI schafft eine besondere Herausforderung, weil sie sehr gut darin ist, lokale Ziele zu optimieren.
Wenn das Ziel darin besteht, die durchschnittliche Antwortzeit im Kundenservice zu minimieren, könnte ein System menschliche Beteiligung reduzieren. Wenn das Ziel darin besteht, Engagement zu maximieren, könnte es mehr Stimulation erzeugen. Wenn das Ziel darin besteht, die Vorhersagegenauigkeit zu verbessern, könnte es Erfahrungen von Minderheiten weniger sichtbar machen. Jede lokale Kennzahl kann sich verbessern, während die gesamte Lebensqualität schlechter wird.
Nachhaltige KI braucht eine breitere Definition von Erfolg: verlässlicher, fairer, wiederherstellbarer Wert für mehr Menschen über einen längeren Zeitraum.
Das bedeutet, dass Produktkennzahlen weniger glamouröse, aber folgenreichere Fragen einschließen sollten. Wie viel Energie und Material hat das System eingespart? Wie viel repetitive Arbeit hat es beseitigt? Wer hat Fähigkeiten gewonnen, und wer hat Wahlmöglichkeiten verloren? Wenn das System versagt, wer kann es bemerken, korrigieren und infrage stellen?
Die besten KI-Produkte sind nicht diejenigen, die Menschen das Gefühl geben, von Intelligenz umgeben zu sein. Es sind diejenigen, die Menschen helfen, ihre Aufmerksamkeit dort einzusetzen, wo es zählt.
02. KI kann uns helfen, Systeme zu sehen. Sie kann die Werturteile nicht für uns treffen.
Klima- und ökologische Probleme sind nicht nur deshalb schwierig, weil uns Informationen fehlen. Sie sind schwierig, weil die Systeme komplex sind, Rückmeldungen verzögert erfolgen, Verantwortung verteilt ist und viele Kosten nicht im Quartalsbericht einer einzelnen Organisation auftauchen.
KI eignet sich gut dafür, Teile dieser Komplexität zu bewältigen. Sie kann Forschenden helfen, Satellitenbilder, Sensordaten, Wetteraufzeichnungen und Lieferketteninformationen zu kombinieren. Sie kann Stromnetzen helfen, den Bedarf vorherzusagen und erneuerbare Energie zu integrieren. Sie kann Architekten helfen, Materialien, Energieverbrauch und Lebenszyklusauswirkungen zu vergleichen. Sie kann Landwirten helfen, Muster bei Bewässerung, Schädlingen und Bodenbedingungen zu erkennen.
Der Bericht Energy and AI der Internationalen Energieagentur weist auf bedeutende Möglichkeiten für KI in Stromsystemen, Gebäuden, Industrie, Verkehr und Energieinnovation hin. Er macht auch die andere Seite der Gleichung unmöglich zu ignorieren: Rechenzentren und KI selbst benötigen mehr Strom.
KI ist nicht von Natur aus grün oder nicht grün. Ihre Wirkung hängt von dem System ab, in dem sie eingesetzt wird, von der Energie, die sie antreibt, und von dem Ziel, das sie optimieren soll.
Dasselbe Modell könnte einem Netz helfen, die Spitzenlast zu senken, oder es könnte einen endlosen Strom von geringwertiger Berechnung und Verbrauch erzeugen. Wir sollten nicht nur fragen, wie viel Energie ein Modell verbraucht. Wir sollten fragen, ob es dem weiteren System hilft, mehr Energie, Material, Zeit oder Risiko einzusparen, als das Modell verbraucht.
Deshalb sollte KI als Beobachter, Koordinator und Szenario-Ersteller behandelt werden – nicht als letzte Instanz. Sie kann Prognosen erstellen, Zielkonflikte aufzeigen und komplexe Muster lesbar machen. Sie kann nicht von sich aus entscheiden, was ein Fluss wert ist, ob ein Feuchtgebiet erschlossen werden sollte oder wessen Risiko akzeptabel ist.
Diese Entscheidungen gehören weiterhin zur öffentlichen Debatte, zum Recht und zum menschlichen Urteilsvermögen.
03. Berechnung ist Teil der materiellen Welt
Wenn wir über große Modelle sprechen, ist es leicht, nur immaterielle Ergebnisse zu sehen: Text, Bilder, Antworten und Vorhersagen. Jedes dieser Ergebnisse hängt jedoch weiterhin von physischen Chips, Servern, Kühlsystemen, Strom, Land und Wasser ab.
Der Bedarf an Rechenzentren wird zu einer Infrastrukturfrage. Die Analyse Electricity 2024 der IEA prognostizierte, dass der Stromverbrauch von Rechenzentren, KI und Kryptowährung bis 2026 um mehr als das Doppelte steigen könnte. Der genaue Anstieg wird je nach Effizienz, regionalen Energiemixen und Nachfrage variieren, aber die Richtung ist klar: KI kann sich nicht unabhängig vom Energiesystem skalieren.
Das bedeutet nicht, dass Forschung oder nützliche Anwendungen aufhören sollten. Es bedeutet, dass wir eine bessere Definition von Effizienz brauchen.
Ein größeres Modell schafft nicht automatisch einen öffentlichen Wert, der proportional zu seinen Kosten ist. Eine längere Antwort ist nicht automatisch nützlicher. Jede Aufgabe an das teuerste Modell zu schicken, ist nicht automatisch besseres Produktdesign.
Ein ausgereiftes System wählt ein Modell entsprechend der Schwierigkeit der Aufgabe. Es verwendet Ergebnisse wieder, wo möglich. Es vermeidet unnötige Aufrufe. Es macht wichtige Ressourcengrenzen sichtbar. Es behandelt Berechnung als etwas, das bewusst ausgegeben wird.
Das ist ein einfaches Produktprinzip: Lass nicht zu, dass Berechnung das Denken ersetzt.
Wenn ein schwieriges Problem sorgfältiges Nachdenken erfordert, ist KI ein Werkzeug. Wenn ein System ständig generiert, erinnert und neu bewertet, nur um intelligent zu wirken, ist es eher Verschwendung.
04. Nachhaltigkeit bedeutet auch, menschliche Fähigkeiten nicht wegzunehmen
Wenn KI nur eingesetzt wird, um Arbeitskosten zu senken, wird nachhaltige Entwicklung zu einem Euphemismus dafür, dass weniger Menschen mehr Arbeit leisten. Das ist ein einfacher Weg, und ein gefährlicher.
Die Forschung der Internationalen Arbeitsorganisation von 2023 zu generativer KI und Arbeitsplätzen legt nahe, dass generative KI eher Aufgaben innerhalb vieler Berufe transformiert und erweitert, als ganze Berufe sofort zu beseitigen. Aber die Auswirkungen sind ungleich über Länder, Branchen, Geschlechter und Arbeitsarten hinweg. Durchschnittliche Gewinne sagen uns nicht, wer die Übergangskosten trägt.
Ein menschenzentriertes KI-System sollte die Frage „Wie viele Arbeitsplätze haben wir automatisiert?“ durch nützlichere Fragen ersetzen:
- Hat es gefährliche, repetitive oder geringwertige Arbeit reduziert?
- Hat es Menschen mehr Zeit gegeben zu lernen, zu pflegen, zu schaffen und Urteilsvermögen auszuüben?
- Verstehen die Nutzer die Grenzen des Systems, oder wird von ihnen einfach erwartet, seine Schlussfolgerungen zu akzeptieren?
- Können Menschen, die von einer Entscheidung betroffen sind, Einspruch erheben, eine Überprüfung verlangen und sich abmelden?
Die Empfehlung zur Ethik der Künstlichen Intelligenz der UNESCO stellt menschliche Würde, Autonomie, Transparenz, Erklärbarkeit, Rechenschaftspflicht und Umweltschutz in den Mittelpunkt verantwortungsvoller KI. Diese können abstrakt klingen, bis sie zu Produktentscheidungen werden: menschliche Überprüfung bewahren; Unsicherheit zeigen; eine nachvollziehbare Entscheidungshistorie führen; Schweigen nicht als Zustimmung behandeln; Menschen korrigieren lassen, was ein System über sie glaubt.
Hier kommt auch persönlicher Kontext ins Spiel. Ein Assistent, der sich die richtigen Dinge merkt, kann kognitive Belastung reduzieren. Ein Assistent, der stillschweigend Erinnerung in Kontrolle verwandelt, kann das Gegenteil bewirken. Bei AirJelly geht es beim Kontext nicht darum, eine Person perfekt vorherzusagen. Es geht darum, einer Person zu helfen, ihren eigenen angesammelten Kontext mit mehr Handlungsfähigkeit zu nutzen.
Wenn KI Menschen weniger fähig macht, sich zu erinnern, zu urteilen, zu organisieren oder zu widersprechen, mag sie kurzfristig die Effizienz verbessern, während sie die langfristige Widerstandsfähigkeit der Gesellschaft schwächt.
05 Die Trennlinie ist nicht, ob Menschen KI haben, sondern wer sie nutzen und regieren kann
Das tiefste Nachhaltigkeitsrisiko ist oft nicht die Technologie selbst. Es ist die ungleiche Verteilung ihrer Vorteile und Risiken.
Fortgeschrittene Datenverarbeitung, Daten, Talente und Infrastruktur sind auf eine relativ kleine Zahl von Ländern und Unternehmen konzentriert. Wohlhabendere Regionen können KI für Klimamodellierung, medizinische Screenings und personalisierte Bildung nutzen. Regionen mit geringeren Ressourcen erhalten möglicherweise externe Systeme, die Menschen bewerten, überwachen oder klassifizieren, ohne dass sie eine bedeutende Rolle bei deren Gestaltung, Prüfung oder Governance spielen.
Das kann bestehende Ungleichheit reproduzieren. Menschen mit mehr Daten erhalten bessere Dienste. Organisationen mit mehr Ressourcen gewinnen mehr Effizienz. Gefährdete Gruppen werden mit größerer Wahrscheinlichkeit vorhergesagt, kategorisiert und verwaltet.
Eine KI-Nachhaltigkeitsagenda kann sich daher nicht nur auf den Einsatz konzentrieren. Sie muss auch öffentliche Kompetenz aufbauen: offene Standards, bezahlbare Infrastruktur, mehrsprachige Systeme, lokales Wissen, gemeinwohlorientierte Forschung und Mechanismen, die es Regierungen, Schulen, Gemeinschaften und zivilgesellschaftlichen Organisationen ermöglichen, wichtige Systeme zu prüfen.
Fairness ist kein „Gemeinwohl-Modus“, der nach Fertigstellung eines Produkts hinzugefügt wird. Sie beginnt bei der Problemdefinition, den Daten, dem Einsatzkontext, dem Preismodell und der Art und Weise, wie mit Fehlern umgegangen wird.
Dasselbe Prinzip gilt für persönliche KI. Ein nützlicher Begleiter sollte den Kontext einer Person nicht in einen proprietären Käfig verwandeln. Er sollte den Kontext nutzbarer machen und dabei Eigentum, Korrektur und Richtung bei der Person belassen.
06 KI zu einem langfristigen Kollaborateur machen
Wenn KI nachhaltige Entwicklung unterstützen soll, brauchen wir Prinzipien, die einfach genug zum Anwenden und streng genug sind, um von Bedeutung zu sein.
Beginne mit dem öffentlichen Wert, dann wähle das Modell
Beginne nicht mit „Können wir hier ein Modell hinzufügen?“ Beginne mit „Welches echte Problem ist es wert, gelöst zu werden?“ Ein System, das die Verwaltungslast von Pflegekräften reduziert, sollte nicht nach derselben Kennzahl bewertet werden wie ein System, das einem ohnehin schon übervollen Feed lediglich mehr Inhalte hinzufügt.
Lebenszykluskosten in Produktentscheidungen einbeziehen
Kosten umfassen mehr als eine API-Rechnung. Sie umfassen Energie, Hardware, Data Governance, Wartung, Migration, Schulung und die gesellschaftlichen Kosten von Fehlern. In Bereichen mit hoher Wirkung sollte die Lebenszyklusbewertung ebenso wichtig sein wie die Bewertung von Funktionen.
Unsicherheit gegenüber der entscheidenden Person offenlegen
Nachhaltige Systeme können nicht vorgeben, ständig sicher zu sein. Konfidenz, Aktualität der Daten, Anwendungsbereich und bekannte Fehlermodi sollten sichtbar sein, wenn Menschen handeln. Ehrlich „Ich weiß es nicht“ zu sagen, ist oft nützlicher, als eine flüssig formulierte falsche Antwort zu geben.
Betroffene Menschen an der Gestaltung beteiligen
Menschen, die von einem System bewertet, bedient oder gemanagt werden, dürfen nicht nur als Zeilen in einem Datensatz existieren. Lehrkräfte, Pflegekräfte, Beschäftigte, Landwirtinnen und Landwirte, Menschen mit Behinderungen und Gemeinschaftsorganisationen brauchen eine echte Stimme bei Gestaltung, Tests und Überprüfung.
Das Recht auf Ausstieg und Korrektur bewahren
Nicht jeder Workflow braucht Automatisierung. Nicht jeder automatisierte Workflow sollte unumkehrbar sein. Grundlegende Dienste brauchen alternative Kanäle, menschliche Überprüfung und ein nachvollziehbares Einspruchsverfahren.
Reife daran messen, was das System bewusst nicht tut
Ein ausgereiftes KI-Produkt übergibt nicht immer mehr Entscheidungen an ein Modell. Es weiß, welche Entscheidungen menschlich bleiben sollten. Unnötige Generierung, Benachrichtigungen und Entscheidungsschleifen zu reduzieren, ist ebenfalls Fortschritt.
07 Die letzte Frage bleibt: Was für Menschen wollen wir werden?
Technologie neigt dazu, die Art und Weise zu verstärken, wie Organisationen bereits arbeiten.
Wenn wir Bildung als Antwortproduktion behandeln, Arbeit als eine Menge komprimierbarer Aufgaben, Natur als ein zu optimierendes Asset und Menschen als vorhersehbare Nutzer, wird KI diese Annahmen beschleunigen.
Doch wenn wir Bildung als die Kultivierung von Urteilsvermögen begreifen, Arbeit als gemeinsames Schaffen, Natur als ein System, mit dem wir leben müssen, und Menschen als würdevolle, relationale und teilweise unerkennbare Wesen, dann kann KI uns helfen, Zeit zu schützen, Komplexität zu erkennen, über Distanzen hinweg zusammenzuarbeiten und Raum für langfristige Ziele zu schaffen.
Nachhaltige Entwicklung hat nie bedeutet, die Welt unendlich effizient zu machen. Sie bedeutet, die Fähigkeit der Menschheit zu bewahren, zu wählen, Beziehungen zu reparieren und auf einem endlichen Planeten für die Zukunft zu sorgen.
Ob KI zu einem Partner in dieser Arbeit wird, hängt von den Aufgaben, den Grenzen und den Institutionen ab, die wir ihr geben. Modelle werden immer stärker werden. Aber kein Modell wird für uns entscheiden, was es wert ist, getan zu werden.
Dieser Teil liegt noch bei uns.
Referenzen
- Zwischenstaatlicher Ausschuss für Klimaänderungen (IPCC). AR6-Synthesebericht: Klimawandel 2023. 2023. https://www.ipcc.ch/report/ar6/syr/
- Vereinte Nationen. Transformation unserer Welt: die Agenda 2030 und die Ziele für nachhaltige Entwicklung. 2015. https://sdgs.un.org/2030agenda
- Internationale Energieagentur (IEA). Strom 2024: Analyse und Prognose bis 2026. 2024. https://www.iea.org/reports/electricity-2024
- Internationale Energieagentur (IEA). Energie und KI. 2025. https://www.iea.org/reports/energy-and-ai
- Gmyrek, P., Berg, J., & Bescond, D. Generative KI und Arbeitsplätze: Eine globale Analyse potenzieller Auswirkungen auf die Quantität und Qualität von Arbeitsplätzen. ILO-Arbeitspapier 96, Internationale Arbeitsorganisation, 2023.
- UNESCO. Empfehlung zur Ethik der Künstlichen Intelligenz. 2021. https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
- Umweltprogramm der Vereinten Nationen (UNEP). Emissionslückenbericht 2024: Keine heiße Luft mehr ... bitte!. 2024. https://www.unep.org/resources/emissions-gap-report-2024
- Stanford-Institut für menschenzentrierte Künstliche Intelligenz. KI-Index-Bericht 2025. 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
- OECD. OECD-KI-Prinzipien. Aktualisiert 2024. https://oecd.ai/en/ai-principles