Illustration Absmeier foto freepik

Künstliche Intelligenz (KI) hat das Potenzial, die Effizienz von Unternehmen erheblich zu steigern. Doch dieser Fortschritt hat auch Schattenseiten. Der unkontrollierte Anstieg von Einwegdaten und die damit verbundene Datenverschwendung stellen ein großes ökologisches Problem dar. Schätzungen der International Energy Agency zeigen, dass der Strombedarf von Rechenzentren bis 2030 auf 945 Terawattstunden ansteigen könnte. Dies entspricht dem jährlichen Stromverbrauch Japans und verdeutlicht die massiven Ressourcen, die hinter den Kulissen der digitalen Welt verbraucht werden. Unternehmen müssen dringend handeln, um Nachhaltigkeit zu einem zentralen strategischen Faktor in ihren Geschäftsmodellen zu entwickeln.

Die Menge an Daten, die Unternehmen generieren, wächst exponentiell. IDC prognostiziert, dass das globale Datenvolumen von 175 Zettabyte im Jahr 2025 auf 1 Yottabyte bis 2030 anwachsen wird. Diese Entwicklung befeuert den Denkansatz, der besagt, dass mehr Daten gleich bessere Ergebnisse bedeuten. Doch das ist ein Trugschluss. Künstliche Intelligenz benötigt keine Unmenge an Daten, sondern braucht präzise kuratierte und gut strukturierte Informationen, um ihre volle Leistung zu entfalten. Überflüssige Daten führen nicht nur zu einer ineffizienten Ausführung von KI-Anwendungen. Sie belasten auch das Klima durch den hohen Energieaufwand für Speicherung und Verarbeitung.

Die negative Umweltwirkung von schlechter Datenqualität ist alarmierend. Studien zeigen, dass mehr als zwei Drittel aller gespeicherten Daten ungenutzt bleiben. Diese Verschwendung verursacht einen CO₂-Fußabdruck, der dem des globalen Luftfahrtsektors ähnelt. Unternehmen müssen sich dessen bewusst werden, dass schlecht organisierte Datensätze nicht nur die Umwelt belasten, sondern auch finanzielle Ressourcen verbrauchen: Denn bei der Verarbeitung, Analyse und bei der bloßen Speicherung dieser Daten wird viel Energie verbraucht, was letztlich auch die Kosten für Unternehmen erhöht. Hinzu kommen aktuelle Befunde, die belegen, dass bis zu 20 Prozent der KI-Projekte scheitern, häufig aufgrund unzureichender oder irrelevanter Daten. Diese Herausforderungen verdeutlichen die Notwendigkeit eines grundlegenden Umdenkens im Bereich Datenmanagement.

Qualität statt Quantität

Die Lösung für dieses Dilemma ist das Konzept der »Frugal AI« (deutsch: sparsame KI). Es fußt auf einem intelligenten und sparsamen Umgang mit Daten, bei dem sowohl alte als auch neue Daten optimal verwaltet und eingesetzt werden. Unternehmen sollten den Fokus auf die Qualität der Daten legen, anstatt sie in großen Mengen zu sammeln. Effektives Datenmanagement bedeutet, die benötigten Informationen so zu organisieren, dass sie für KI-Anwendungen bereitstehen oder sogar neue innovative Lösungen fördern. Durch effiziente Datenmanagementprozesse können Firmen zudem ihre Betriebskosten senken und gleichzeitig ihre Umweltbilanz verbessern.

Für eine nachhaltige Implementierung von Frugal AI müssen Unternehmen ihre Dateninfrastruktur und -strategie grundlegend überdenken. Die folgenden Maßnahmen können dabei unterstützen, die passende Struktur für eine sparsame KI zu schaffen:

Daten qualitativ statt quantitativ anwenden:
Eine gute Datenqualität schlägt die Masse. Unternehmen sollten sich bemühen, präzise und strukturierte Datensätze zu kuratieren und zu bereinigen, um die Relevanz und Nützlichkeit der Informationen zu erhöhen.
Dynamische Infrastrukturen realisieren:
Eine flexible Dateninfrastruktur, die auf erneuerbare Energien setzt und dynamisch an aktuelle Anforderungen angepasst werden kann, hilft Unternehmen, ihren ökologischen Fußabdruck zu minimieren.
Regelmäßige Analyse von Datensätzen:
Daten sollten kontinuierlich überprüft werden, um ihre Relevanz für aktuelle KI-Projekte zu gewährleisten. Ein proaktives Datenmanagement ermöglicht es, veraltete und irrelevante Informationen zu identifizieren und zu entfernen.
Energieeffiziente Algorithmen nutzen:
Klassische KI-Modelle verbrauchen weniger Energie als generative KI. Bei vielen Standardaufgaben sind sie ausreichend, sodass sich der Einsatz generativer Algorithmen vermeiden und der Energieverbrauch erheblich reduzieren lässt.
Schulung der Mitarbeitenden:
Die Sensibilisierung der Teams für eine bewusste Datenbewirtschaftung trägt dazu bei, ein unternehmensweites Bewusstsein für die Bedeutung von Frugal AI zu schaffen. Die Mitarbeitenden sollten verstehen, welche Daten benötigt werden und wie sie diese effizient nutzen können.

Frugal AI als integralen Bestandteil der digitalen Transformation zu betrachten, wird immer wichtiger. NetApp bietet daher Storage-Systeme mit hoher Energieeffizienz an. Durch die automatisierte Datenklassifizierung und ein Lifecycle-Management können Unternehmen sich einen Überblick über ihre Daten verschaffen und sie mithilfe von Tiering-Strategien in möglichst kostengünstige und energieeffiziente Speicher verschieben. Monitoring-Tools analysieren und optimieren den Ressourcenverbrauch und Data-Fabric-Strategien verteilen Daten intelligent über On-Prem, Hybrid und Cloud. Auf diesem Weg können Unternehmen ihre Daten effizient, nachhaltig und intelligent managen.

Wer frühzeitig den Weg des umweltbewussten Datenmanagements einschlägt, stellt nicht nur seine Innovationskraft unter Beweis, sondern leistet auch einen bedeutenden Beitrag zu einer nachhaltigeren Zukunft. Mit der richtigen Balance zwischen Datenmenge und -qualität können Unternehmen die Potenziale der künstlichen Intelligenz in vollem Umfang nutzen und gleichzeitig die Umwelt schonen.

Johannes Pape, Head of AI EMEA & LATAM bei NetApp (Quelle: NetApp)

1434 Artikel zu „KI Datenmanagement“

News | Business Process Management | Künstliche Intelligenz | Tipps | Whitepaper

Finanzdienstleister kämpfen mit KI-Herausforderungen an Datenmanagement und -infrastruktur

25. Mai 2025

Eine aktuelle Umfrage zeigt, dass 84 % der Führungskräfte katastrophale Datenverluste befürchten, weil KI die Infrastruktur überlastet. 41 % Prozent geben an, dass KI bereits ein kritischer Teil ihrer Arbeit ist. Die rasanten Fortschritte im Bereich der künstlichen Intelligenz (KI) stellen traditionelle Dateninfrastrukturen vor nie dagewesene Herausforderungen und zwingen Unternehmen im Banken-, Finanzdienstleistungs- und…