idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Forschende der Frankfurt UAS und UniBw München untersuchen, wie Energiekennzeichnungen Nutzerentscheidungen prägen
Der Ressourcenverbrauch von Künstlicher Intelligenz (KI) ist schon heute enorm: Besonders große Sprachmodelle (Large Language Models, LLMs) benötigen für Entwicklung und Betrieb erhebliche Rechenleistung. Ihr Training verursacht hohe CO₂ Emissionen, und für die Kühlung der dafür eingesetzten Server wird teils eine beträchtliche Menge an Frischwasser benötigt. Deutlich energiesparender arbeiten Small Language Models (SLMs), die für einfache und alltägliche Anfragen oft ähnlich gute Ergebnisse liefern, jedoch nur einen Bruchteil der benötigten Ressourcen verbrauchen. Was passiert also, wenn man den Energiebedarf von KI Modellen etwa durch eine Kennzeichnung ähnlich dem EU-Energielabel transparent macht? Und verändert diese Transparenz auch die Wahrnehmung von Qualität und Zufriedenheit? Diesen Fragen gehen Prof. Dr. Michael Klesel von der Frankfurt University of Applied Sciences (Frankfurt UAS) und Prof. Dr. Uwe Messer von der Universität der Bundeswehr (UniBw) München nach. Ihre empirische Studie „Good for the Planet, Bad for Me? Intended and Unintended Consequences of AI Energy Consumption Disclosure“ untersucht, wie Energieverbrauchskennzeichnungen die Wahl zwischen leistungsstarken, aber energieintensiven LLMs und energieeffizienten SLMs beeinflussen – und welche unbeabsichtigten Wahrnehmungseffekte dabei entstehen können.
Das Paper zur Studie[1] wird im April 2026 auf der Conference on Human Factors in Computing Systems (CHI) in Barcelona präsentiert, der weltweit wichtigsten Konferenz im Bereich Mensch Computer Interaktion. Es zählt dort zu den bestbewerteten Beiträgen (Top 5 %) und erhält eine Honorable Mention.
Was bewirkt ein Energielabel für KI?
„Unsere Ergebnisse zeigen sehr deutlich, dass Transparenz über den Energieverbrauch von KI-Modellen ein wirksamer Hebel sein kann, Nutzende zu nachhaltigeren Entscheidungen zu bewegen. Gleichzeitig sehen wir aber auch, dass erhöhte Transparenz auch unbeabsichtigte Konsequenzen haben kann: Wenn ein Modell als weniger leistungsfähig präsentiert wird, wird es auch so wahrgenommen – selbst wenn es technisch identisch ist“, so Klesel, Professor für Wirtschaftsingenieurwesen mit Schwerpunkt Künstliche Intelligenz und Entrepreneurship.
„Damit macht die Studie den Zielkonflikt zwischen Nachhaltigkeit und Nutzererlebnis sichtbar. Energiehinweise fördern zwar umweltfreundliches Verhalten, können aber durch veränderte Erwartungen die Zufriedenheit und Qualitätswahrnehmung mindern,“ ergänzt Messer, Professor für Personalcontrolling und Business Analytics.
Energiehinweise verändern Modellwahl
Ein Hinweis auf den Energieverbrauch (engl. Energy Consumption Disclosure (ECD)) bewegt Nutzende eher dazu, sich für das energieeffizientere Modell zu entscheiden, so eines der zentralen Ergebnisse der Studie. Hierfür wurden insgesamt 369 Personen in zwei Gruppen unterteilt, die jeweils wählen konnten, ob sie lieber ein LLM oder ein SLM verwenden möchten. Die erste Gruppe erhielt dabei ausschließlich Leistungsinformationen zu den beiden Modellen; hier entschieden sich 95,3 Prozent für das leistungsstarke LLM. Die zweite Gruppe sah zusätzlich eine Energieverbrauchskennzeichnung. 39,3 Prozent der Teilnehmenden entschieden sich für die Nutzung des energieeffizienteren SLM. Der Effekt verstärkt sich in Abhängigkeit des individuellen Umweltbewusstseins. Gleichzeitig führte die Wahl des SLM zu keiner Veränderung des Nutzungsverhaltens. Anzahl und Länge der Prompts sowie die Gesamtnutzungsdauer blieben in beiden Gruppen vergleichbar – erwartete Effekte wie eine intensivere Nutzung („moral licensing“) traten nicht auf.
Der Placebo-Effekt: Wenn Erwartungen die Wahrnehmung prägen
Beide Modelle waren technisch identisch (GPT 4o mini), unterschieden sich jedoch in ihrer Darstellung. Dadurch konnten die Forschenden reine Erwartungs- und Wahrnehmungseffekte messen und einen Placebo-Effekt feststellen: Teilnehmende, die das vermeintlich weniger leistungsfähige SLM wählten, bewerteten ihre Zufriedenheit und die wahrgenommene Qualität niedriger – obwohl beide Modelle identisch arbeiteten. Allein das Label „energieeffizient“ in Kombination mit einer niedrigeren Leistungskennzeichnung führte zu geringeren Erwartungen und damit zu einer subjektiv schlechteren Wahrnehmung.
Insgesamt macht die Studie damit deutlich, dass Energiekennzeichnungen ein wirkungsvolles Instrument für nachhaltiges Nutzerverhalten sind, zugleich aber unbeabsichtigte negative Effekte auf die Nutzererfahrung haben können.
Kontakt: Frankfurt University of Applied Sciences, Fachbereich 3: Wirtschaft und Recht, Prof. Dr. Michael Klesel, Telefon: +49 69 1533-3351, E-Mail: michael.klesel@fra-uas.de
Weitere Informationen zum Fachbereich Wirtschaft und Recht der Frankfurt UAS unter http://www.frankfurt-university.de/fb3.
[1]: Das Paper steht im Open Access unter https://arxiv.org/abs/2603.23075 zur Verfügung.
Frankfurt University of Applied Sciences, Fachbereich 3: Wirtschaft und Recht, Prof. Dr. Michael Klesel, Telefon: +49 69 1533-3351, E-Mail: michael.klesel@fra-uas.de
Criteria of this press release:
Journalists, all interested persons
Economics / business administration, Energy, Social studies
transregional, national
Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
