Das vom BMUKN geförderte Leuchtturmprojekt NADIKI ermöglicht erstmals die Echtzeitmessung des tatsächlichen Energieverbrauchs und CO₂-Ausstoßes von KI-Anwendungen — anstelle von Schätzwerten liefert es transparente Kennzahlen von der Server-Hardware bis zur Gebäudeinfrastruktur. Das Projekt legt die technische Grundlage für faktenbasierte Kosten-Nutzen-Entscheidungen beim KI-Einsatz und evaluiert eine Umwelt-Kennzeichnung ähnlich dem Blauen Engel für Software.
Das NADIKI-Projekt macht erstmals den tatsächlichen Energieverbrauch und CO₂-Ausstoß von KI-Anwendungen in Echtzeit messbar. Mit rund 880.000 Euro vom Bundesministerium für Umwelt, Klimaschutz, Naturschutz und nukleare Sicherheit (BMUKN) gefördert, liefert das Leuchtturmprojekt transparente Kennzahlen statt Schätzwerte — von der Server-Hardware bis zur Gebäudeinfrastruktur des Rechenzentrums.
„Der spezifische Energieverbrauch von KI-Clustern übersteigt den von üblichen Rechenclustern um ein Vielfaches, und wir erwarten ein massives Wachstum von KI-Anwendungen. Es ist entscheidend, die Effizienz zu verstehen und den Energieaufwand in ein gesundes Verhältnis zum Ergebnis zu setzen." — Prof. Dr.-Ing. Peter Radgen, Lehrstuhl Energieeffizienz, Universität Stuttgart
NADIKI entwickelt eine Schnittstelle, die den realen Energie- und Ressourcenverbrauch von KI-Modellen in der Ausführung (Inferenz) erfasst und als transparente Kennzahlen bereitstellt. Die Infrastruktur berechnet präzise Treibhausgas-Emissionen und Ressourcenverbräuche auf Basis von Daten der Server-Hardware, Kühlsysteme und des Rechenzentrumsgebäudes.
Was NADIKI ermöglicht
Transparente Messung: Erfassung des tatsächlichen Ressourcenverbrauchs von KI-Workloads statt Schätzwerte innerhalb von weniger Sekunden nach Ausführung der KI-Inferenz — von der Server-Hardware über Kühlsysteme bis zur Gebäudeinfrastruktur.
Zeitliche und örtliche Optimierung: KI-Trainingsvorgänge können an Standorte mit einem höheren Anteil erneuerbarer Energien im lokalen Stromnetz verschoben werden.
Faktenbasierte Bewertung: Positive Umweltwirkungen werden möglichen negativen Effekten gegenübergestellt — Grundlage für fundierte Kosten-Nutzen-Entscheidungen beim KI-Einsatz.
Umwelt-Kennzeichnung: Evaluierung einer Zertifizierung ähnlich dem Blauen Engel für Software, um KI-Modelle nach ihrem Umwelteinfluss zu kennzeichnen.
Open Source: Alle Ergebnisse werden als quelloffene Software mit offener Datenbasis bereitgestellt.
„Unser Ziel ist es, die verborgenen, vollständigen Kosten von KI-Diensten und Anwendungen transparent zu machen – finanziell wie ökologisch. Nur so können wir fundierte Kosten-Nutzen-Entscheidungen für den Einsatz von KI treffen." — Max Schulze, SDIA
Das Projekt richtet sich an die Betreiber von Rechenzentren, KI-Diensten und Entwickelnde und die breite Öffentlichkeit. Es läuft bis November 2025 und wird gemeinsam mit dem Institut für Architektur von Anwendungssystemen (IAAS) und dem Institut für Energiewirtschaft und Rationelle Energieanwendung (IER) der Universität Stuttgart durchgeführt.