In dieser Folge des Formats Scaling Laws sprechen Kevin Frazier und Gavin McCormick, der Kopf hinter Climate Trace, über eine Anwendung künstlicher Intelligenz, die sich radikal von den üblichen Debatten um Rechenzentren und Stromverbrauch unterscheidet. Im Kern geht es um die These, dass das größte Problem der Klimapolitik nicht fehlender Wille sei, sondern ein massives Datenvakuum. McCormick schildert, wie ein globales Netzwerk aus Satelliten und KI-Modellen, trainiert auf den extrem detaillierten Emissionsdaten der US-Umweltbehörde aus den 1970ern, heute in der Lage sei, jede nennenswerte einzelne Verschmutzungsquelle der Welt nahezu in Echtzeit zu erfassen – vom Kraftwerk bis zur einzelnen Kuhherde in Uruguay.

Die Diskussion wird nicht als Konflikt zwischen Umweltaktivist:innen und Industrie gerahmt. Stattdessen setzt McCormick fast durchgängig auf die Annahme, dass das sauberere Verfahren in der Regel auch das wirtschaftlich profitablere sei. Die Kernfrage für ihn laute nicht, wer zu mehr Anstrengungen gezwungen werden müsse, sondern wer unter den gegenwärtigen, oft irreführenden Bilanzierungsmethoden gerade die falschen Wettbewerbsvorteile genieße und wie sich das durch mehr Transparenz umkehren lasse.

Zentrale Punkte

  • KI ist kein Umweltfeind per se McCormick wehre sich gegen die pauschale Darstellung, KI sei wegen ihres Energieverbrauchs schlecht für die Umwelt. Entscheidend sei nicht, wie viel Strom verbraucht werde, sondern aus welchen Quellen dieser stamme. Große Tech-Firmen wie Apple oder Meta hätten ihre Rechenzentren bereits auf nahezu null Emissionen umgestellt, weil saubere Energie oft die günstigere Wahl sei.
  • Der US-Vorsprung durch Transparenz Als entscheidenden Vorteil der USA beschreibt McCormick die in den 1970ern eingeführte, umfassende Pflicht zur Emissionsberichterstattung. Diese Daten seien die perfekte Trainingsgrundlage für KI-Modelle gewesen. Sie lösten ein Problem, das niemand vorhergesehen habe: Dank dieser historischen Daten könne man nun mit Satellitenbildern weltweit Emissionen präzise errechnen, ohne auf die oft fehlerhaften Selbstauskünfte von Staaten oder Konzernen angewiesen zu sein.
  • Wettbewerb durch radikale Offenheit Climate Trace funktioniere nach einem Wikipedia-ähnlichen Modell, bei dem 150 Organisationen Daten beisteuerten, ohne dass es eine zentrale Führung gebe. Die eigentliche Dynamik sei eine marktwirtschaftliche: Saubere Kraftwerksbetreiber hätten ein massives Interesse daran, ihre Effizienz offenzulegen, weil sie sich davon einen Vorteil gegenüber schmutziger und oft teurer produzierenden Konkurrenten erhofften.
  • Politik soll Regeln setzen, nicht Technologie McCormick plädiere für eine strikt ergebnisorientierte Gesetzgebung. Der Staat solle klare Standards definieren, was als grün gelte, aber nicht die technischen Wege dorthin vorschreiben. Als abschreckendes Beispiel nennt er die gut gemeinte Forderung, Rechenzentren physisch benachbart zu erneuerbaren Energien zu bauen, was Strom sechsmal teurer mache, ohne der Umwelt zu nutzen.

Einordnung

Die Stärke dieser Episode liegt in der Konkretisierung dessen, was mit messdatengetriebener Regulierung möglich wäre. McCormick liefert ein dichtes Netz an empirischen Details, etwa zu gescheiterten Batterie-Förderungen in Kalifornien oder den tatsächlichen Emissionen großer Cloud-Anbieter, die das abstrakte Versprechen von KI-Transparenz greifbar machen. Seine Darstellung, dass Klimaschutz durch bessere Daten billiger statt teurer werde, ist ein kluger argumentativer Zug, der das klassische Spannungsfeld von Ökologie und Ökonomie aufzulösen versucht und dafür eine Fülle von Beispielen bringt.

Die Einordnung bleibt jedoch konsequent innerhalb eines technologie-optimistischen und marktzentrierten Weltbilds. Strukturelle Wachstumszwänge oder die Möglichkeit, dass der Energiehunger selbst bei vollständiger Versorgung mit Erneuerbaren ein ökologisches Problem durch Ressourcenverbrauch oder Landnutzung darstellen könnte, werden nicht thematisiert. Zudem spricht McCormick zwar von "radikaler Transparenz", doch die Methodik, nach der seine KI-Modelle trainiert werden, bleibt im Gespräch eine Blackbox. Wer die Korrektheit der so erzeugten Daten mit welchen Mitteln überprüft, wird nicht problematisiert – eine erhebliche Lücke für ein Projekt, das sich die Entlarvung von Greenwashing zum Ziel setzt. Die Episode ist wertvoll für Hörer:innen, die verstehen wollen, wie sich Klima-Governance durch konkrete technische Anwendungen verändert, verlangt aber gleichzeitig eine kritische Distanz zu der Prämisse, dass bessere Messbarkeit automatisch zu besseren politischen Entscheidungen führe.

Sprecher:innen

  • Kevin Frazier – Moderator, AI Innovation and Law Fellow an der University of Texas School of Law
  • Gavin McCormick – Leiter von Watt Time und Mitbegründer der Climate Trace-Koalition