So nutzen Sie KI bewusster – ohne an Qualität zu verlieren

Jede Anfrage an ein KI-Modell löst Rechenprozesse aus. Wie hoch der dafür benötigte Energieaufwand ist, hängt dabei nicht nur vom Modell selbst ab. Auch die Aufgabe, die Prompt-Formulierung und die Länge der Antwort beeinflussen den Ressourcenbedarf, daher hier 7 Tipps für energieeffiziente Prompts.

Eine Studie der Lancaster University untersuchte diesen Zusammenhang anhand von drei offenen Sprachmodellen mit jeweils etwa sieben Milliarden Parametern. Getestet wurden Fragebeantwortung, Sentimentanalyse und Textgenerierung. Gemessen wurde dabei vor allem der Energieverbrauch der GPU während der Inferenz – also der Berechnung der Antwort.

Die Ergebnisse liefern praktische Anhaltspunkte für den Alltag. Sie zeigen jedoch keine universelle Formel, mit der sich der Energieverbrauch jeder KI-Anfrage zuverlässig berechnen lässt.

1. Bestimmen Sie, wie lang die Antwort sein soll

Der deutlichste Zusammenhang der Untersuchung bestand zwischen Antwortlänge und Energieverbrauch: Je mehr Tokens ein Modell erzeugt, desto mehr Berechnungen sind typischerweise erforderlich. Die Studie berichtet hierfür einen Pearson-Korrelationskoeffizienten von r = 0,9.

Fasse den Text in fünf Stichpunkten und maximal 100 Wörtern zusammen.

Damit vermeiden Sie eher ausufernde Antworten, ohne auf die gewünschte Information zu verzichten.

Wichtig: Begrenzen Sie Antworten nur so weit, wie es die Aufgabe erlaubt. Bei komplexen oder sicherheitsrelevanten Themen kann eine ausführliche Antwort notwendig sein.

2. Geben Sie ein klares Ausgabeformat vor

Ein konkretes Format macht deutlich, welche Antwort Sie tatsächlich benötigen. Das kann unnötige Erklärungen, Wiederholungen oder Ausschmückungen reduzieren.

Beispiele

Nenne nur die drei wichtigsten Argumente.

Antworte in einer Tabelle mit den Spalten „Problem“, „Ursache“ und „Lösung“.

Gib ausschließlich „Ja“ oder „Nein“ mit einem kurzen Satz Begründung aus.

Die Studie untersucht nicht jedes denkbare Ausgabeformat einzeln. Belegbar ist aber: Die Antwortlänge ist ein wichtiger Einflussfaktor. Eine Formatvorgabe kann helfen, diese Länge gezielter zu steuern.

3. Formulieren Sie die Aufgabe eindeutig

Nicht allein die Zahl der Wörter im Prompt ist entscheidend. Laut Studie spielte die semantische Bedeutung der Aufgabe eine größere Rolle als die reine Prompt-Länge. Unterschiedliche Aufgaben können daher trotz ähnlich langer Eingaben zu unterschiedlichen Antwort- und Energieprofilen führen.

Präzise Formulierung

Ordne jede Aussage den Kategorien A, B oder C zu.
Gib nur die Kategorie und die Nummer der Aussage aus.

Ungenaue Formulierung

Schau dir die Aussagen an und teile deine Gedanken dazu mit.

Je klarer das Ziel, das Format und der Umfang der Antwort sind, desto geringer ist das Risiko, dass das Modell unnötig weit ausholt.

4. Verlangen Sie keine Erklärung, wenn Sie keine brauchen

Eine ausführliche Begründung kann sinnvoll sein – etwa zum Lernen, Prüfen oder Nachvollziehen. Für einfache Aufgaben ist sie jedoch nicht immer erforderlich.

Wenn nur das Ergebnis zählt

Sortiere die folgenden Begriffe alphabetisch.
Gib nur die sortierte Liste aus.

Wenn eine Begründung wichtig ist

Bewerte die Aussage und begründe deine Einschätzung in maximal drei Sätzen.

Der Energieaufwand hängt nicht nur vom einzelnen Wort „erkläre“ oder „begründe“ ab. Entscheidend ist, welche Antwort dadurch erzeugt wird. Die Studie identifizierte zwar aufgabenspezifische Zusammenhänge bestimmter Schlüsselwörter mit dem Energieverbrauch, diese waren aber nicht allgemein und modellübergreifend gültig.

5. Verwenden Sie Schlüsselwörter nicht nach einer starren Energiesparliste

Die Forschenden fanden, dass bestimmte Begriffe je nach Aufgabe und Modell mit unterschiedlichen Energieverbräuchen verbunden waren. In einzelnen Fällen wurden Reduktionen von bis zu 50 oder 60 Prozent berichtet.

Das bedeutet jedoch nicht, dass ein bestimmtes Wort grundsätzlich energiesparend ist. Beispielsweise kann „summarize“ in einer Aufgabe günstig erscheinen, in einer anderen aber mit längeren oder komplexeren Antworten verbunden sein.

Besser als Wortoptimierung

Verwenden Sie das fachlich passende Verb:

„Zusammenfassen“
„Klassifizieren“
„Übersetzen“
„Erklären“
„Vergleichen“
„Extrahieren“

Die Verständlichkeit und Korrektheit des Prompts sollte immer wichtiger sein als die Suche nach einem vermeintlichen „Energiesparwort“.

6. Übermitteln Sie nur den relevanten Kontext

Die Studie zeigt nicht, dass jedes zusätzliche Wort im Prompt automatisch einen bestimmten Mehrverbrauch verursacht. Sie legt aber nahe, dass die Aufgabenbedeutung und die daraus entstehende Antwort wichtige Einflussgrößen sind.

Daher lohnt sich ein kurzer Relevanzcheck:

Ist jeder Absatz für die Aufgabe erforderlich?
Enthält der Prompt Wiederholungen?
Sind alle Beispiele notwendig?
Können Sie statt eines vollständigen Dokuments nur den relevanten Abschnitt verwenden?
Gibt es widersprüchliche Anweisungen?

Analysiere ausschließlich Abschnitt 4.2 auf Widersprüche zur Richtlinie X.
Gib maximal fünf Befunde aus.

Entfernen Sie allerdings keinen Kontext, der für eine korrekte Antwort notwendig ist. Eine schlechtere Antwort führt schnell zu zusätzlichen Nachfragen und damit zu weiteren Rechenvorgängen.

7. Vermeiden Sie unnötige Wiederholungen

Ein effizienter Prompt ist nicht nur präzise, sondern führt möglichst direkt zum gewünschten Ergebnis. Wenn die erste Antwort nicht passt, hilft eine gezielte Nachbesserung oft mehr als eine komplett neue Anfrage.

Statt drei neuer Anfragen

Überarbeite deine vorige Antwort:
- kürze sie auf 80 Wörter,
- behalte alle Zahlen bei,
- entferne nur Wiederholungen.

So kann die bestehende Unterhaltung genutzt werden, anstatt die gesamte Aufgabe jedes Mal neu zu formulieren. Wie viel dadurch tatsächlich eingespart wird, hängt allerdings vom jeweiligen Dienst, Gesprächsverlauf und technischen System ab. Eine konkrete Einsparung lässt sich aus der Lancaster-Studie nicht ableiten.

Was die Studie konkret gezeigt hat

Die Untersuchung wurde mit Mistral 7B, Gemma 7B und Vicuna 7B auf einer NVIDIA-A100-GPU durchgeführt. Insgesamt wurden 297.000 Inferenzanfragen aus drei Aufgabenbereichen ausgewertet. Im Mittel unterschieden sich die Modelle beim gemessenen Energieverbrauch; unter den Studienbedingungen lag Mistral bei etwa 547 Joule, Gemma bei 727 Joule und Vicuna bei 700 Joule.

Die Ergebnisse gelten jedoch zunächst für genau diese Modelle, Aufgaben, Hardware und Messmethode. Die Studie erfasste den GPU-Energieverbrauch während der Inferenz – nicht automatisch den gesamten Energie- oder CO₂-Fußabdruck eines KI-Dienstes.

Fazit

Energieeffizientere Prompts bedeuten vor allem: klarer fragen, nur das Nötige anfordern und unnötig lange Antworten vermeiden.

Die wichtigsten Regeln lauten:

Antwortlänge sinnvoll begrenzen.
Ein klares Ausgabeformat vorgeben.
Die Aufgabe eindeutig beschreiben.
Nur notwendige Erklärungen anfordern.
Keine starren Energiesparwörter verwenden.
Relevanten statt maximalen Kontext übermitteln.
Wiederholungen und unnötige Neuanfragen vermeiden.

So können Sie KI-Anwendungen bewusster nutzen – ohne die Qualität der Ergebnisse zugunsten einer scheinbar einfachen, aber wissenschaftlich nicht abgesicherten Energiesparformel zu opfern.

Weiterführende Links:

Stuide: Green Prompting: Characterizing Prompt-driven Energy Costs of LLM Inference