
Green IT (Green Information Technology) umfasst die umweltverträgliche Gestaltung, Herstellung, Nutzung und Entsorgung von Computersystemen und IT-Infrastruktur. Da sich die digitale Transformation beschleunigt, ist der ökologische Fußabdruck der Technologie für Unternehmen auf der ganzen Welt zu einem kritischen Anliegen geworden.
Green IT (Green Information Technology) umfasst die umweltverträgliche Gestaltung, Herstellung, Nutzung und Entsorgung von Computersystemen und IT-Infrastruktur. Da sich die digitale Transformation beschleunigt, ist der ökologische Fußabdruck der Technologie für Unternehmen auf der ganzen Welt zu einem kritischen Anliegen geworden.
Die IT ist für etwa 2–4 % der weltweiten Kohlenstoffemissionen verantwortlich – vergleichbar mit der Luftfahrtindustrie. Rechenzentren verbrauchen etwa 1 % des weltweiten Stroms. Elektroschrott ist der am schnellsten wachsende Abfallstrom weltweit und erreicht jährlich über 60 Millionen Tonnen. Für IT-Experten ist das Verständnis und die Umsetzung nachhaltiger Praktiken nicht mehr optional – es ist eine berufliche Verantwortung und eine geschäftliche Notwendigkeit.
IT Carbon Emissions Breakdown:
──────────────────────────────────
Data Centers: 45% (cooling + compute)
End-user devices: 25% (laptops, phones, monitors)
Networks: 20% (routers, switches, cell towers)
Manufacturing: 10% (hardware production)
Source: Greenpeace, IEA, Uptime Institute 2025
| Aktivität | CO₂-Äquivalent | Vergleichbar mit |
|---|---|---|
| 1 Stunde Video-Streaming | 36g CO₂ | 200m fahren |
| 1 KI-Trainingseinheit (GPT-3) | 552 Tonnen CO₂ | Jahresenergie von 123 Haushalten |
| 1 Jahr E-Mail (1 Benutzer) | 136 kg CO₂ | 500 km Autofahrt |
| 1 Google-Suche | 0,2g CO₂ | ~0,02 % eines Cheeseburgers |
| 1 Stunde Videokonferenz | 150g-1kg CO₂ | 1-6 km Autofahrt |
| 1 TB in der Cloud gespeicherte Daten (1 Jahr) | 200 kg CO₂ | 1.000 km Flug |
Rechenzentren sind die größte Quelle von IT-Kohlenstoffemissionen. Ihre Optimierung bringt die größte Wirkung.
PUE ist die wichtigste Kennzahl für die Effizienz von Rechenzentren:
PUE = Total Facility Energy / IT Equipment Energy
Ideal PUE: 1.0 (all energy goes to IT)
Industry average: ~1.58
Best practice: <1.2
Leading hyperscalers: <1.1
PUE-Optimierungsstrategien:
| Strategie | PUE-Verbesserung | Implementierungskosten |
|---|---|---|
| Warm-/Kaltgangeinhausung | -0,15 bis -0,25 | Mittel |
| Ventilatoren mit variabler Geschwindigkeit | -0,10 bis -0,20 | Niedrig |
| Freie Luftkühlung | -0,20 bis -0,40 | Mittel |
| Flüssigkeitskühlung (Direct-to-Chip) | -0,30 bis -0,50 | Hoch |
| Tauchkühlung | -0,40 bis -0,60 | Hoch |
| KI-optimierte Kühlung | -0,10 bis -0,30 | Mittel |
Freie Luftkühlung: Außenluft verwenden, wenn Temperatur und Luftfeuchtigkeit dies zulassen:
cooling_strategy:
- condition:
outdoor_temp: "< 18°C"
action: "100% free air cooling (chillers off)"
energy_savings: "100% cooling energy"
- condition:
outdoor_temp: "18-25°C"
action: "Air-side economizer + partial chiller"
energy_savings: "60-80% cooling energy"
- condition:
outdoor_temp: "> 25°C"
action: "Full mechanical cooling"
energy_savings: "0% (baseline)"
Vergleich der Flüssigkeitskühlung:
| Typ | Wie es funktioniert | Energiereduzierung | Wasserverbrauch |
|---|---|---|---|
| Luftkühlung | Ventilatoren blasen Luft über Server | Grundlinie | Keine |
| Wärmetauscher an der Hintertür | Wassergekühlte Türen an den Gestellen | 30-40 % | Mäßig |
| Direkt zum Chip | Flüssigkeit kühlt CPU/GPU direkt | 50-60 % | Niedrig (geschlossener Regelkreis) |
| Eintauchen | Server in dielektrische Flüssigkeit getaucht | 80-95 % | Keine (geschlossener Kreislauf) |
| Strategie | Beschreibung | Kostenauswirkungen |
|---|---|---|
| PPA (Stromkaufvertrag) | Langfristiger Vertrag zum Kauf erneuerbarer Energie | Niedrigere langfristige Kosten |
| RECs (Zertifikate für erneuerbare Energien) | Erwerb von Zertifikaten zum Ausgleich des Verbrauchs | Premium auf Standardtarife |
| Generierung vor Ort | Sonnenkollektoren, Windkraftanlagen auf dem Anlagengelände | Hoher Vorabaufwand, geringer Betriebsaufwand |
| Kohlenstoffkompensation | Investieren Sie extern in Projekte zur CO2-Reduktion | Variabel |
Leitbeispiele:
# Inefficient — high CPU usage
def process_data(data):
result = []
for i in range(len(data)):
for j in range(len(data)):
result.append(data[i] * data[j])
return result
# Efficient — reduced computational complexity
def process_data_optimized(data):
# Use list comprehension (faster in Python)
# O(n²) to O(n) where possible
return [x * y for x in data for y in data]
Energieeffiziente Codierungspraktiken:
| Üben | Energieeinsparungen | Aufwand |
|---|---|---|
| Verwenden Sie effiziente Algorithmen (O(n) vs. O(n²)) | 50-90 % | Mittel |
| Zwischenspeichern von Daten, auf die häufig zugegriffen wird | 30-70 % | Niedrig |
| Lazy Loading (nur bei Bedarf berechnen) | 20-40 % | Niedrig |
| Verwenden Sie kompilierte Sprachen für rechenintensive Aufgaben | 30-60 % | Hoch |
| Reduzieren Sie die Serialisierung/Deserialisierung von Daten | 15-30 % | Mittel |
| Verwenden Sie Stapelverarbeitung anstelle von Echtzeit | 40-60 % | Mittel |
| Komprimieren Sie Daten während der Übertragung und Speicherung | 20-50 % | Niedrig |
Führen Sie Workloads aus, wenn die Kohlenstoffintensität am niedrigsten ist:
import requests
from datetime import datetime
def get_carbon_intensity(region: str) -> float:
"""Get current carbon intensity (gCO₂eq/kWh) for a region"""
response = requests.get(
f'https://api.carbonintensity.org.uk/regional/{region}',
timeout=5
)
return response.json()['data'][0]['intensity']['forecast']
def schedule_batch_job(job_function, max_intensity: float = 200):
"""Only run job when carbon intensity is below threshold"""
intensity = get_carbon_intensity('west-midlands')
if intensity <= max_intensity:
print(f"Intensity {intensity}g/kWh — running job now")
return job_function()
else:
# Reschedule for cleaner energy period
delay_hours = 4
print(f"Intensity {intensity}g/kWh — rescheduling in {delay_hours}h")
return schedule_job(job_function, delay=delay_hours)
| Anzeigetyp | Energieeinsparungen (dunkel vs. hell) |
|---|---|
| OLED (die meisten Smartphones) | 30-60 % bei maximaler Helligkeit |
| AMOLED (High-End-Telefone) | 40-70 % |
| LCD (die meisten Laptops) | 3-10 % |
| CRT (veraltet) | 50-70 % |
/* Prefer dark mode when system uses it */
@media (prefers-color-scheme: dark) {
:root {
--bg: #121212;
--text: #e0e0e0;
--primary: #90caf9;
}
}
# AWS Customer Carbon Footprint Tool
aws ce get-custom-metrics --region us-east-1
# Azure Emissions Impact Dashboard
# Available in Azure Portal under "Carbon Optimization"
# GCP Carbon Footprint
# BigQuery: carbon-footprint dataset
SELECT
project_id,
service.description,
SUM(carbon_footprint_kg_co2e) AS total_carbon_kg
FROM `region-us.INFORMATION_SCHEMA.CARBON_FOOTPRINT`
WHERE usage_month = '2026-05'
GROUP BY 1, 2
ORDER BY 3 DESC
| Üben | Beschreibung | Kohlenstoffreduzierung |
|---|---|---|
| Instanzen mit der richtigen Größe | Passen Sie die Instanzgröße an die Workload-Anforderungen an | 30-50 % |
| Automatische Skalierung verwenden | Skalieren Sie auf Null, wenn Sie es nicht benötigen | 40-80 % |
| Verwaiste Ressourcen löschen | Ungenutzte Volumes, Load Balancer, IPs | 5-15 % |
| Wählen Sie grüne Regionen | Regionen mit erneuerbarer Energie | 50-90 % |
| Spot/Preemptible verwenden | Nutzen Sie freie Kapazitäten für Batch-Jobs | 100 % (läuft bereits) |
| Serverlos | Keine ungenutzten Ressourcen | 40-90 % verkehrsabhängig |
| Graviton/ARM-Instanzen | Effizientere Prozessoren | 20-30 % |
# Find and delete unattached EBS volumes (wasted resources)
aws ec2 describe-volumes \
--filters Name=status,Values=available \
--query 'Volumes[*].[VolumeId,Size,State]' \
--output table
# Delete unused resources
aws ec2 delete-volume --volume-id vol-xxxxx
| Cloud-Anbieter | Grünste Regionen | Kohlenstoffintensität |
|---|---|---|
| AWS | eu-west-1 (Irland), eu-south-1 (Mailand), us-west-2 (Oregon) | 50-150 gCO₂/kWh |
| Azurblau | Zentralschweden, Ostnorwegen, Nordschweiz | 10-50 gCO₂/kWh |
| GCP | europa-west6 (Zürich), us-west1 (Oregon), belgien-zentral | 20-100 gCO₂/kWh |
Procurement → Use → Maintenance → Reuse → Recycle
│ │ │ │ │
│ │ │ │ └─ Material recovery
│ │ │ └─────────── Donation / resale
│ │ └────────────────────── Upgrades
│ └──────────────────────────────── Energy optimization
└─────────────────────────────────────────── Energy Star certified
| Zertifizierung | Kriterien | Gilt für |
|---|---|---|
| Energiestern | Energieeffizienz | Alle Geräte |
| EPEAT | Umweltauswirkungen über den gesamten Lebenszyklus | Elektronik |
| TCO-zertifiziert | Soziale und ökologische Verantwortung | IT-Produkte |
| 80 PLUS | Effizienz der Stromversorgung | Netzteile |
| Blauer Engel | Deutsches Umweltzeichen | Mehrere Kategorien |
Die Elektroschrott-Hierarchie:
e_waste_policy:
- "All electronic waste must be processed by certified recyclers (R2/e-Stewards)"
- "Data destruction required before disposal (DoD 5220.22-M standard)"
- "Batteries must be removed and recycled separately"
- "Track disposal with chain of custody documentation"
- "Annual e-waste audit and reporting"
Entwickelt von der Green Software Foundation:
SCI = (E × I) + M per R
Where:
E = Energy consumed by the software (kWh)
I = Carbon intensity of the energy source (gCO₂eq/kWh)
M = Embodied carbon of hardware (gCO₂eq)
R = Functional unit (per user, per request, per hour)
def calculate_sci(
energy_kwh: float,
carbon_intensity: float,
embodied_carbon: float,
functional_unit: str,
units: int
) -> float:
"""
Calculate Software Carbon Intensity score
Args:
energy_kwh: Energy consumed in kWh
carbon_intensity: gCO₂eq/kWh for the region
embodied_carbon: gCO₂eq for hardware manufacturing
functional_unit: e.g., 'per_user', 'per_request'
units: Number of functional units
Returns:
SCI score in gCO₂eq per functional unit
"""
operational = energy_kwh * carbon_intensity
total = operational + embodied_carbon
sci = total / units
return sci
# Example: Web API serving 10K requests
sci = calculate_sci(
energy_kwh=50,
carbon_intensity=200, # gCO₂/kWh
embodied_carbon=100000, # gCO₂ for server manufacturing
functional_unit='per_1000_requests',
units=10 # 10K / 1000
)
print(f"SCI: {sci:.2f} gCO₂eq per 1000 requests")
# Install Cloud Carbon Footprint (open-source)
npm install -g @cloud-carbon-footprint/cli
# Generate emissions report
ccf --aws --azure --gcp \
--startDate 2026-01-01 \
--endDate 2026-05-24 \
--outputFormat json \
--outputFile emissions-report.json
- [ ] Enable power management on all devices (sleep after 15 min idle)
- [ ] Turn off monitors and equipment at night
- [ ] Remove unnecessary browser tabs and background apps
- [ ] Use dark mode on OLED/AMOLED displays
- [ ] Delete unused cloud resources (volumes, IPs, load balancers)
- [ ] Reduce email attachments (use links instead)
- [ ] Unsubscribe from unnecessary mailing lists
- [ ] Close unused applications and background processes
- [ ] Implement autoscaling for cloud resources
- [ ] Rightsize over-provisioned instances
- [ ] Enable compression for data storage and transfer
- [ ] Implement caching to reduce computation
- [ ] Deploy monitoring for idle resources
- [ ] Upgrade to energy-efficient LED lighting in server rooms
- [ ] Implement hot/cold aisle containment in data centers
- [ ] Develop a green IT strategy with measurable targets
- [ ] Migrate to cloud regions powered by renewable energy
- [ ] Adopt liquid cooling or free air cooling in data centers
- [ ] Implement carbon-aware scheduling for batch workloads
- [ ] Transition to serverless/containerized architectures
- [ ] Establish an e-waste recycling program
- [ ] Purchase Energy Star/EPEAT certified equipment
- [ ] Consider carbon offsets for unavoidable emissions
- [ ] Report IT carbon emissions in annual ESG reports
Green IT ist sowohl eine ethische Verantwortung als auch eine Geschäftschance. Energieeffiziente Systeme kosten weniger im Betrieb. Nachhaltige Praktiken ziehen umweltbewusste Kunden und Mitarbeiter an. Der regulatorische Druck (EU Green Deal, SEC-Klimaoffenlegungsregeln) macht die CO2-Berichterstattung obligatorisch.
| Aktion | Kosteneinsparungen | Emissionsreduzierung |
|---|---|---|
| Cloud-Rightsizing | 30-50 % | 30-50 % |
| Automatische Skalierung | 40-80 % | 40-80 % |
| Servermigration zu ARM | 20-30 % | 20-30 % |
| Optimierung der Kühlung von Rechenzentren | 20-40 % | 20-40 % |
| Recycling von Elektroschrott | Einnahmen aus der Materialverwertung | 100 % (im Vergleich zur Deponie) |
Jedes eingesparte Watt und jedes recycelte Gerät trägt zu einer nachhaltigeren digitalen Zukunft bei.
Noch keine freigegebenen Kommentare sichtbar. Neue Antworten können moderiert werden.