Mobile-Menu

Nachhaltige KI-Nutzung Energielabel macht KI (gefühlt) schlechter

Von Berk Kutsal 2 min Lesedauer

Anbieter zum Thema

Universität der Bundeswehr München
Fachhochschule Frankfurt University of Applied Sciences
Board Deutschland GmbH
INFOMOTION GmbH
Fivetran Germany GmbH

Wer Nutzern zeigt, wie viel Strom ein KI-Modell verbraucht, beeinflusst damit auch ihre Qualitätswahrnehmung, selbst wenn beide Modelle technisch identisch sind. Was eine neue Studie über Energiekennzeichnung herausfand, hat direkte Konsequenzen für KI-Deployments im Unternehmen.

Gleiche KI, anderes Label und plötzlich fühlt sich die Antwort schlechter an.(Bild: KI-generiert)
Gleiche KI, anderes Label und plötzlich fühlt sich die Antwort schlechter an.
(Bild: KI-generiert)

Forscher der Frankfurt University of Applied Sciences (Frankfurt UAS) und der Universität der Bundeswehr (UniBw) München haben untersucht, was passiert, wenn Nutzer beim Einsatz von KI-Modellen Informationen über deren Energieverbrauch erhalten.

Prof. Dr. Michael Klesel.(Bild: Privat)
Prof. Dr. Michael Klesel.
(Bild: Privat)

Die empirische Studie „Good for the Planet, Bad for Me? Intended and Unintended Consequences of AI Energy Consumption Disclosure“ habe laut Studienautor Prof. Dr. Michael Klesel von der Frankfurt UAS deutlich gezeigt, „dass Transparenz über den Energieverbrauch von KI-Modellen ein wirksamer Hebel sein kann, Nutzende zu nachhaltigeren Entscheidungen zu bewegen“.

Die Entscheidung

369 Probanden, aufgeteilt in zwei Gruppen, konnten zwischen zwei fiktiven Modellen wählen: einem leistungsstarken LLM (5 von 5 Sternen) und einem energieeffizienten SLM (3 von 5 Sternen). Der Unterschied: Eine Gruppe sah nur die Leistungsbewertung, die andere Gruppe zusätzlich ein EU-Energielabel-ähnliches Rating : das LLM mit Klasse F, das SLM mit Klasse B. Ohne Energiehinweis entschieden sich 95,3 Prozent für das LLM. In der Gruppe mit Label wählten 39,3 Prozent das sparsamere Modell. Die Wahrscheinlichkeit, das SLM zu wählen, stieg durch das Label um mehr als das Zwölffache.

Der Placebo-Effekt

Beide Modelle liefen im Hintergrund auf derselben Basis: GPT-4o mini. Der einzige Unterschied lag im Label. Trotzdem bewerteten Nutzer, die das vermeintliche SLM nutzten, ihre Zufriedenheit und die wahrgenommene Antwortqualität signifikant schlechter. Das Label allein veränderte die Erwartungshaltung und damit die subjektive Erfahrung. Das Nutzungsverhalten selbst blieb dagegen unverändert: Anzahl und Länge der Prompts unterschieden sich zwischen beiden Gruppen nicht.

Prof. Dr. Uwe Messer.(Bild: Viktor Smidt PhotographyViktor Smidt Photography)
Prof. Dr. Uwe Messer.
(Bild: Viktor Smidt PhotographyViktor Smidt Photography)

Klesel sieht darin einen grundlegenden Zielkonflikt: „Wenn ein Modell als weniger leistungsfähig präsentiert wird, wird es auch so wahrgenommen – selbst wenn es technisch identisch ist.“ Sein Co-Autor Prof. Dr. Uwe Messer von der UniBw ergänzt, die Studie mache „den Zielkonflikt zwischen Nachhaltigkeit und Nutzererlebnis sichtbar. Energiehinweise fördern zwar umweltfreundliches Verhalten, können aber durch veränderte Erwartungen die Zufriedenheit und Qualitätswahrnehmung mindern.“

Für Unternehmen, die KI-Assistenten intern bereitstellen, sei das ein konkretes Designproblem: Wer Energieeffizienz kommuniziert, riskiert, dass Nutzer kleinere Modelle automatisch schlechter einschätzen, unabhängig von der tatsächlichen Leistung. Die Autoren schlagen als Gegenmaßnahmen vor, Stärken des SLM aktiv zu kommunizieren („optimiert für präzise Antworten“) oder das sparsamere Modell schlicht als Standard zu setzen.

Die Studie wurde auf der CHI-Konferenz in Barcelona präsentiert und zählt zu den Top 5 Prozent der eingereichten Beiträge.

(ID:50813464)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte