Neuanfang oder Weltende: Künstliche Intelligenz und Nachhaltigkeitsforschung für die Digital Humanities

Shownotes

Künstliche Intelligenz (KI) und Nachhaltigkeitsforschung sind zwei sich rasch entwickelnde Gebiete, die dadurch bemerkenswert verschränkt sind, dass einige in der KI durch Effizienzsteigerungen Lösungen für die Klimakrise sehen, andere die großen KI-Modelle als unnötige Verschwender unserer verbleibenden Ressourcen betrachten.

In den letzten Jahren ist die Forschung zu Sustainable ICT (nachhaltige Informations- und Kommunikationstechnologie), die sich grundsätzlich dem ökologischen Fußabdruck digitaler Technologien widmet, auf die Betrachtung der generativen Künstlichen Intelligenz aufmerksam geworden, die in den Ländern des globalen Nordens einen – wie es scheint – unaufhaltsamen Einzug hält. Klassische Methoden der Lebenszyklusanalyse, die bereits für andere ICT-Bereiche eine Herausforderung darstellen, ermöglichen eine Einschätzung einzelner Aspekte (Wasserverbrauch, Stromverbrauch, Einfluss auf die Biodiversität), stoßen aber an die Grenzen nicht nur der systemischen Verbreitung generativer KI, sondern auch der wirtschaftlichen Alleinstellungsmerkmale der heutigen KI-Ökonomie. Wie hoch ist der Verbrauch von KIs in den verschiedenen Forschungsfeldern? Lassen sich Verbräuche auf einzelne Projekte oder Nutzende herunterbrechen? Wie berechnet man die Trainingsphase oder die massenhafte Datensammlung, die dem Training vorhergeht?

Die Digital Humanities (DH) haben immer ein zwiespältiges Verhältnis zu wissenschaftlichen Fortschritten gehabt, die verstärkt durch kommerzielle Akteure vorangetrieben werden: Einerseits gilt es, wissenschaftliche Erkenntnisse zu fördern, andererseits sollen diese ethisch vertretbar sein. Generative KI stellt in dieser Hinsicht eine massive Herausforderung dar. Neben Fragen der Globalisierung, der Output-Halluzinationen, des Mangels an der nötigen digital literacy, um mit KI-erzeugten Ergebnissen kritisch umzugehen, wird die Frage nach dem ökologischen Fußabdruck von generativer KI zu selten in den Vordergrund gestellt.

Diese Folge versteht sich als Entscheidungshilfe für DH-Forscher*innen, die sich fragen, wie hoch der Fußabdruck der projektbezogenen KI-Nutzung ist und wie dieser berücksichtigt werden kann. Das Interview mit den zwei Experten Daniel Schien (Sustainable ICT) und Oliver Eberle (KI) durchläuft Schritt für Schritt alle Etappen der Konzeption und Realisierung einer wissenschaftlichen digitalen Edition und analysiert für jede Etappe die einschlägigen Elemente. Die beiden Interviewpartner geben Ratschläge aus der eigenen wissenschaftlichen Praxis und reflektieren die Maßstäbe aus ihren jeweiligen Fachcommunities in der Hoffnung, dass diese Fragestellungen auch im DH-Kontext breiter thematisiert werden.

Time Stamps:

• (00:00 – 01:08) Intro
• (01:08 – 04:15) Einleitung und Begrüßung
• (04:15 – 08:11) Large Language Models in den Digital Humanities
• (08:11 – 14:53) Fußabdruck digitaler Technologien in einer digitalen Edition
• (14:53 – 22-34) Lebensdauer von LLMs, Fußabdruck und Nachhaltigkeitsstrategien
• (22-34 – 26:11) Soll ich ein eigenes Modell trainieren oder ein existierendes nutzen?
• (26:11 – 29:11) Umsetzung in der Projektpraxis
• (29:11 – 42-45) Allokationsberechnung, auch in DH-Kontexten
• (42:45 – 52:23) DH-Projektplanung mit LLMs
• (52:23 – 53:36) Outro

Credits

Moderation, Interview und Aufnahmen: Anne Baillot, David Lassner.
Autor*innen der Folge: Anne Baillot, David Lassner.
Im Gespräch: Daniel Schien, Oliver Eberle.
Audioproduktion: Anne Baillot, David Lassner.
Graphik: Sara-Lee Nußbaum (basierend auf einem Foto von David Lassner).

Bibliographie

1. Bluhm, Hannes, Daniela Wohlschlager, Johanna Pohl, Severin Beucker, Jan Bieser, Daniel Schien, Kelly Widdicks, Adrian Friday und Gordon Shaw Blair. „Understanding Digitalization‘s Environmental Impact: Why LCA is essential for informed Decision-Making.“ npj Climate Action 4, Nr. 1 (2025): Artikel 41. https://doi.org/10.1038/s44168-025-00246-1.
2. Dhar, Payal. „The Carbon Impact of Artificial Intelligence.“ Nature Machine Intelligence (2020): 423–425. https://doi.org/10.1038/s42256-020-0219-9.
3. El-Hajj, Hassan, Oliver Eberle, Anika Merklein, Anna Siebold, Noga Shlomi, Jochen Büttner, Julius Martinetz , Klaus-Robert Müller, Grégoire Montavon und Matteo Valleriani. „Explainability and Transparency in the Realm of Digital Humanities: Toward a Historian XAI.“ International Journal of Digital Humanities 5, Nr. 2 (2023): 299–331. https://doi.org/10.1007/s42803-023-00070-1.
4. Guest, Olivia, Marcela Suarez, Barbara C. N. Müller, Edwin van Meerkerk, Arnoud Oude Groote Beverborg, Ronald de Haan, Andrea Reyes Elizondo, Mark Blokpoel, Natalia Scharfenberg, Annelies Kleinherenbrink, Ileana Camerino, Marieke Woensdregt, Dagmar Monett, Jed Brown, Lucy Avraamidou, Juliette Alenda-Demoutiez, Felienne Hermans und Iris van Rooij. „Against the Uncritical Adoption of ‚AI‘ Technologies in Academia.“ Zenodo, 2025. https://doi.org/10.5281/zenodo.17065099.
5. Verdecchia, Robert, June Sallou und Luís Cruz. „A Systematic Review of Green AI.“ WIREs Data Mining and Knowledge Discovery 13, Nr. 4 (2023), Artikel e1507. https://doi.org/10.1002/widm.1507.
6. Ren, Shaolei, Bill Tomlinson, Rebecca W. Black und Andrew W. Torrance. „Reconciling the contrasting Narratives on the environmental Impact of Large Language Models. Scientific Reports 14, Nr. 1 (2024), Artikel 26310. https://doi.org/10.1038/s41598-024-76682-6.

Besondere Verweise

1. Melusina Press. „Startseite.“ Aufgerufen am 15. Mai 2025. https://www.melusinapress.lu.