Willkommen zum Release v2026.08v2026.09!
Willkommen zurück aus dem Sommerloch ☀️🕳️
Nachdem wir die letzte Hitzewelle in eine kurze Sommerpause geritten haben, melden wir uns wieder zurück mit einigen Worten zum Thema nachhaltige KI-Nutzung + praktischen Tools um den eigenen Verbrauch zu verringern!
KI-generierte Inhalte verbrauchen Strom und Wasser und unterschiedlich komplexe Anfragen verbrauchen unterschiedlich viele Tokens, also den Preis für eine Anfrage.
Wenn wir also sagen, die beste KI ist die, die wir nicht nutzen, meinen wir auch, wir sollten KI gewissenhafter nutzen.
Denn nicht jede Aufgabe braucht das größte Modell, nicht jeder Prompt braucht den vollen Kontext und vor allem: Nicht jedes Problem braucht überhaupt KI (looking at you, der du 4-mal am Tag Gemini fragst, wie man ein Käsebrot macht).
Doch es gibt Bestrebungen aus allen Richtungen, KI-Nutzung effizienter und sparsamer zu gestalten, und heute wollen wir euch einige dieser Möglichkeiten vorstellen.
In dieser Ausgabe
- 🤖 3 Ansätze für sparsamere KI: Headroom, Kimi K3 und TOON zeigen, wie es geht
- 🌳 aim2balance: Eine grüne KI aus Deutschland?
- 🎓 Unsere AI Academy: Wir zeigen Teams, wie sie KI sicher und effizient nutzen
- ✨ Centigrade Website renewed: Wir haben unsere Website neu aufgesetzt!
- ✏️ Centigrade Recommends: Hank Green – Unfortunately, you need to know what the Jevons Paradox is
Bis zum nächsten Release,
Dein Centigrade Team 💙
3 Ansätze für sparsamere KI
Diese drei Entwicklungen zeigen, dass Ressourcenschonung bei KI kein Nice-to-have mehr ist, sondern zum Wettbewerbsfaktor wird.
Headroom: weniger füttern, gleich gut verstehen
Ein Netflix-Engineer hat mit Headroom ein Tool open-sourced, das sich als lokaler Proxy vor Werkzeuge wie Claude, Cursor oder Codex schaltet und den Kontext komprimiert, bevor er das Modell erreicht, mit spezialisierten Verfahren für JSON, Code oder Tool-Ausgaben. Die Versprechen liegen bei 60 bis 95 Prozent weniger Input-Tokens, bei vergleichbarer Antwortqualität. Klar ist aber auch: Kompression ist keine Magie. Komplexe Reasoning-Aufgaben können unter fehlendem Kontext leiden, und ob sich der Proxy-Overhead lohnt, muss man im eigenen Setup testen. Der Gedanke dahinter bleibt trotzdem bemerkenswert!
Kimi K3: Effizienz als Statement
Auch aus China kommt gerade ein Signal in dieselbe Richtung: Mit Kimi K3 hat Moonshot AI ein offenes Modell veröffentlicht, das über architektonische Neuerungen gezielt an Recheneffizienz arbeitet und teils sogar auf schwächerer Hardware lief als vergleichbare Systeme. Das ändert einiges am Bild, das man von chinesischen KI-Entwicklungen bislang oft hatte: Es geht längst nicht mehr nur um „schneller, größer“, sondern zunehmend auch um „sparsamer“.
TOON: schlankere Daten, made in Leipzig
Wer heute JSON an ein Sprachmodell schickt, verschwendet oft Tokens für Klammern, Anführungszeichen und wiederholte Keys – reine Strukturkosten ohne inhaltlichen Mehrwert. Genau da setzt TOON (Token-Oriented Object Notation) an: ein kompaktes, verlustfreies Format, das JSON-Daten mit YAML-artiger Einrückung und CSV-artigen Tabellenstrukturen kombiniert und dabei 30 bis 60 Prozent Tokens einspart. Entwickelt wurde es von Johann Schopplich aus Leipzig. Ein schönes kleines Gegenbeispiel dazu, dass die relevanten KI-Infrastruktur-Ideen nicht zwangsläufig aus dem Silicon Valley kommen müssen.
aim2balance: Grüne KI aus Deutschland?
Während Headroom, TOON und Kimi K3 auf der technischen Ebene ansetzen, geht aim2balance.ai einen anderen Weg: Das Projekt versteht sich als „AI Green Layer“ und wurde 2025 ohne Investoren oder Venture-Capital-Druck im Rücken von der Umweltschutz-NGO Bergwaldprojekt e.V. gemeinsam mit einem Expertenteam entwickelt. Der Ausgangspunkt ist dabei, dass KI Wissen demokratisieren und beim Lösen komplexer Probleme helfen kann, aber auch wachsenden Ressourcenverbrauch, Macht- und Datenkonzentration bei wenigen Konzernen sowie Risiken für Aufmerksamkeit, Urteilsfähigkeit und Selbstbestimmung mit sich bringt.
aim2balance.ai will genau diesen Spagat auflösen: leistungsfähige KI, die Mensch, Daten und Umwelt gleichermaßen respektiert. Für rund 5 Euro im Monat gibt es etwa 15 Prompts täglich, bewusst begrenzt statt unbegrenzt skaliert. Ein Beispiel dafür, dass Ressourcenschonung nicht nur eine Frage der Architektur ist, sondern auch davon, wer die Regeln aufstellt und warum.
Wir machen Teams zu KI-Profis
Unsere AI Academy: KI sicher und effizient einsetzen lernen
Wie man KI gezielt und an den richtigen Stellen einsetzt, statt sie überall gleichermaßen draufzuwerfen, vermitteln wir auch in unserer AI Academy. Modellunabhängig, praxisnah und mit demselben Prinzip im Kern, das wir mit „Agents on Rails“ schon beschrieben haben: kontrollierter Einsatz statt Brute Force, gezielte Prompts statt Tokenverschwendung.
Centigrade Recommends
Unfortunately, You Need to Know What the Jevons Paradox is – Hank Green
Bevor wir uns zu sehr auf die Schulter klopfen, wie ressourcenschonend KI gerade wird, lohnt sich ein Blick auf das Jevons-Paradox: Historisch führten Effizienzgewinne – etwa bei der Dampfmaschine – nicht zu weniger, sondern zu mehr Verbrauch, weil sich auf einmal neue Möglichkeiten für die Nutzung dieser Technologie eröffnen. Hank Green nimmt genau dieses Muster auf humorvolle Weise auseinander und stellt die Frage, ob sparsamere KI-Modelle den Gesamtverbrauch wirklich senken oder am Ende nur dazu führen, dass wir noch mehr davon nutzen. Eine gute Gegenposition zur reinen „Effizienz löst alles“-Erzählung.
Centigrade mit neuer Website
So ganz still war es bei uns in der Sommerpause nun doch nicht, im Gegenteil eigentlich, denn wir haben unsere Website neu released 🎉 Dabei haben wir sie nicht nur visuell besser an unseren Brand angepasst, sondern den Stack von Grund auf neu gedacht. Insbesondere auf unsere neue Academy-Seite lohnt es sich, einen Blick zu werfen. Wir sind super stolz auf unser Team, das trotz Hitze diesen Meilenstein mit halbwegs kühlem Kopf über die Bühne bringen konnte 😎