Gemeinsam mit Thinkubator haben wir untersucht, was den berechneten Fußabdruck der Kalender-Übersetzung beeinflusst. Das Ergebnis fiel anders aus als erwartet und hilft uns heute bei neuen Produktentscheidungen.
Als wir begonnen haben, uns mit dem Energieverbrauch unserer Übersetzungsfunktion zu beschäftigen, hatten wir eine recht klare Vermutung: Ob ein KI-Modell in einem Rechenzentrum oder direkt auf dem Gerät läuft, müsste einen großen Unterschied machen.
Genau das wollten wir gemeinsam mit Thinkubator überprüfen. Das Ergebnis fiel anders aus als erwartet.
Was passiert bei der Übersetzung?
Der Independo Kalender macht Termine aus herkömmlichen Kalendern mithilfe von Symbolen verständlich. Ein Eintrag wie „Physiotherapie“ oder „Mittagessen“ wird verarbeitet und passenden Symbolen zugeordnet.
Dabei kommt nicht sofort ein Sprachmodell zum Einsatz. Das System prüft zunächst, ob eine passende Übersetzung bereits gespeichert ist. Danach folgt eine Vektorsuche: Sie sucht nach bereits bekannten, inhaltlich ähnlichen Einträgen. Erst wenn beides nicht ausreicht, wird ein kleines Sprachmodell verwendet.
Mit „Cloud“ meinen wir in diesem Vergleich unsere Server in einem Rechenzentrum in Frankfurt. Sowohl die Vektorsuche als auch das kleine Sprachmodell laufen dort. Daten werden dabei nicht an externe Anbieter wie Google, OpenAI oder Anthropic gesendet. Mehr dazu steht in unserem Beitrag Datenschutz in den Independo Apps und in den Informationen zur Datenverarbeitung.
Für das Projekt haben wir drei Varianten verglichen: Verarbeitung in der Cloud, eine Kombination aus Cloud und Endgerät sowie eine Variante, bei der die Verarbeitung hauptsächlich auf dem Gerät stattfindet.
Berücksichtigt wurden unter anderem die aktive Nutzung auf Smartphones, Tablets und anderen Geräten, Ladeverluste, die Grundlast unserer Server, die Kalendersynchronisierung und die Übersetzung selbst.
Die Berechnung bezieht sich auf ein aktives Kund:innenkonto pro Tag und auf den Stand von August 2026. Es handelt sich nicht um eine vollständige oder zertifizierte Ökobilanz. Wir wollten eine belastbare Grundlage für unsere Produktentscheidungen schaffen.
Anders als gedacht
In unserem berechneten Ausgangsszenario entstehen rund 70 Prozent des betrachteten Fußabdrucks während der Nutzung der App auf den Endgeräten. Knapp 30 Prozent entfallen auf die Server-Grundlast, etwa für Schnittstellen, Datenbank und regelmäßige Synchronisierung.
Die eigentliche serverseitige KI-Berechnung macht derzeit rund 0,2 Prozent des gesamten betrachteten Fußabdrucks aus.
Entsprechend klein ist bei unserem aktuellen Anfragevolumen der Unterschied zwischen Cloud-, Hybrid- und On-Device-Variante: Er liegt bei weniger als einem Zehntelprozent der Gesamtbetrachtung.
Das heißt nicht, dass KI grundsätzlich kaum Energie benötigt. Der Anteil ist in unserem Fall so klein, weil die Übersetzungsarchitektur die Zahl der Modellaufrufe niedrig hält.
Interessant war auch, wann diese Aufrufe entstehen. Rund 82 Prozent fallen beim erstmaligen Import eines Kalenders an. Im laufenden Betrieb tauchen viele ähnliche Titel auf. Übersetzungen für Begriffe wie „Zahnarzt“, „Mittagessen“ oder „Physiotherapie“ können deshalb häufig wiederverwendet werden.
Wo wir genauer hinschauen
Aus der Berechnung lässt sich keine allgemeingültige Antwort auf die Frage „Cloud oder Endgerät?“ ableiten. Dafür fehlen direkt vergleichbare Messungen des Energiebedarfs auf beiden Seiten. Bei der Entscheidung zählen außerdem Offline-Fähigkeit, Datenschutz und Geschwindigkeit.
Für unser bestehendes System zeigt die Untersuchung jedoch recht klar, wo die größeren Hebel liegen: bei der Server-Grundlast, der regelmäßigen Synchronisierung und der Verarbeitung großer Kalendermengen beim ersten Import.
Auch die Nutzungszeit auf dem Endgerät gehört zur Berechnung. Hier ist die Einordnung wichtig. Menschen verwenden den Kalender, um Termine und Tagesabläufe zu verstehen und selbst zu organisieren. Diese sinnvolle Nutzung möchten wir natürlich nicht verkürzen. Unsere Aufgabe ist es, die App technisch effizient zu betreiben und unnötige Prozesse zu vermeiden.
Ein Werkzeug, das bleibt
Für uns ist das wichtigste Ergebnis des Projekts das entstandene Bewertungstool.
Damit können wir neue KI-gestützte Funktionen schon vor der Entwicklung grob einschätzen: Wie viele zusätzliche Modellaufrufe wären nötig? Lassen sich Ergebnisse wiederverwenden? Wie groß ist das verwendete Sprachmodell? Entsteht durch die Funktion zusätzliche Bildschirmzeit?
Das ist wichtig, weil sich die heutigen Ergebnisse nicht einfach auf jede neue Funktion übertragen lassen. Eine Funktion, die häufig freie Texte verarbeitet, könnte den Zwischenspeicher beispielsweise deutlich weniger nutzen als wiederkehrende Kalendereinträge.
Das Tool zwingt uns dazu, solche Annahmen früh sichtbar zu machen. Es sagt uns nicht automatisch, welche Funktion wir bauen sollen. Es zeigt aber, wann wir genauer messen und verschiedene Umsetzungen vergleichen müssen.
Die Zusammenarbeit mit Thinkubator begann schon vor diesem Umweltcheck, zunächst mit vertauschten Rollen. Für Schulbildungsformate und das Climate Innovation Festival unterstützten Julia Kruselburger, Michel Höchtl und Konstantin Strümpf das Thinkubator-Team bei einfacher Sprache und inklusivem Eventdesign. Dabei lernten beide Teams voneinander. Aus diesem Austausch entstand die nächste gemeinsame Frage: Welche ökologischen Folgen haben neue Funktionen und Architekturentscheidungen bei Independo?
Begleitet wurde das Projekt von Alexandra Kick, Felix Ambros und Bastien Huber von Thinkubator.
Einige Werte werden wir mit neuen Daten weiter verbessern. Für künftige Produktentscheidungen haben wir aber schon jetzt etwas Wertvolles gewonnen: eine bessere Vorstellung davon, wo sich genaueres Hinschauen wirklich lohnt.
