Nachhaltigkeitsteams sind an ihrer Belastungsgrenze. Sie kümmern sich um alles – von Berichterstattung und Compliance bis hin zur Entwicklung verantwortungsvoller Beschaffungsstrategien und der Datenerfassung aus unzähligen Quellen. Selbst bei großen Marken sind diese Teams oft klein und verbringen mehr Zeit mit der Arbeit in Tabellenkalkulationen, als dass sie die bedeutungsvollen Nachhaltigkeitsstrategien vorantreiben, die sie ursprünglich umsetzen wollten. Kein Wunder, dass das Versprechen hocheffizienter KI so verlockend ist.

Branchenexperten zufolge kann KI den Druck sowohl auf Nachhaltigkeitsteams als auch auf ihre Lieferkettenpartner verringern, indem sie Umweltberichterstattung automatisiert, die Datenqualität verbessert, Informationen für verschiedene Bedürfnisse neu formatiert und die Rückverfolgbarkeit überprüft. KI bietet auch potenzielle Effizienzgewinne innerhalb der Lieferkette selbst, etwa durch intelligenteren Materialeinsatz und genauere Nachfrageprognosen. "KI hilft Nachhaltigkeitsteams definitiv bei der Berichterstattung und ermöglicht es ihnen, sich mehr auf strategische Programme als auf Compliance zu konzentrieren", sagt Annie Agle, Vizepräsidentin für Wirkung und Nachhaltigkeit bei der Outdoor-Marke Cotopaxi.

Doch es gibt einen Vorbehalt. Die tatsächliche Umweltauswirkung des Einsatzes von KI auf Unternehmensebene ist weitgehend unklar. Ohne sorgfältige Überwachung könnten Marken unbeabsichtigt ihren CO2-Fußabdruck durch genau die Technologie vergrößern, die ihn reduzieren soll.

"Die Vorteile sind klar, aber wir wissen auch, dass es negative Auswirkungen gibt, die noch nicht vollständig verstanden sind", bemerkt Agle. "Wir wissen noch nicht, wie sich dieser digitale Fußabdruck auf unsere Treibhausgasmessungen auswirkt."

Um zu erfahren, wie Nachhaltigkeitsteams KI integrieren und mit diesen Unsicherheiten umgehen, sprach Vogue Business mit einer Auswahl von Marken unterschiedlicher Größe und Marktsegmente. Während einige KI seit Jahren nutzen, experimentieren andere noch, doch alle sind sich einig, dass KI in ihren künftigen Abläufen eine Rolle spielen wird.

Wie Nachhaltigkeitsteams KI nutzen

H&M berichtet, KI in seiner gesamten Lieferkette, Logistik, im Marketing, Vertrieb und Kundenerlebnis einzusetzen. Die Marke erklärt, KI unterstütze ihr Ziel, nur das zu produzieren, was verkauft wird, indem sie Produktionsmengen, Verkaufsstandorte und Zeitpunkt optimiere. "Dies wirkt sich positiv auf Ressourcennutzung, Lagerbestand, Rohstoffe und Emissionen aus", so H&M.

Die Luxusgruppe Kering, zu der Marken wie Gucci und Balenciaga gehören, ernannte im März 2026 Pierre Houlès zum Chief Digital, AI and IT Officer. Das Unternehmen setzt KI seit mehreren Jahren in ausgewählten Häusern ein. Wie H&M nutzt Kering analytische KI, um die Nachfrage zu prognostizieren und die Lagerbestände für jedes Produkt zu optimieren, so Marie-Claire Daveu, Chief Sustainability and Institutional Affairs Officer. Ähnlich wie Cotopaxi setzt es KI auch ein, um die Berichterstattung zu automatisieren und deren Zuverlässigkeit zu verbessern, mit Tools, die automatisch Daten von Kering-Standorten sammeln und intelligent korrigieren. Auf der Produktentwicklungsebene hat Kering's in Italien ansässiges Material Innovation Lab – das nachhaltigere Materialien erforscht – einen Eco-Design-KI-Agenten entwickelt, der Design-Teams technische Anleitung bietet. Dies hilft, oft getrennte Design- und Nachhaltigkeitsteams zu verbinden und sicherzustellen, dass die Arbeit der einen Gruppe nicht die Ziele der anderen untergräbt.

Während H&M und Kering KI seit mehreren Jahren in Kernprozesse integriert haben, nutzen andere Marken sie hauptsächlich, um Arbeitslasten zu verringern. "Was KI betrifft, befinden wir uns noch in der frühen Explorationsphase", sagte Everlane-CEO Alfred Chang in einer Stellungnahme gegenüber Vogue Business. "Wir konzentrieren uns darauf, wie sie interne Tagesabläufe unterstützen und Zeit sparen könnte."H&M SS26.
Foto: Mit freundlicher Genehmigung der H&M Group

Agle merkt an, dass ihr kleines Team KI nutzt, um Rohdaten von Lieferanten in Treibhausgas (THG)-Messungen umzuwandeln, Daten für verschiedene Berichte neu zu formatieren und Visualisierungen zu erstellen, die dem größeren Team helfen, die Unternehmensauswirkungen zu verstehen. "Es hilft wirklich bei der Produktivität. Ich denke definitiv, dass Unternehmen, die KI nicht einführen, kommerziell Schwierigkeiten haben werden, wettbewerbsfähig zu bleiben", sagt sie.

Maximilien Abadie, stellvertretender CEO des französischen Technologieunternehmens Lectra, stimmt dem zu. Lectra bietet KI-Lösungen an, die Modemarken helfen, Nachhaltigkeitsziele zu erreichen, wie die Überprüfung von Rückverfolgbarkeitsdaten und die Optimierung des Zuschnitts von Stoffen, um Überbestellungen zu reduzieren. Aber Abadie glaubt, dass die größte Chance in der Verkürzung der Time-to-Market liegt. "Die Herausforderung für jedes Modeunternehmen ist, wie man in einer Welt voller täglicher Störungen und Unsicherheiten wettbewerbsfähig bleibt, in der man nicht vorhersagen kann, was in drei oder sechs Monaten passieren wird. Man muss zur richtigen Zeit mit dem richtigen Produkt, zum richtigen Preis, in der richtigen Menge für den richtigen Verbraucher präsent sein."

Maximilien Abadie, stellvertretender CEO des französischen Technologieunternehmens Lectra.
Foto: Mit freundlicher Genehmigung von Lectra

Während KI eingesetzt wird, um Abfall zu reduzieren und Lieferketten zu optimieren, wird sie auch weit verbreitet für kommerzielle und kreative Zwecke eingesetzt. "Seit 2018 haben wir mehr als 15 interne Machine-Learning-Plattformen entwickelt, alle mit dem Ziel, Kreativität, Effizienz und Kundenservice zu verbessern", sagt Jordi Alex, Chief Information Technology Officer beim spanischen Einzelhändler Mango.

Laut Alex hat Mango die meisten dieser Plattformen intern entwickelt. Dazu gehört sein KI-Assistent Iris, der über 7,5 Millionen Kundenanfragen pro Jahr bearbeitet. Ein weiteres Tool, Gaudi, nutzt Kundennavigations- und Kaufdaten, um personalisierte Produktempfehlungen zu generieren. Mango nutzt auch generative KI, um Kampagnen- und Kollektionsbilder zu erstellen. Diese umfangreichen Anwendungen jenseits der Nachhaltigkeit erhöhen die Dringlichkeit für Marken, die zugrundeliegenden Umweltauswirkungen von KI zu untersuchen.

Ein KI-generiertes Kampagnenbild für Mango Teen.
Foto: Mit freundlicher Genehmigung von Mango und generiert durch KI

Unbekannte Auswirkungen

Es ist allgemein anerkannt, dass das KI-Wachstum die Nachfrage nach Energie und Wasser erhöht hat, wobei Letzteres zur Kühlung von Rechenzentren dient. Eine Studie von 2025 in Nature stellte fest, dass KI-Server allein in den USA bei aktuellen Wachstumsraten 24–44 Millionen Tonnen Kohlendioxid (CO₂) erzeugen würden – was der Hinzufügung von 5–10 Millionen Autos auf US-Straßen entspricht. Ihr jährlicher Wasser-Fußabdruck liegt zwischen 731 und 1.125 Millionen Kubikmetern, ein Problem, das dadurch verschärft wird, dass viele Rechenzentren in einigen der trockensten Regionen der Welt liegen. Im April 2025 berichtete die Internationale Energieagentur (IEA), dass Rechenzentren 2024 1,5 % des globalen Energieverbrauchs ausmachten, ein Wert, der bis 2030 auf 3 % steigen soll.

Während Rechenzentren mehr als nur KI unterstützen, wird prognostiziert, dass KI-Workloads bis 2030 die Hälfte aller Rechenzentrumskapazitäten ausmachen werden, was ihren erheblichen und wachsenden Energiebedarf unterstreicht. Das US-amerikanische KI-Unternehmen Anthropic hat anerkannt, dass die für seine Technologie erforderliche Netzwerkkapazität und das Wachstum der Rechenzentren die Strompreise für Verbraucher erhöhen werden, und hat erklärt, dass es die damit verbundenen Infrastrukturkosten übernehmen wird. Das Unternehmen reagierte nicht auf Kommentaranfragen.

Während breitere Prognosen möglich sind, ist die Berechnung der Auswirkungen von KI auf Unternehmensebene viel schwieriger. "Es wird sehr kompliziert sein, die Auswirkungen von KI als Nicht-KI-Unternehmen zu verstehen. Wenn es Ihr eigener Service ist und Sie die Rechenzentren besitzen, können Sie den Strom- und Wasserverbrauch für die Kühlung zählen", sagt Cotopaxis Agle. Aber für eine Modemarke, die nicht die gesamte zugrundeliegende Infrastruktur kontrolliert, bleibt die Bewertung des vollständigen Fußabdrucks eine Herausforderung.Es ist äußerst schwierig, eine genaue Zahl dafür zu ermitteln, wie jeder einzelne Mitarbeiter KI nutzt, ob er E-Mails mit ChatGPT schreibt oder Daten mit internen Tools sammelt. Diese Berechnung hängt auch davon ab, dass KI-Unternehmen ihre eigenen Auswirkungen messen und validieren, damit Dritte die Daten nutzen können. Allerdings haben große Player wie OpenAI, Perplexity und Anthropic bisher keine Emissionsdaten öffentlich bekannt gegeben, und keiner reagierte auf Kommentaranfragen.

"Es wird für ein Nicht-KI-Unternehmen sehr kompliziert sein, die Auswirkungen von KI zu verstehen. Wenn es Ihr eigener Service ist und Sie die Rechenzentren besitzen, können Sie den Strom- und Wasserverbrauch für die Kühlung zählen", sagt eine Expertin.

Kering gibt an, die Umweltauswirkungen von KI über seine IT-Aktivitäten hinweg genau zu überwachen, einschließlich Rechenzentren und Cloud-Nutzung, und merkt an, dass IT weniger als 2 % seines gesamten CO2-Fußabdrucks ausmacht. Unter den kontaktierten Unternehmen war Kering das einzige, das einen Überblick über seine Minderungsstrategie teilte: Priorisierung einfacher, ressourceneffizienter Modelle und Zusammenarbeit mit Technologiepartnern, um Dekarbonisierung zu unterstützen und die Transparenz der CO2-Berichterstattung zu verbessern.

Kering gab die Quelle seiner Daten nicht an, und derzeit gibt es keine standardisierten Metriken. Um vergleichbare Bewertungen in Zukunft zu ermöglichen, fordert die Coalition for Sustainable AI – initiiert von der französischen Regierung, dem UN-Umweltprogramm (UNEP) und der Internationalen Fernmeldeunion (ITU) – eine globale Standardisierung. Als Schritt in diese Richtung veröffentlichte die ITU im Februar 2026 Richtlinien zur Bewertung und Minimierung der Umweltauswirkungen von KI-Systemen. Zusätzlich veröffentlichte die Taskforce on Nature-related Financial Disclosures (TNFD) im Januar 2026 einen Entwurf für sektorspezifische Leitlinien für den Technologie- und Kommunikationssektor, um Organisationen bei der Bewertung ihrer naturbezogenen Abhängigkeiten, Auswirkungen, Risiken und Chancen zu helfen. Dies sind erste Schritte hin zu einem standardisierten System, ähnlich denen, die für die Berichterstattung über Produktions- oder Transportauswirkungen verwendet werden.

Bis robuste Rahmenwerke etabliert und weit verbreitet sind, müssen Marken ihren eigenen Weg finden. In Ermangelung globaler Standards zur Berechnung des KI-Fußabdrucks plant Cotopaxi, grobe Schätzungen zu verwenden, um seine Auswirkungen zu verstehen. "Schritt eins ist, unsere Nutzung zu verstehen. Welche Verträge haben wir mit einem KI-Anbieter? Welche Art von Nutzung sehen wir bei den Mitarbeitern? Wenn wir eine bestimmte Anzahl von Mitarbeitern haben, die ein Tool wie Claude nutzen, und Claude einen Satz von Emissionen meldet, welchen Prozentsatz davon besitzen wir? Es wird herausfordernd sein, das zu messen, aber wir müssen es versuchen", sagt Agle von Cotopaxi.

Vom Messen zum Mindernden

Für Cotopaxi ist die Messung der Auswirkungen der erste Schritt zur Erstellung einer verantwortungsvollen KI-Politik. Einige Marken haben solche Richtlinien bereits umgesetzt. H&M entwickelte 2018 einen verantwortungsvollen KI-Rahmen, während die KI-Einführung bei Mango von einem Lenkungsausschuss geleitet wird. "Durch zentralisierte Governance, Schulungen und Programme wie KI Champions – interne Botschafter, die die Einführung unterstützen und Best Practices teilen – stellen wir sicher, dass KI korrekt eingeführt wird und unseren Mitarbeitern hilft, ihr Potenzial zu entfalten", sagt ein Mango-Vertreter. Viele bestehende Richtlinien konzentrieren sich jedoch eher auf die Ethik der KI, wie Sicherheit, Anti-Bias und Transparenz, als auf Umweltfaktoren.

Der allgemeine Rahmen des französischen Ministeriums für ökologischen Wandel für sparsame KI-Nutzung zielt darauf ab, diese Lücke zu schließen, indem er Leitlinien zu Best Practices und zur Umsetzung bietet...Vom Messen zum Mindernden schlägt das Ministerium vor, dass Marken mehrere Schritte in Betracht ziehen. Sie können hinterfragen, ob KI für bestimmte Aufgaben wirklich benötigt wird, KI-Trainings zu Zeiten planen, in denen Rechenzentren auf erneuerbare Energien angewiesen sind, präzise, hochwertige Trainingsdaten verwenden, um den Rechenbedarf zu reduzieren, und erkunden, ob ein weniger energieintensives KI-Modell effektiv sein könnte.

Während große, vielseitige KI-Plattformen, die von Rechenzentren betrieben werden, üblich sind, gibt es Alternativen. Das in Großbritannien ansässige Literal Labs, ein Spin-off der Newcastle University, konzentriert sich auf die Erstellung effizienter KI-Modelle, die keine teuren, spezialisierten Grafikprozessoren (GPUs) erfordern. Stattdessen laufen ihre Modelle auf kleineren, billigeren und effizienteren Chips, wie sie in Alltagsgeräten wie TV-Fernbedienungen oder Mikrowellen zu finden sind. Sie erreichen dies, indem sie die komplexen neuronalen Netze hinter Systemen wie ChatGPT durch einfachere, auf "Wenn/Dann"-Logik basierende Netze ersetzen, die weit weniger Rechenleistung benötigen.

Laut Daniel Dykes, dem Chief Product Officer des Unternehmens, zeigt dieser Ansatz keine Kompromisse bei den Fähigkeiten. Sowohl neuronale Netze als auch logikbasierte Netze können Deep Learning durchführen, um komplexe Daten zu verarbeiten. In einem Test für die Nachfrageprognose eines Lebensmittelunternehmens war ihr logikbasiertes Netzwerk 7 % genauer als ein führender neuronaler Netzwerk-Konkurrent.

Dykes merkt an: "Wenn ein Algorithmus keine spezielle Hardware, kein Rechenzentrum und kein neues Kraftwerk benötigt, hat man viele der Probleme gelöst, die die aktuelle KI aufwirft." Das Unternehmen, das in der EMEA-Region und in Sektoren wie Wasserwirtschaft tätig ist, behauptet, sein Trainingsprozess sei über 50-mal energieeffizienter und 54-mal schneller als vergleichbare neuronale Netze.

Ein weiterer britischer Innovator, DeepGate, entwickelt KI, die auf kleineren Chips läuft und effizient "Wake Words" (wie "Hey Siri") erkennt und Bilder klassifiziert. Obwohl es kein vollständiger Ersatz für anspruchsvollere Systeme ist, zeigt es, dass viele spezialisierte Aufgaben auf günstigerer, energieeffizienter Hardware statt auf GPUs laufen können. Beispiele sind die Überprüfung der Materialqualität oder das Erkennen von Unregelmäßigkeiten in Dokumenten und Lieferketten-Daten – gezielte, spezifische Anwendungen.

DeepGate-Mitgründer Luke Taylor erklärt, dass diese einfacheren Systeme größere ergänzen können, indem sie spezialisierte Aufgaben nur bei Bedarf bearbeiten, anstatt kontinuierlich zu laufen, was Energie verschwendet.

Lösungen entstehen, aber um sie strategisch einzusetzen, müssen Marken zunächst die vollständigen Auswirkungen der KI verstehen, um sicherzustellen, dass sie der Nachhaltigkeit zugutekommt. Wie Lectras Abadie betont: "Es macht keinen Sinn, etwas in einem Bereich zu verbessern, während man an anderer Stelle die Umweltverschmutzung und CO₂-Emissionen erhöht." Er glaubt, dass ein größeres Bewusstsein zu kürzeren Entwicklungszyklen und besserer KI führen wird. "Im Laufe der Zeit werden mehr Menschen erkennen, dass Umweltauswirkungen von Anfang an berücksichtigt werden müssen. Wenn KI mehr Schaden als Nutzen bringt, lohnt es sich nicht, darin zu investieren."<