Klimabewusst programmieren

Inhaltsverzeichnis

Trotz weltweiter Green-IT-Bemühungen verschlingen Rechenzentren von Jahr zu Jahr mehr Megawattstunden: Digitale Systeme verursachen mittlerweile einen Anteil von rund vier Prozent am globalen CO2-Ausstoß – und damit doppelt so viel wie die gesamte zivile Luftfahrt. Zu diesem Ergebnis kommt eine aktuelle Studie der von staatlichen Stellen unterstützten französischen Denkfabrik "The Shift".

Dem Report zufolge wächst der Energiehunger vernetzter Server- und Speichersysteme jährlich um etwa neun Prozent. In der Folge erwarten die Studienautoren, dass der Anteil der IT-bedingten Treibhausgasemissionen bis 2025 auf acht Prozent steigt. Mit rund 14 Milliarden Kilowattstunden verbrauchten allein die deutschen Rechenzentren 2018 gut sechs Prozent mehr als im Vorjahr, wie ein vom Bundeswirtschaftsministerium gefördertes Forschungsprojekt des Berliner Borderstep-Instituts zeigt.

Offenbar wiegen alle bisherigen Green-IT-Anstrengungen den rasanten Verbrauchsanstieg im Zuge der fortschreitenden Digitalisierung nicht auf. Umso wichtiger wird es, nach neuen Optionen zur Absenkung des Energiebedarfs von Server-, Speicher- und Netzwerkgeräten zu suchen.

Portabilität contra Kohlendioxid

Im Gegensatz zu unterschiedlichen Hardwareansätzen – etwa der von Microsoft vorangetriebenen Idee einer Brennstoffzelle direkt im Serverrack – führte die energetische Optimierung von Software in der Vergangenheit eher ein Schattendasein – obwohl die Struktur eines Programms offenkundig einen erheblichen Einfluss auf die Energieeffizienz der zugrunde liegenden Hardware hat. Das gilt nicht allein für Anwendungen, sondern ebenso für das Betriebssystem.

Doch woran erkennt man, ob sich eine Software energieeffizient verhält oder nicht? Zum Beispiel an der Art und Weise, wie sie verfügbare Hardwareressourcen nutzt: Ein virtualisiertes Betriebssystem etwa führt in der Regel zu einem deutlich höheren Hardwareauslastungsgrad als eine nicht virtualisierte Umgebung, wobei es auch hier Unterschiede gibt: Bei einem Container, der beispielsweise 20 Clients versorgt, beansprucht jeder einzelne Client fraglos weniger CPU- und Speicherressourcen, als das bei einem Container mit nur zehn Clients der Fall ist. Entsprechend geringer fällt dann der Energiebedarf jedes einzelnen Clients aus.