Sustainable Prompting
Künstliche Intelligenz wird im Hochschul- und Studienalltag zunehmend genutzt. Doch nicht jeder Einsatz von KI ist automatisch sinnvoll: Viele Prompts fördern eher eine Abhängigkeit von der Technologie und die Auslagerung eigener Kompetenzen, statt Lernprozesse wirklich zu unterstützen. Hinzu kommt, dass zu lange oder komplizierte Anfragen unnötig Rechenlast verursachen und ethische Aspekte häufig unberücksichtigt bleiben.
Die Herausforderung besteht folglich darin, den KI-Einsatz so zu gestalten, dass er
- Lernprozesse stärkt,
- Ressourcen schont und
- der eigene Umgang mit KI verantwortungsvoll bleibt.
Genau an dieser Stelle setzt das Konzept des Sustainable Prompting an.
Was die Forschung zeigt
Eine Studie von De Martino et al. (2026) belegt zwei zentrale Zusammenhänge:
- Je länger und komplizierter ein Prompt ist, desto mehr Energie benötigt die KI.
- Zu komplizierte Prompts verschwenden Energie, ohne dass die Ergebnisse dadurch besser werden.
Daraus ergeben sich nach Nguyen (2025) auf individueller Ebene mehrere Hebel:
- Nachhaltiges Prompting bedeutet weniger Energieverbrauch bei gleichzeitig besseren Ergebnissen mit weniger Versuchen.
- Klarere, besser vorbereitete Prompts führen zu weniger Versuchen, kürzeren Konversationen und einem geringeren Energieverbrauch pro Aufgabe.
- KI sollte vor allem dort eingesetzt werden, wo sie einen echten Mehrwert für Lernen und Qualität bringt, nicht aus reiner Bequemlichkeit.
Empfehlungen für Sustainable Prompting
Konkret können auf Basis der Studie von De Martino et al. (2026) folgende Empfehlungen für nachhaltige Prompts ausgesprochen werden:
- Kurzhalten: Wortanzahl und Tokens reduzieren, unnötige Höflichkeits- oder Formatierungs-Tokens vermeiden.
- Präzise Formulierungen: Klare, einfache Definitionen statt langer, verschachtelter Sätze verwenden. Eine höhere Lesbarkeit führt zu einem geringeren Energiebedarf.
- Nur nötige Beispiele: Few-Shot-Beispiele auf das Minimum begrenzen, das noch eine gute Performance liefert.
- Modellwahl beachten: Energieeffiziente Modelle wählen.
- Stop-/Max-Token setzen: Generierte Tokens durch Max-Tokens bzw. Early Stopping begrenzen, wo möglich.
- Guidelines & Checkliste: Interne Prompt-Guidelines (Kürze, Klarheit, Beispiel-Limit, Token-Grenzen) erstellen und Nutzende entsprechend schulen.
Tipps für nachhaltige Prompts im Studienalltag
Für die praktische Anwendung lassen sich diese Empfehlungen in einfache Tipps übersetzen:
- Kurz innehalten – Was will ich wirklich?
- Präzise fragen – klare Ziele, klare Antworten
- Kontext mitgeben – spart Nachfragen & Energie
- Einmal gut statt oft nachbessern – Wiederholungen vermeiden
- Prompt‑Templates nutzen – gute Prompts speichern & wiederverwenden
- Gute Beispiele teilen – gemeinsam besser & effizienter
- Kleines Modell wählen – reicht oft völlig aus
- Nachhaltiges Verhalten thematisieren – Leitlinien vereinbaren
Beispiele
Besser:
„Fasse mir in maximal 10 Stichpunkten die wichtigsten Chancen und Risiken von generativer KI für Prüfungsformate in Bachelorstudiengängen zusammen.“
, anstatt:
„Gib mir alle Informationen zu KI in der Hochschullehre.“
Fazit
Sustainable Prompting verbindet ökologische Verantwortung mit besserer Lernqualität: Wer Prompts klar, präzise und zielgerichtet formuliert, spart nicht nur Energie, sondern erhält häufig auch bessere Ergebnisse mit weniger Aufwand. Für den Hochschulkontext bedeutet das, KI gezielt dort einzusetzen, wo sie echten Mehrwert für Lernen und wissenschaftliches Arbeiten bietet, begleitet von klaren Guidelines und einem bewussten, reflektierten Umgang mit der Technologie.
Quellen
De Martino V., Zadenoori M. A., Franch X., Ferrari A. (2026). Green Prompt Engineering: Investigating the Energy Impact of Prompt Design in Software Engineering. Pre‑print; Replikationspaket https://doi.org/10.48550/arXiv.2509.22320
Nguyen, K.V. The Use of Generative AI Tools in Higher Education: Ethical and Pedagogical Principles. J Acad Ethics 23, 1435–1455 (2025). https://doi.org/10.1007/s10805-025-09607-1