Nachhaltige Software messen: Welche Metriken wirklich zählen

Energieverbrauch und CO₂ sind nur der Anfang. Erfahren Sie, welche Metriken die Nachhaltigkeit von Software messbar und vergleichbar machen.

Die Nachhaltigkeit einer Softwareanwendung wird vor allem durch zwei zentrale Kennzahlen bestimmt: Energieverbrauch und CO₂-Emissionen. Sie zeigen, wie ressourcenintensiv eine Anwendung ist und welche Auswirkungen ihr Betrieb auf die Umwelt hat.

Für eine umfassende Bewertung nachhaltiger Software reicht es jedoch nicht aus, ausschließlich diese beiden Aspekte zu betrachten. Auch die Nutzung von Hardware-Ressourcen, die Wartbarkeit von Software sowie die Effizienz der Infrastruktur tragen zur langfristigen Nachhaltigkeit eines Softwaresystems bei. Welche Rolle diese Faktoren bereits bei der nachhaltigen Softwareentwicklung spielen, erläutern wir in einem weiteren Fachbeitrag.

Dieser Artikel stellt die wichtigsten Kategorien von Nachhaltigkeitsmetriken vor und erläutert, welche Kennzahlen Unternehmen und Entwicklungsteams zur Bewertung nachhaltiger Software heranziehen können.

Warum brauchen wir Nachhaltigkeitsmetriken?

Nachhaltigkeit lässt sich nur verbessern, wenn sie messbar ist. Während klassische Softwaremetriken vor allem Funktionalität, Qualität und Performance bewerten, betrachten Nachhaltigkeitsmetriken darüber hinaus die ökologischen, technischen und organisatorischen Auswirkungen von Software.

Dazu gehören unter anderem:

• Energieverbrauch
• Laufzeit und Performance
• Hardware- und Ressourcennutzung
• Umwelt- und Nachhaltigkeitskennzahlen
• KI- und Machine-Learning-Metriken
• Wartbarkeit
• Infrastruktur und Rechenzentren

Jede dieser Perspektiven beleuchtet einen anderen Aspekt nachhaltiger Software. Erst ihr Zusammenspiel ermöglicht eine ganzheitliche Bewertung dessen, wie effizient, ressourcenschonend und zukunftsfähig ein Softwaresystem tatsächlich ist.

Doch wie lassen sich diese Aspekte konkret messen? Im Folgenden werden die wichtigsten Kategorien von Nachhaltigkeitsmetriken und die dahinterstehenden Kennzahlen vorgestellt.

Energieverbrauch

Der Energieverbrauch ist die wichtigste Nachhaltigkeitsmetrik von Software, da er die Grundlage für nahezu alle weiteren Umweltkennzahlen bildet. Er beschreibt, wie viel elektrische Energie eine Anwendung während ihrer Ausführung benötigt. Dabei wird nicht nur der Gesamtverbrauch betrachtet, sondern auch die Verteilung auf einzelne Komponenten wie Prozessor, Arbeitsspeicher oder Grafikkarte.

Um zu verstehen, wie effizient der Energieverbrauch ist, sollten folgende Fragen beantwortet werden:

• Wie viel Energie verbraucht eine Anwendung?
• Welche Komponenten verursachen den größten Anteil?
• Wie effizient ist eine Software im Verhältnis zur geleisteten Arbeit?

Dazu können folgende Metriken verwendet werden:

• Total Energy Consumption – gesamter Energieverbrauch eines Systems oder einer Anwendung.
• CPU Energy Consumption – Energieverbrauch des Prozessors.
• GPU Energy Consumption – Energieverbrauch der Grafikhardware, insbesondere bei KI-Anwendungen relevant.
• Memory Energy Consumption – Energieverbrauch des Arbeitsspeichers.
• Power Consumption – momentane Leistungsaufnahme.
• Energy Efficiency – Verhältnis zwischen dem geleisteten Nutzen einer Anwendung und dem dafür benötigten Energieaufwand.
• Power Usage Effectiveness (PUE) – Kennzahl zur Bewertung der Energieeffizienz von Rechenzentren durch den Vergleich von Gesamtenergieverbrauch und tatsächlich für IT-Systeme genutzter Energie.

Diese Metriken helfen dabei, energieintensive Komponenten zu identifizieren und Optimierungspotenziale aufzudecken.

Laufzeit und Performance

Laufzeit- und Performancemetriken bewerten, wie schnell und effizient eine Anwendung ihre Aufgaben ausführt. Sie sind nicht nur für die Benutzererfahrung relevant, sondern stehen häufig auch in direktem Zusammenhang mit dem Energieverbrauch.

Wichtige Metriken sind:

• Runtime / Execution Time – Gesamtzeit, die eine Anwendung für die Ausführung benötigt.
• Response Time – Zeitspanne zwischen einer Anfrage und der ersten Antwort des Systems.
• Latency – Verzögerung bei der Verarbeitung oder Übertragung von Daten.
• Throughput – Anzahl der Transaktionen, Anfragen oder Arbeitseinheiten, die pro Zeiteinheit verarbeitet werden.

Diese Kennzahlen helfen dabei, Engpässe zu identifizieren und die Effizienz sowie Leistungsfähigkeit von Softwaresystemen zu bewerten.

Hardware- und Ressourcennutzung

Diese Metriken bewerten, wie effizient Software die verfügbaren Hardware- und Systemressourcen nutzt. Sie liefern detaillierte Einblicke in das Verhalten einer Anwendung auf Betriebssystem- und Hardwareebene und helfen dabei, Ressourcenengpässe sowie Optimierungspotenziale zu identifizieren.

Wichtige Metriken sind:

• CPU Utilization, GPU Utilization und Memory Utilization – Auslastung von Prozessor, Grafikhardware und Arbeitsspeicher.
• Cache Misses und Cache References – Kennzahlen zur Effizienz der Speichernutzung.
• Context Switch Count und System Call Count – Metriken für die Interaktion mit dem Betriebssystem.
• CPU Frequency – Taktfrequenz des Prozessors während der Ausführung.
• Network Usage, Data Transfer sowie Bytes Read/Written – Umfang der genutzten Netzwerk- und Speicherressourcen.

Diese Kennzahlen helfen dabei, die technische Effizienz einer Anwendung zu verstehen und Ressourcenverbrauch sowie Energiebedarf gezielt zu reduzieren.

Umwelt- und Nachhaltigkeitskennzahlen

Um die ökologischen Auswirkungen von Software messbar zu machen, werden spezielle Umwelt- und Nachhaltigkeitsmetriken eingesetzt. Sie unterstützen dabei, die Auswirkungen von Anwendungen auf Klima, Ressourcen und Umwelt systematisch zu erfassen und miteinander zu vergleichen.

Wichtige Metriken sind:

• Operational Carbon Emissions – CO₂-Emissionen, die während des Betriebs der Software entstehen.
• Embodied Carbon Footprint – CO₂-Emissionen aus Herstellung, Transport und Entsorgung der genutzten Hardware.
• Water Consumption und Water Footprint – Wasserverbrauch, der direkt oder indirekt durch IT-Systeme verursacht wird.
• Green AI Quotient, Green IT Index und EcoScore – Kennzahlen zur Bewertung der Nachhaltigkeit von Software, KI-Systemen und IT-Infrastrukturen.

Diese Metriken schaffen Transparenz über die Umweltwirkungen von Softwaresystemen und ermöglichen eine fundierte Bewertung ihrer Nachhaltigkeit über den gesamten Lebenszyklus hinweg. Wie sich die Nachhaltigkeit von Software über ihren Lebenszyklus hinweg messbar machen lässt, ist auch Gegenstand des Forschungsprojekts Green IT Impact (GITI).

Software Carbon Intensity (SCI)

SCI ist ein ISO-zertifizierter Standard, der die CO₂-Emissionen von Software als Rate und nicht als Gesamtwerte oder durch Ausgleichsmaßnahmen gemessene Werte erfasst. Kleine Teile der Anwendung, sogenannte Funktionseinheiten, dienen als Grundlage für die Berechnung dieser Rate auf Komponentenebene, die anschließend hochgerechnet wird, um die gesamte Softwareanwendung abzubilden. Durch die Verwendung verschiedener Funktionseinheiten, die unterschiedliche Aspekte der Software abbilden, lässt sich ein umfassenderer Überblick über deren CO₂-Emissionen gewinnen.

KI- und Machine-Learning-Metriken

Mit der zunehmenden Verbreitung von Künstlicher Intelligenz gewinnen spezielle Metriken zur Bewertung von Modellqualität, Effizienz und Ressourcenbedarf immer mehr an Bedeutung. Sie helfen dabei, die Leistungsfähigkeit von KI-Systemen mit ihrem ökologischen und technischen Aufwand in Beziehung zu setzen.

Wichtige Metriken sind:

• Accuracy, Precision, Recall und F1 Score – bewerten die Qualität und Genauigkeit von Vorhersagen.
• Model Size, Parameter Count und Trainable Parameter Count – beschreiben Größe und Komplexität eines Modells.
• FLOPS und MAC Operations – messen den erforderlichen Rechenaufwand.
• Tokens per Second und Tokens per Request – bewerten die Effizienz von KI-Modellen im produktiven Einsatz.
• Energy Scaling Factor und Model-to-Memory Ratio – setzen Ressourcenverbrauch und Modellgröße in Beziehung.

Diese Kennzahlen ermöglichen eine ganzheitliche Bewertung von KI-Systemen und helfen dabei, leistungsfähige Modelle möglichst ressourcenschonend zu entwickeln und zu betreiben.

Wartbarkeit

Nachhaltige Software sollte nicht nur effizient laufen, sondern auch langfristig wartbar und weiterentwickelbar sein. Metriken in diesem Bereich helfen dabei, die Qualität des Quellcodes und den zukünftigen Wartungsaufwand zu bewerten.

Wichtige Metriken sind:

• Maintainability – allgemeine Wartbarkeit eines Softwaresystems.
• Cyclomatic Complexity – Komplexität des Quellcodes und seiner Ausführungspfade.
• Lines of Code (LOC) – Umfang der Codebasis.
• Code Smells und Energy Smells – Hinweise auf Qualitäts- oder Effizienzprobleme im Code.
• Modularity – Grad der Aufteilung in unabhängige und wiederverwendbare Komponenten.

Diese Kennzahlen helfen dabei, technische Schulden frühzeitig zu erkennen und die langfristige Nachhaltigkeit einer Software zu verbessern.

Infrastruktur und Rechenzentren

Die Nachhaltigkeit von Software wird maßgeblich durch die Effizienz der zugrunde liegenden Infrastruktur beeinflusst. Insbesondere in Cloud- und Rechenzentrumsumgebungen können Leerlaufzeiten, Überprovisionierung oder ineffiziente Ressourcennutzung zu unnötigem Energieverbrauch führen.

Wichtige Metriken sind:

• Annual Component Consumption (ACC) – jährlicher Energieverbrauch einzelner Infrastrukturkomponenten.
• Annual Idle Consumption (AIC) – Energieverbrauch im Leerlauf.
• Relative Idle Consumption (RIC) – Anteil des Leerlaufverbrauchs am Gesamtverbrauch.
• Component Consumption per Unit of Work (CCUW) – Energieverbrauch pro geleisteter Arbeitseinheit.
• Provisioning (PRO) – Verhältnis zwischen bereitgestellten und tatsächlich genutzten Ressourcen.
• Operational Overhead (OPO) – zusätzlicher Ressourcenverbrauch für den Betrieb der Infrastruktur.

Diese Kennzahlen helfen dabei, Rechenzentren und Cloud-Umgebungen effizienter zu betreiben und den Energie- sowie Ressourcenverbrauch zu reduzieren.

Welche Nachhaltigkeitsmetriken sollten Unternehmen priorisieren?

Die wichtigsten Kennzahlen für ein Unternehmen sind diejenigen, die seiner Anwendung entsprechen. So profitiert beispielsweise eine datenbanklastige Anwendung stärker von Kennzahlen zur Datenübertragung, während eine grafiklastige Anwendung eher von Leistungskennzahlen profitiert. Wir empfehlen, die wichtigsten Kennzahlen anhand von Standard-Anwendungsfällen der Anwendung zu ermitteln. Wählen Sie anschließend Kennzahlen aus, die diese Anwendungsfälle widerspiegeln. Verfolgen Sie diesen Entscheidungsprozess in beide Richtungen – rückwärts bis zu den Designentscheidungen, die den Anwendungsfall beeinflussen, und vorwärts bis zu dessen Konsequenzen.

Mit anderen Worten: Verwenden Sie pro Anwendungsfall eine Hauptkennzahl, die sich auf die Leistung, das Laufzeitverhalten oder die Ressourceneffizienz bezieht. Wählen Sie anschließend passende Kennzahlen für das Design und die Auswirkungen auf die Nachhaltigkeit aus. Beispiel: Energy Smells → CPU-Auslastung → CPU-Energieverbrauch → Operational Carbon Emissionen.

Dieser Prozess vermittelt Unternehmen ein besseres Verständnis dafür, wie ressourcen- und energieeffizient ihre Softwareanwendungen sind. Anschließend können sie Leistung und Effizienz optimieren, um ihre ökologischen Auswirkungen zu reduzieren.

Fazit

Nachhaltige Software lässt sich nicht auf eine einzelne Kennzahl reduzieren. Zwar bilden Energieverbrauch und die daraus resultierenden CO₂-Emissionen weiterhin die wichtigsten Grundlagen für die Bewertung der Nachhaltigkeit eines Softwaresystems, doch erst weitere Metriken ermöglichen eine umfassende Betrachtung.

Metriken zu Laufzeit und Performance, Hardware- und Ressourcennutzung, Wartbarkeit, KI-Systemen sowie Infrastruktur und Rechenzentren helfen dabei, zusätzliche Optimierungspotenziale zu identifizieren und die langfristigen Auswirkungen von Software besser zu verstehen.

Die regelmäßige Erfassung und Auswertung dieser Kennzahlen ermöglicht es Unternehmen und Entwicklungsteams, fundierte Entscheidungen zu treffen, Ressourcen effizienter einzusetzen und nachhaltigere Softwaresysteme zu entwickeln. Denn nur was gemessen wird, kann gezielt verbessert werden. Welche Rolle nachhaltige Softwareentwicklung und Quality Engineering in der Praxis spielen, zeigen auch unsere Einblicke vom German Testing Day 2026.

Dieser Artikel wurde mit KI-Unterstützung erstellt.

Quellen und weiterführende Informationen: ISO/IEC 25010, SCI Spezifikation der Green Software Foundation, MLPerf, SPECpower und GHG Protocol.