Rethinking Higher Education/de/Chapter 11

Sprache: DE · EN · ZH · ← Buch

Gruene digitale Bildung: Nachhaltigkeit, digitale Genuegsamkeit und Umweltbewusstsein an Universitaeten der EU und Chinas

Martin Woesler

Hunan-Normaluniversitaet

Zusammenfassung

Die digitale Transformation der Hochschulbildung traegt versteckte Umweltkosten, die im bildungspolitischen Diskurs selten anerkannt werden. Rechenzentren verbrauchten 2024 415 Terawattstunden Strom -- 1,5 Prozent des weltweiten Strombedarfs -- und werden bis 2030 voraussichtlich 945 TWh erreichen, wobei sie viermal schneller wachsen als jeder andere Sektor. Das Training eines einzelnen grossen Sprachmodells wie GPT-3 produziert etwa 552 metrische Tonnen CO2-Aequivalent, vergleichbar mit den jaehrlichen Emissionen von 121 durchschnittlichen amerikanischen Haushalten. Der jaehrliche digitale Inhaltskonsum erzeugt 229 kg CO2-Aequivalent pro Nutzer, etwa 3-4 Prozent der anthropogenen Pro-Kopf-Treibhausgasemissionen. Dennoch ist der Bereich der Bildungstechnologie der Pruefung seines oekologischen Fussabdrucks weitgehend entgangen, selbst waehrend Universitaeten ihre digitale Infrastruktur unter den Fahnen von Innovation und Zugaenglichkeit ausbauen. Dieser Artikel untersucht die Spannung zwischen digitaler Bildung und oekologischer Nachhaltigkeit durch einen systematischen Vergleich der Ansaetze der Europaeischen Union und Chinas. Die EU hat den GreenComp-Rahmen fuer Nachhaltigkeitskompetenzen entwickelt und beginnt, „digitale Genuegsamkeit" -- das Prinzip der Minimierung unnuetzen digitalen Konsums -- als Bildungsziel zu adressieren. China hat „Bildung zur oekologischen Zivilisation" als Rahmen verfolgt, der Umweltbewusstsein mit breiteren zivilisatorischen Zielen integriert, waehrend es gleichzeitig den weltweit groessten Ausbau digitaler Bildungsinfrastruktur unternimmt. Wir argumentieren, dass beide Systeme einem „KI-Energieparadox" gegenueberstehen -- der Einsatz von Kuenstlicher Intelligenz in der Bildung verspricht gleichzeitig, Nachhaltigkeitsbewusstsein zu staerken, und traegt substanziell zur Umweltdegradation bei -- und dass keines bisher eine adaequate Antwort entwickelt hat.

Schluesselwoerter: Gruene digitale Bildung, Nachhaltigkeit, digitale Genuegsamkeit, oekologische Zivilisation, CO2-Fussabdruck, Rechenzentren, KI-Energieparadox, GreenComp, Hochschulbildung, EU-China-Vergleich

1. Einleitung

Die oekologische Nachhaltigkeit digitaler Bildung ist ein Thema, das die meisten Bildungstechnologen lieber nicht diskutieren wuerden. Die digitale Transformation der Hochschulbildung wurde von maechtigem Fortschrittsnarrativ angetrieben: KI-personalisiertes Lernen, immersive virtuelle Realitaet, globale Konnektivitaet und institutionelle Effizienz. Diese Narrative sind nicht falsch -- die Begleitkapitel in dieser Anthologie dokumentieren genuine Bildungsvorteile durch digitale Technologien (Woesler, in diesem Band). Aber sie sind unvollstaendig, weil sie systematisch die materielle Grundlage digitaler Bildung ignorieren: die Server, Netzwerke, Geraete und Energiesysteme, die sie ermoeglichen, und die Umweltfolgen ihres Betriebs im grossen Massstab.

Die Zahlen sind ernuechternd. Die Internationale Energieagentur berichtet, dass Rechenzentren 2024 415 Terawattstunden Strom verbrauchten, was 1,5 Prozent des weltweiten Strombedarfs entspricht. Diese Zahl wird bis 2030 voraussichtlich 945 TWh erreichen -- mehr als Japans gesamter Stromverbrauch --, mit Wachstumsraten von etwa 15 Prozent pro Jahr, viermal schneller als alle anderen Sektoren zusammen (IEA 2025). Die Kohlenstoffemissionen der grossen Technologieunternehmen sind parallel gestiegen: Googles Treibhausgasemissionen stiegen zwischen 2019 und 2024 um 48 Prozent, waehrend Microsofts seit 2020 um 29 Prozent wuchsen, wobei der Energieverbrauch der Rechenzentren als Haupttreiber identifiziert wurde (NPR 2024). Eine Analyse von Nachhaltigkeitsberichten der Unternehmen legt nahe, dass die tatsaechlichen Emissionen von Rechenzentren 7,62-mal hoeher sein koennten als berichtet, aufgrund von Bilanzierungspraktiken, die Zertifikate fuer erneuerbare Energien als Aequivalent zum tatsaechlichen Verbrauch erneuerbarer Energie zaehlen (Le Goff 2025).

Fuer die Hochschulbildung haben diese Zahlen direkte Relevanz. Universitaeten gehoeren zu den groessten institutionellen Verbrauchern digitaler Infrastruktur, die Lernmanagementsysteme, Forschungsrechnercluster, Videokonferenzplattformen und -- zunehmend -- KI-gestuetzte Bildungswerkzeuge betreiben. Doch der oekologische Fussabdruck dieser digitalen Infrastruktur wird fast nie in die Nachhaltigkeitsbewertungen von Universitaeten einbezogen. Williamson, Hogan und Selwyn (2025), in einem Kapitel fuer einen Springer-Band zu kritischen EdTech-Studien, argumentieren, dass die Umweltauswirkungen von Bildungstechnologieplattformen in den CO2-Berechnungen von Universitaeten „beharrlich uebersehen" werden, und lenken die Aufmerksamkeit auf die global verteilte, energieintensive IT-Infrastruktur, in die Universitaeten durch ihre EdTech-Partnerschaften eingebettet sind.

Dieser Artikel untersucht, wie die Europaeische Union und China -- die beiden groessten Hochschulsysteme nach Einschreibungszahlen -- die oekologische Dimension ihrer Strategien fuer digitale Bildung adressieren (oder versaeumen zu adressieren). Wir vergleichen den entstehenden Rahmen der EU fuer Nachhaltigkeitskompetenzen und digitale Genuegsamkeit mit Chinas Bildung zur oekologischen Zivilisation und bewerten jeweils die Faehigkeit, die Umweltkosten der digitalen Infrastruktur zu konfrontieren, auf der moderne Bildung zunehmend beruht.

2. Der CO2-Fussabdruck von Bildungstechnologie

2.1 Rechenzentren und KI-Training

Der Energieverbrauch digitaler Infrastruktur hat zwei Hauptkomponenten: die Betriebsenergie der Rechenzentren (einschliesslich Kuehlung, die 30-40 Prozent des Gesamtenergieverbrauchs ausmachen kann) und die graue Energie der Hardwareproduktion und -entsorgung. Fuer KI-Systeme im Besonderen ist eine dritte Komponente -- die waehrend des Modelltrainings verbrauchte Energie -- zunehmend bedeutsam geworden.

Patterson und Kollegen (2021), in einer Studie von Forschern bei Google und der UC Berkeley, schaetzten, dass das Training von GPT-3 etwa 552 metrische Tonnen CO2-Aequivalent produzierte und 1.287 Megawattstunden Strom verbrauchte. Strubell, Ganesh und McCallum (2019), in dem Papier, das erstmals breite Aufmerksamkeit auf die Kohlenstoffkosten des Trainings grosser Sprachmodelle lenkte, zeigten, dass das Training eines einzelnen grossen NLP-Modells so viel Kohlenstoff emittieren kann wie fuenf Automobile waehrend ihrer gesamten Lebensdauer. Diese Zahlen sind mit der Entwicklung groesserer Modelle substanziell gestiegen: GPT-4 und seine Nachfolger verbrauchen Groessenordnungen mehr Energie, obwohl genaue Zahlen nicht oeffentlich zugaenglich sind.

Der Wasser-Fussabdruck der KI ist ebenso besorgniserregend. Li und Kollegen (2023), in einer in Communications of the ACM veroeffentlichten Studie, schaetzen, dass das Training von GPT-3 in Microsofts US-Rechenzentren direkt 700.000 Liter Frischwasser verdampfte. Der globale KI-Wasserbedarf wird bis 2027 auf 4,2-6,6 Milliarden Kubikmeter projiziert -- mehr als die gesamte jaehrliche Wasserentnahme von vier bis sechs Laendern der Groesse Daenemarks. De Vries (2025), schreibend in der Cell-Press-Zeitschrift Patterns, schaetzt den CO2-Fussabdruck der KI-Industrie 2025 auf 32,6-79,7 Millionen metrische Tonnen CO2, vergleichbar mit den Gesamtemissionen New York Citys, mit einem Wasser-Fussabdruck von 312,5-764,6 Milliarden Litern.

Fuer Universitaeten uebersetzen sich diese aggregierten Zahlen in institutionelle Verantwortung. Jedes Mal, wenn ein Studierender einen cloudbasierten KI-Schreibassistenten nutzt, Arbeiten an einen KI-gestuetzten Plagiatserkennungsdienst uebergibt oder mit einem KI-Tutoring-System interagiert, erzeugt die digitale Infrastruktur der Universitaet Emissionen, die fuer den Nutzer unsichtbar, aber kumulativ signifikant sind. Xiao und Kollegen (2025), schreibend in Nature Sustainability, argumentieren, dass die US-KI-Industrie Net-Zero-Ziele bis 2030 wahrscheinlich nicht erreichen wird, ohne sich substanziell auf „hochgradig unsichere Mechanismen zur Kohlenstoffkompensation und Wasserrenaturierung" zu stuetzen.

2.2 Digitaler Inhaltskonsum

Jenseits des KI-Trainings tragen die routinemaessigen digitalen Aktivitaeten der Bildung eigene Umweltkosten. Istrate und Kollegen (2024), in einer in Nature Communications veroeffentlichten Studie, schaetzen, dass der jaehrliche globale durchschnittliche digitale Inhaltskonsum -- Web-Surfen, soziale Medien, Video- und Musikstreaming und Videokonferenzen -- 229 kg CO2-Aequivalent pro Nutzer pro Jahr erzeugt, etwa 3-4 Prozent der anthropogenen Pro-Kopf-Treibhausgasemissionen. Unter einem 1,5-Grad-Celsius-Erwaermungsszenario koennte dies etwa 40 Prozent des Pro-Kopf-Kohlenstoffbudgets ausmachen.

Fuer Universitaeten sind die Implikationen bedeutsam. Ein einzelnes Semester Online-Kursvermittlung fuer Tausende Studierende umfasst substanzielles Videostreaming, Dateiaustausch und Plattforminteraktion. Caird und Lane (2024), schreibend im Future Healthcare Journal, merken an, dass digitales Lernen generell einen geringeren CO2-Fussabdruck hat als Praesenzunterricht, wenn Reisen beruecksichtigt wird -- Reisen zu Praesenzkonferenzen kann 1.000-mal mehr CO2 produzieren als virtuelle Alternativen --, der Vergleich jedoch weniger guenstig ausfaellt, wenn die vollen Lebenszykluskosten der digitalen Infrastruktur einbezogen werden.

2.3 E-Waste und der Hardware-Lebenszyklus

Die Umweltkosten digitaler Bildung erstrecken sich ueber den Energieverbrauch hinaus auf die physischen Geraete, auf denen sie beruht. Das sich beschleunigende Tempo des Hardwareersatzes in Bildungseinrichtungen -- angetrieben durch Softwareanforderungen, institutionelle Beschaffungszyklen und die geplante Obsoleszenz von Konsumelektronik -- erzeugt einen wachsenden Strom elektronischen Abfalls, der selten in Diskussionen ueber nachhaltige Bildung einbezogen wird.

Valai Ganesh und Kollegen (2025), in einer in Scientific Reports veroeffentlichten Studie, untersuchten 452 elektrische Produkte in akademischen Institutionen in Indien und stellten fest, dass 32,1 Prozent aelter als fuenf Jahre und 34,1 Prozent reparatur- oder ersatzbeduerftig waren. Ihr vorgeschlagenes Rahmenwerk fuer nachhaltiges E-Waste-Management zeigte, dass Vor-Ort-Recycling eine 90-prozentige Materialrueckgewinnungsrate erreichen kann -- aber solche Rahmenwerke erfordern institutionelle Investitionen und Engagement, die die meisten Universitaeten noch nicht erbracht haben. Thao, Hanh und Huy (2025), in einer Studie der Ho-Chi-Minh-City-Universitaet fuer Technologie, veroeffentlicht im International Journal of Environmental Science and Technology, projizieren, dass E-Waste auf einem einzelnen Universitaetscampus von 16.792 kg im Jahr 2024 auf 25.230 kg im Jahr 2034 um das 1,5-fache ansteigen wird, was die wachsende Hardwareintensitaet digitaler Bildung widerspiegelt.

Fuer chinesische und europaeische Universitaeten gleichermassen wird das E-Waste-Problem durch den Trend zu institutionellen Tablet- und Laptop-Programmen, Eins-zu-Eins-Geraeteinitiativen und dem regelmaessigen Austausch von Smart-Classroom-Ausruestung verstaerkt. Wenn eine Universitaet Tausende von Tablets fuer eine digitale Lerninitiative bereitstellt, mag der Bildungsnutzen echt sein -- aber die Umweltkosten der Herstellung, des Betriebs und der schliesslichen Entsorgung dieser Geraete werden selten berechnet. Das Konzept der digitalen Genuegsamkeit, das im folgenden Abschnitt diskutiert wird, bietet einen Rahmen zur Ueberbrueckung dieser Luecke.

3. Digitale Genuegsamkeit als Bildungsziel

3.1 Urspruenge und Definition

Das Konzept der „digitalen Genuegsamkeit" (sobriété numérique) geht auf den franzoesischen Think Tank The Shift Project zurueck, dessen Bericht von 2019 „Lean ICT: Towards Digital Sobriety" es als das Prinzip definierte, moeglich wenig leistungsstarke Geraete zu kaufen, Geraete so selten wie moeglich zu wechseln und unnoetige energieintensive digitale Nutzung zu reduzieren. Der Bericht schaetzte, dass der IKT-Energieverbrauch jaehrlich um 9 Prozent stieg, und argumentierte, dass ein Genuegsamkeitsansatz das Wachstum auf 1,5 Prozent begrenzen koennte (The Shift Project 2019).

In der Bildung hat digitale Genuegsamkeit Anerkennung durch die UNESCO-Entscheidung 2024 erhalten, den Preis Koenig Hamad Bin Isa Al-Khalifa fuer IKT in der Bildung an die belgische EducoNetImpact-Initiative zu verleihen, die nachhaltige digitale Praktiken in Schulen foerdert. Etwa 1.000 Lehrende nutzen nun deren Materialien (UNESCO 2024). Diese Anerkennung signalisiert, dass die internationale Bildungsgemeinschaft beginnt, die oekologische Dimension von Bildungstechnologie anzuerkennen -- obwohl der Umfang der Reaktion bescheiden bleibt im Verhaeltnis zum Umfang des Problems.

3.2 Der EU-Rahmen: DigComp und GreenComp

Der Ansatz der EU zur Nachhaltigkeit in der digitalen Bildung stuetzt sich auf zwei komplementaere Rahmenwerke. Der DigComp-2.2-Rahmen (Vuorikari, Kluzer und Punie 2022) integriert nachhaltigkeitsbezogene Beispiele in seine fuenf Kompetenzbereiche und adressiert die oekologischen Implikationen der Nutzung digitaler Technologie. Allerdings wird digitale Genuegsamkeit nicht explizit als Kompetenzdimension innerhalb von DigComp 2.2 benannt -- eine Luecke, die nahelegt, dass die Entwicklung des Rahmenwerks mit den aufkommenden Umweltbedenken nicht vollstaendig Schritt gehalten hat.

Der GreenComp-Rahmen (Bianchi, Pisiotis und Cabrera Giraldez 2022), veroeffentlicht von der Gemeinsamen Forschungsstelle der EU, bietet ein komplementaeres Rahmenwerk mit vier Kompetenzbereichen: Nachhaltigkeitswerte verkoerpern, Komplexitaet der Nachhaltigkeit annehmen, nachhaltige Zukuenfte visionieren und fuer Nachhaltigkeit handeln. Seine 12 Kompetenzen sind als nicht-praskriptive Referenzpunkte fuer Lernprogramme in formaler und informeller Bildung konzipiert.

Das GreenSCENT-Projekt (Horizont 2020, 2021-2024) hat die praktische Anwendung von Green-Deal-Themen in etwa 45 Schulen und Universitaeten in der EU getestet und den ECCEL geschaffen -- einen europaeischen „Fuehrerschein" fuer Klima- und Umweltkompetenzen (Europaeische Kommission 2021-2024). McDonagh, Caforio und Pollinis (2024) herausgegebener Band „The European Green Deal in Education", veroeffentlicht bei Routledge, bietet Fallstudien aus dem Projekt und dokumentiert die ersten veroeffentlichten Anwendungen von Green-Deal-Themen im Unterricht.

Calis und Kollegen (2025), in einer Studie mit 896 Lehramtsstudierenden, veroeffentlicht in Humanities and Social Sciences Communications, fanden nur ein „moderates Niveau" des Bewusstseins fuer den digitalen CO2-Fussabdruck. Die Teilnehmenden zeigten staerkeres Verstaendnis fuer die Auswirkungen elektronischer Geraete als fuer die Auswirkungen der Datenuebertragung -- das heisst, sie verstanden, dass die Herstellung eines Laptops Umweltkosten hat, waren sich aber weniger bewusst, dass das Streaming einer Videovorlesung oder die Nutzung eines cloudbasierten KI-Werkzeugs ebenfalls Emissionen erzeugt. Weibliche Teilnehmerinnen wiesen signifikant hoehere Bewusstseinswerte auf als maennliche. Dieser Befund ist besonders bedenklich: Wenn Lehrende selbst die Umweltkosten digitaler Technologie nicht kennen, kann von ihnen nicht erwartet werden, dieses Bewusstsein bei ihren Studierenden zu kultivieren.

Auf institutioneller Ebene stellte der Bericht der European University Association 2023 „A Green Deal Roadmap for Universities", basierend auf einer Befragung von nahezu 400 Institutionen aus 56 Hochschulsystemen, fest, dass eine grosse Mehrheit europaeischer Universitaeten Nachhaltigkeit entweder in ihre institutionelle Hauptstrategie integriert oder spezifische Nachhaltigkeitsstrategien entwickelt hat. Allerdings forderte die Mehrheit der Institutionen verstaerkte Foerderung und mehr Moeglichkeiten zum Peer-Learning (EUA 2023). Die Empfehlungen des Berichts erstrecken sich auf oeffentliches Engagement, Forschung, Lehre und Campusbetrieb -- aber die Umweltkosten der digitalen Infrastruktur erhalten keine gesonderte Behandlung, was nahelegt, dass selbst nachhaltigkeitsengagierte Institutionen digitale Genuegsamkeit noch nicht in ihre Umweltstrategien integriert haben.

Die wachsende Bedeutung der Nachhaltigkeitsberichterstattung in der Hochschulbildung spiegelt sich in der Ausweitung der Times Higher Education Impact Rankings wider, die die Beitraege von Universitaeten zu den UN-Nachhaltigkeitszielen messen. Urbano und Kollegen (2025), in einer im Journal of Cleaner Production veroeffentlichten Analyse, stellten fest, dass die Rankings 2024 1.963 teilnehmende Institutionen verzeichneten -- ein Anstieg um 23 Prozent gegenueber dem Vorjahr --, was wachsendes institutionelles Engagement fuer Nachhaltigkeitsberichterstattung demonstriert. Allerdings umfasst die Methodik der Rankings keine spezifischen Metriken fuer Emissionen digitaler Infrastruktur, was einen bedeutenden blinden Fleck in einem ansonsten umfassenden Bewertungsrahmenwerk schafft.

4. Chinas Ansatz: Bildung zur oekologischen Zivilisation

4.1 Oekologische Zivilisation als Bildungsrahmen

Chinas Ansatz zur Umweltbildung wird nicht durch „Nachhaltigkeit" im westlichen Sinne, sondern durch das Konzept der „oekologischen Zivilisation" (生态文明, shengtai wenming) gerahmt -- ein umfassendes Rahmenwerk, das Umweltschutz mit wirtschaftlicher Entwicklung, sozialer Steuerung und zivilisatorischer Identitaet integriert. Wang und Kollegen (2025), in einem Kapitel fuer das Springer Handbook of Ecological Civilization, zeichnen die Evolution der Bildung zur oekologischen Zivilisation als Schluesselprojekt fuer Chinas nachhaltige Entwicklung nach und vermerken ihre Integration in die Bildungspolitik auf allen Ebenen.

Bildung zur oekologischen Zivilisation unterscheidet sich von europaeischer Nachhaltigkeitsbildung in mehreren wichtigen Hinsichten. Erstens ist sie explizit politisch: Das Konzept wurde 2012 in die Verfassung der Kommunistischen Partei Chinas und 2018 in die Staatsverfassung aufgenommen, was ihm einen juristischen Status verleiht, den europaeische Nachhaltigkeitsrahmenwerke nicht besitzen. Zweitens ist sie umfassend in ihrem Geltungsbereich: Oekologische Zivilisation umfasst nicht bloss Umweltschutz, sondern eine Transformation der Beziehung zwischen menschlicher Zivilisation und der natuerlichen Welt. Drittens ist sie staatlich geleitet statt buergerorientiert: Waehrend GreenComp individuelle Buerger befaehigt, nachhaltige Entscheidungen zu treffen, positioniert Bildung zur oekologischen Zivilisation Individuen innerhalb eines kollektiven Projekts nationaler Transformation.

Zhou (2024), in einer in Social Inclusion veroeffentlichten Studie, untersucht den Uebergang von Bildung fuer nachhaltige Entwicklung (BNE) zu oekologischer Zivilisation in China durch ein Rahmenwerk der Klimagerechtigkeit. Die Analyse ergibt, dass oekologische Zivilisation stark politisiert ist, primaer auf oekologische Nachhaltigkeit beschraenkt bleibt (unter Vernachlaessigung sozialer und oekonomischer Dimensionen) und dass Bildungsakteure in Entscheidungsprozessen unterrepraesentiert sind. Diese Befunde legen nahe, dass der Rahmen zwar ambitioniert in seinem Geltungsbereich ist, seine Top-down-Umsetzung aber seine Faehigkeit einschraenken kann, die Art kritischen, partizipativen Umweltengagements zu foerdern, die das GreenComp-Rahmenwerk vorsieht.

Tian und Kollegen (2024), in einer bibliometrischen Uebersicht, veroeffentlicht in Humanities and Social Sciences Communications, die 25 Jahre chinesischer BNE-Forschung durch LDA-Topic-Modelling und Soziale-Netzwerk-Analyse analysiert, identifizieren ein Publikationsmuster von „Aufstieg und Rueckgang" mit reichlich Raum fuer Expansion. Der Wandel von international ausgerichteten Nachhaltigkeitszielen zu einem lokalisierten, politisierten Rahmenwerk unter Xi Jinpings Konzept der oekologischen Zivilisation wird als definierendes Merkmal der chinesischen BNE identifiziert -- eine Entwicklung, die sowohl Staerken (politisches Engagement, institutionelle Unterstuetzung) als auch Grenzen (reduziertes kritisches Engagement, begrenzte internationale Vergleichbarkeit) aufweist.

4.2 Chinas Doppel-Kohlenstoff-Ziele und Hochschulbildung

Ein distinktives Merkmal von Chinas Ansatz ist die direkte Integration nationaler Klimaziele in die Hochschulpolitik. 2022 erliess das Bildungsministerium ein „Arbeitsprogramm zum Aufbau eines starken Systems der Hochschulbildung fuer Kohlenstoff-Peak und Kohlenstoff-Neutralitaet" (加强碳达峰碳中和高等教育人才培养体系建设工作方案), das Universitaeten mandatierte, neue Fakultaeten, Kurse und Berufsprogramme entsprechend Chinas Doppel-Kohlenstoff-Zielen einzurichten -- Emissionshochpunkt bis 2030 und Kohlenstoffneutralitaet bis 2060. Bis 2022 waren 21 Bachelorstudiengaenge direkt mit den Doppel-Kohlenstoff-Zusagen verbunden, die neue Energien, intelligente Netze, Kohlenstoffspeicherung, Wasserstoffenergie und Big Data fuer Umweltressourcen abdeckten (Bildungsministerium 2022).

Diese Politik repraesentiert eine direktere Intervention in die Curriculumgestaltung als alles, was in der EU versucht wurde, wo Nachhaltigkeitsbildung weitgehend freiwillig und institutionsgeleitet bleibt. Das Doppel-Kohlenstoff-Bildungsmandat spiegelt Chinas breitere Governance-Philosophie wider: Wenn der Staat eine strategische Prioritaet identifiziert, wird von Universitaeten erwartet, ihre Programme entsprechend auszurichten. Ob dieser Top-down-Ansatz tieferes Umweltengagement hervorbringt als der Bottom-up-Rahmen der EU zur Kompetenzentwicklung, bleibt eine offene empirische Frage.

Wang und Kollegen (2023), in einer im Journal of Cleaner Production veroeffentlichten Studie, entwickelten eine neuartige LEAP-LCA-Hybridmethodik zur Bewertung des CO2-Fussabdrucks eines mittelgrossen chinesischen Universitaetscampus. Sie stellten fest, dass der Stromverbrauch 77 Prozent der gesamten CO2-Emissionen des Campus verursachte und dass vorgeschlagene Massnahmen zur CO2-Reduktion -- Photovoltaik, Energieeffizienzverbesserungen, Elektrifizierung -- die Emissionen bis 2060 um 97 Prozent reduzieren koennten, wobei die Stromdekarbonisierung allein 64,7 Prozent der Reduktion beitruege. Diese Befunde legen nahe, dass chinesische Universitaeten erhebliches Potenzial zur CO2-Reduktion haben, aber die Realisierung dieses Potenzials Infrastrukturinvestitionen und institutionelles Engagement erfordert, die durch Lehrplanreform allein nicht erreicht werden koennen.

4.3 Green-Campus-Initiativen

Chinas Ansatz zur gruenen digitalen Bildung verkoerpert eine distinktive Spannung. Einerseits verfolgt die Regierung den weltweit groessten Ausbau digitaler Bildungsinfrastruktur -- die Nationale Intelligente Bildungsplattform, die 293 Millionen Studierende bedient, nahezu universale schulische Breitbandanbindung, obligatorische KI-Bildung ab September 2025. Andererseits foerdert sie gleichzeitig Bildung zur oekologischen Zivilisation und Green-Campus-Initiativen.

Yuan und Kollegen (2024), in einer im International Journal of Chinese Education veroeffentlichten Studie, untersuchen Pekings Gruene-Schule-Programm anhand einer Studie von 98 Grund- und weiterführenden Schulen und dokumentieren die Rolle des Programms als BNE-Werkzeug zur Erreichung der Nachhaltigkeitsziele. Zou und Kollegen (2024), schreibend im Journal of Cleaner Production, schlagen ein vierdimensionales Rahmenwerk vor -- gruene Bildung, gruene Forschung, gruener Campus und gruenes Leben -- fuer die Digitalisierung gruener Universitaetsinitiativen und argumentieren, dass digitale Technologien gemeinschaftliches Engagement erleichtern, gruene Innovation unterstuetzen, den CO2-Fussabdruck des Campus reduzieren und Nachhaltigkeitsbewusstsein kultivieren koennen.

Diese Initiativen sind real und wertvoll, adressieren aber nicht direkt die Umweltkosten der digitalen Infrastruktur selbst. Die Spannung zwischen digitalem Ausbau und oekologischer Nachhaltigkeit wird im chinesischen Politikdiskurs anerkannt, in der Praxis aber noch nicht aufgeloest. Ueber 200 chinesische Universitaeten haben Campus-Energiemanagementsysteme implementiert, was wachsendes institutionelles Bewusstsein fuer den Energieverbrauch widerspiegelt -- aber diese Systeme beziehen typischerweise nicht die von cloudbasierten Bildungsplattformen verbrauchte Energie ein, die in Rechenzentren erzeugt wird, die moeglicherweise Tausende Kilometer vom Campus entfernt liegen.

5. Das KI-Energieparadox

Die akuteste Spannung in der gruenen digitalen Bildung ist, was wir das „KI-Energieparadox" nennen. Kuenstliche Intelligenz ist gleichzeitig die energieintensivste Komponente digitaler Bildung und die Technologie, die am haeufigsten als Loesung fuer Umweltherausforderungen angerufen wird. KI-Systeme versprechen, den Energieverbrauch zu optimieren, den Klimawandel zu modellieren, Nachhaltigkeitsbildung zu personalisieren und Muster in Umweltdaten zu identifizieren, die menschliche Analyse nicht erkennen kann. Doch die Energie, die fuer Training und Betrieb dieser Systeme erforderlich ist, waechst mit einer Rate, die die von ihnen erzeugten Effizienzgewinne zu uebertreffen droht.

Dieses Paradox manifestiert sich in einer in der Oekonomie als „Rebound-Effekt" oder Jevons-Paradox bekannten Form: Effizienzverbesserungen fuehren zu erhoehtem Verbrauch statt zu reduziertem Ressourceneinsatz. Eine Studie von 2025 in Frontiers in Energy Research untersucht systematisch 150 Artikel zum Rebound-Effekt in KI-gesteuerter nachhaltiger Entwicklung und stellt fest, dass KI-gesteuerte Effizienz den Energieverbrauch pro Outputeinheit reduziert, aber oft zu hoeherem Gesamtverbrauch fuehrt, wodurch Umweltvorteile moeglicherweise negiert werden.

Fuer Universitaeten ist das Paradox unmittelbar. Der Einsatz eines KI-gestuetzten adaptiven Lernsystems kann Bildungsergebnisse verbessern (wie in den Begleitkapiteln zu KI im Sprachlernen und der Universitaet der Zukunft dokumentiert), erhoeht aber auch den digitalen Energieverbrauch der Universitaet. Die Nachhaltigkeitsrahmenwerke der Europaeischen Kommission und Chinas Bildung zur oekologischen Zivilisation verfuegen beide ueber keine Mechanismen zur Abwaegung dieser Trade-offs: Die Umweltkosten von Bildungstechnologie sind schlicht nicht Teil der Berechnung.

Selwyn (2021), in dem, was die direkteste akademische Behandlung dieses Themas bleibt, schlaegt einen „Ed-Tech Within Limits"-Ansatz vor, der fundamentale Verschiebungen im Denken ueber Bildungstechnologie erfordert. Anstatt zu fragen, wie Technologie Bildung verbessern kann, sollten wir laut Selwyn fragen, welches Niveau an Technologie mit oekologischer Nachhaltigkeit vereinbar ist -- und akzeptieren, dass die Antwort weniger statt mehr digitale Infrastruktur umfassen koennte.

5.1 Green AI als partielle Antwort

Das aufkommende Feld „Green AI" bietet technische Ansaetze zur Reduktion der Umweltkosten kuenstlicher Intelligenz, obwohl es das Paradox nicht gaenzlich eliminieren kann. Tabbakh und Kollegen (2024), in einem umfassenden Rahmenwerk, veroeffentlicht in Discover Sustainability, ueberpruefen Techniken wie Modellkompression (Pruning), Quantisierung und Knowledge Distillation, die den Energieverbrauch der KI-Inferenz -- die laufenden Betriebskosten des Ausfuehrens trainierter Modelle -- substanziell reduzieren koennen. Sie ueberpruefen auch Werkzeuge wie CodeCarbon und Carbontracker, die Forschenden ermoeglichen, den CO2-Fussabdruck ihrer KI-Experimente zu messen und zu berichten.

Paula und Kollegen (2025), in einer vergleichenden Analyse, veroeffentlicht in Scientific Reports, zeigen, dass die Anwendung von Modellkompressionstechniken auf Transformer-basierte Modelle eine 32-prozentige Reduktion des Energieverbrauchs fuer Modelle wie BERT erreichen kann. Komprimierte grosse Modelle koennen die Effizienz zweckmaessig gebauter kleiner Modelle erreichen oder sich ihr annaehern, was nahelegt, dass KI-Anwendungen in der Bildung nicht auf die ressourcenintensivsten Architekturen angewiesen sein muessen. Fuer Universitaeten, die KI-Tutoring-Systeme oder automatisierte Bewertungswerkzeuge einsetzen, zeigen diese Befunde, dass die Wahl effizienter Modellarchitekturen -- oder das Bestehen darauf, dass Anbieter die Energieeffizienz ihrer Produkte nachweisen -- den oekologischen Fussabdruck KI-gestuetzter Bildung sinnvoll reduzieren koennte.

Allerdings adressieren Green-AI-Techniken nur die Effizienz einzelner Systeme, nicht das aggregierte Wachstum des KI-Einsatzes. Wenn jede KI-Anwendung 32 Prozent effizienter wird, sich aber die Zahl der KI-Anwendungen verdoppelt, steigt der Gesamtenergieverbrauch dennoch -- eine Lehrbuchillustration des Jevons-Paradox. Die technischen Loesungen von Green AI sind notwendig, aber nicht hinreichend; sie muessen mit der institutionellen Disziplin digitaler Genuegsamkeit kombiniert werden.

6. Vergleichende Analyse

Die Ansaetze der EU und Chinas zur gruenen digitalen Bildung spiegeln ihre breiteren Governance-Philosophien wider und offenbaren komplementaere Staerken und Schwaechen, die einen systematischen Vergleich verdienen.

6.1 Governance und Umsetzung

Der rahmenbasierte Ansatz der EU -- GreenComp, DigComp 2.2, der Green Deal, das GreenSCENT-Projekt, die EUA Green-Deal-Roadmap -- bietet konzeptuelle Klarheit und Buergerermaechtigung, kaempft aber mit der Umsetzung. Digitale Genuegsamkeit wird als Konzept anerkannt, ist aber noch nicht in grossem Massstab in die Bildungspraxis integriert. Die Umweltkosten von EdTech-Plattformen werden in der akademischen Literatur anerkannt, aber nicht in Politikrahmenwerken oder Beschaffungsentscheidungen. Der EU-Ansatz ist bottom-up: Er befaehigt Institutionen und Individuen, nachhaltige Entscheidungen zu treffen, kann sie aber nicht dazu zwingen.

Chinas staatlich geleiteter Ansatz erreicht rasche Bereitstellung sowohl digitaler Infrastruktur als auch von Bildung zur oekologischen Zivilisation, aber die beiden Straenge operieren weitgehend parallel. Die Nationale Intelligente Bildungsplattform und das Gruene-Schule-Programm koexistieren ohne einen Rahmen zur Adressierung ihrer potenziellen Widersprueche. Das Arbeitsprogramm des Bildungsministeriums 2022 zu Doppel-Kohlenstoff demonstriert die Kapazitaet fuer rasche, systemweite Lehrplanreform -- 21 neue Bachelorstudiengaenge in einem einzigen Politikzyklus geschaffen --, konzentriert sich aber auf die Ausbildung von Studierenden fuer die gruene Wirtschaft, nicht auf die Reduktion des oekologischen Fussabdrucks des Bildungssystems selbst. Die Betonung der oekologischen Zivilisation als umfassende Weltanschauung bietet eine philosophische Ressource, die europaeischen Rahmenwerken fehlt -- die Sprache zivilisatorischer Transformation --, aber ihre Top-down-Umsetzung begrenzt Bottom-up-Innovation und kritisches Engagement.

6.2 Das Nachhaltigkeitsparadox

Eine Studie von 2026 in Humanities and Social Sciences Communications identifiziert ein „Nachhaltigkeitsparadox" in der digitalen Bildung: Oekologisch kann digitale Bildung Reise- und Materialauswirkungen reduzieren, erhoeht aber den Energiebedarf; sozial kann sie den Zugang erweitern, aber Ungleichheiten vertiefen. Dieses zweidimensionale Paradox ist sowohl in europaeischen als auch in chinesischen Kontexten praesent, obwohl es sich in jedem anders manifestiert.

In der EU manifestiert sich das Paradox primaer als Spannung zwischen gruenen Aspirationen und Marktrealitaeten. Europaeische Universitaeten uebernehmen zunehmend Nachhaltigkeitsstrategien, aber ihre EdTech-Beschaffungsentscheidungen werden eher von Funktionalitaet und Kosten als von Umweltauswirkungen gesteuert. Die EUA-Befragung fand breites Engagement fuer Nachhaltigkeit im Grundsatz, aber spezifische Mechanismen zur Reduktion digitaler Umweltfussabdruecke -- energieeffiziente Beschaffungskriterien, CO2-Budgets fuer Cloud-Dienste, institutionelle Richtlinien zum KI-Einsatz -- bleiben selten.

In China manifestiert sich das Paradox als Spannung zwischen den gleichzeitigen Verpflichtungen des Staates auf digitale Expansion und oekologische Zivilisation. Die Ambition, das digital fortschrittlichste Bildungssystem der Welt aufzubauen, steht in direkter Spannung mit der Ambition, bis 2060 Kohlenstoffneutralitaet zu erreichen. Wang und Kollegen' (2023) Befund, dass Strom 77 Prozent der Campus-CO2-Emissionen ausmacht, unterstreicht das Ausmass dieser Herausforderung: Waehrend die digitale Infrastruktur expandiert, waechst auch der Strombedarf, der die Campus-Emissionen antreibt.

6.3 Forschungstraektorien

Die Forschungslandschaften in beiden Regionen spiegeln diese Governance-Unterschiede wider. Tian und Kollegen' (2024) bibliometrische Analyse chinesischer BNE-Forschung offenbart ein Feld, das zunehmend von inlaendischen politischen Rahmenwerken statt von internationalem Nachhaltigkeitsdiskurs gepraegt wird. Europaeische Forschung bleibt dagegen international staerker vernetzt, ist aber weniger politisch integriert -- sie produziert anspruchsvolle Analysen, die sich moeglicherweise nicht in Politikwandel uebersetzen. Keine der beiden Forschungstraditionen hat bisher ein umfassendes Rahmenwerk hervorgebracht, das digitale Genuegsamkeit mit breiteren Nachhaltigkeitszielen in der Hochschulbildung integriert.

7. Empfehlungen

Basierend auf unserer vergleichenden Analyse schlagen wir sieben Empfehlungen fuer Universitaeten vor, die oekologische Nachhaltigkeit in ihre Strategien fuer digitale Bildung integrieren wollen.

Erstens: Digitale Infrastruktur in die institutionelle CO2-Bilanzierung einbeziehen. Die Umweltkosten von Cloud Computing, KI-Diensten und Plattformabonnements sollten zusammen mit traditionellen Energieverbrauchsmetriken berechnet und berichtet werden. Die THE Impact Rankings und aehnliche Bewertungsrahmenwerke sollten spezifische Indikatoren fuer Emissionen digitaler Infrastruktur entwickeln. Urbano und Kollegen' (2025) Befund, dass 1.963 Institutionen nun an Impact Rankings teilnehmen, demonstriert die institutionelle Bereitschaft, sich mit Nachhaltigkeitsmetriken auseinanderzusetzen -- aber die Metriken selbst muessen um die digitale Dimension erweitert werden.

Zweitens: Digitale Genuegsamkeit als Gestaltungsprinzip fuer Bildungstechnologie uebernehmen. Beschaffungsentscheidungen sollten neben Funktionalitaet und Kosten Umweltvertraeglichkeitspruefungen einschliessen. Unnuetzer digitaler Konsum -- obligatorische Kamera-an-Richtlinien waehrend Vorlesungen, ueberdimensionierte Cloud-Speicherzuweisung, redundante Plattformabonnements und der routinemaessige Einsatz von KI-Werkzeugen fuer Aufgaben, die sie nicht erfordern -- sollte identifiziert und reduziert werden. Die urspruengliche Empfehlung des Shift Project, „das geringstmoegliche Geraet zu kaufen und Geraete so selten wie moeglich zu wechseln", gilt direkt fuer die Beschaffung von Bildungstechnologie.

Drittens: Umweltbewusstsein in die digitale Kompetenzbildung integrieren. Die Umweltkosten digitaler Aktivitaeten sollten Teil des Curriculums fuer digitale Kompetenz sein, nicht ein separates Nachhaltigkeitsmodul. Calis und Kollegen' (2025) Befund, dass Lehramtsstudierende nur moderates Bewusstsein fuer digitale CO2-Fussabdruecke aufweisen, legt nahe, dass Lehrerbildungsprogramme dringend diese Dimension integrieren muessen. Studierende, die ueber KI lernen, sollten auch ueber den Energie- und Wasserverbrauch von KI lernen; Studierende, die cloudbasierte Lernplattformen nutzen, sollten die Infrastruktur verstehen, die diese ermoeglicht.

Viertens: Institutionelle Metriken fuer das KI-Energieparadox entwickeln. Universitaeten, die KI in der Bildung einsetzen, sollten verpflichtet werden nachzuweisen, dass die Bildungsvorteile die Umweltkosten rechtfertigen -- oder zumindest, dass die Umweltkosten berechnet und minimiert wurden. Green-AI-Techniken wie Modellkompression (Paula et al. 2025) und effiziente Architekturen (Tabbakh et al. 2024) sollten Kriterien bei KI-Beschaffungsentscheidungen sein, keine nachtraeglichen Ueberlegungen.

Fuenftens: E-Waste durch institutionelles Lebenszyklusmanagement adressieren. Die wachsende Hardwareintensitaet digitaler Bildung erzeugt E-Waste, der in Nachhaltigkeitsbewertungen typischerweise unsichtbar ist. Valai Ganesh und Kollegen' (2025) Demonstration, dass Vor-Ort-Recycling 90-prozentige Materialrueckgewinnungsraten erreichen kann, legt nahe, dass Universitaeten ihren E-Waste-Fussabdruck mit relativ bescheidenen institutionellen Investitionen signifikant reduzieren koennten. Die Verlaengerung der Geraetelebensdauer durch Reparaturprogramme und die Wahl langlebiger, aufruestbarer Hardware wuerde die Umweltauswirkungen weiter reduzieren.

Sechstens: Forschung zu nachhaltiger Bildungstechnologie unterstuetzen. Die akademische Gemeinschaft sollte in Forschung zu energiearmen Lerntechnologien, effizienten KI-Architekturen fuer Bildungsanwendungen und paedagogischen Ansaetzen investieren, die aequivalente Ergebnisse mit weniger digitaler Infrastruktur erzielen. Wang und Kollegen' (2023) LEAP-LCA-Methodik zur Campus-CO2-Bewertung koennte angepasst werden, um Emissionen digitaler Infrastruktur einzuschliessen und Universitaeten ein umfassendes Werkzeug fuer die Umweltbilanzierung zu bieten.

Siebtens: EU-China-Dialog zur gruenen digitalen Bildung schaffen. Die konzeptionellen Rahmenwerke der EU (GreenComp, digitale Genuegsamkeit) und Chinas Umsetzungskapazitaet (Doppel-Kohlenstoff-Mandate, rasche Lehrplanreform) sind komplementaere Staerken. Ein strukturierter Dialog -- moeglicherweise im Rahmen des Jean-Monnet-Exzellenzzentrums -- koennte die Entwicklung praktischer Ansaetze fuer die Umweltherausforderungen beschleunigen, vor denen beide Systeme stehen. Chinas Erfahrung mit obligatorischer Lehrplanreform fuer die Doppel-Kohlenstoff-Ziele koennte europaeische Bemuehungen zur Skalierung von Nachhaltigkeitsbildung informieren, waehrend der EU-Rahmen fuer digitale Genuegsamkeit China helfen koennte, die Umweltkosten seines Ausbaus digitaler Bildung zu adressieren.

8. Schlussfolgerung

Die digitale Transformation der Hochschulbildung ist nicht umweltneutral. Rechenzentren verbrauchen jaehrlich 415 TWh Strom und wachsen. KI-Training erzeugt Hunderte metrische Tonnen CO2 und verdampft Hunderttausende Liter Frischwasser. Digitaler Inhaltskonsum macht 3-4 Prozent der Pro-Kopf-Emissionen aus. E-Waste aus Bildungstechnologie wird voraussichtlich innerhalb eines Jahrzehnts um 50 Prozent wachsen. Diese Fakten sind keine Argumente gegen digitale Bildung -- die in dieser Anthologie dokumentierten Vorteile sind real und bedeutsam. Aber sie sind Argumente fuer oekologische Ehrlichkeit: fuer die Anerkennung der Kosten neben den Vorteilen und fuer die Gestaltung von Bildungstechnologiesystemen, die Umweltschaeden minimieren, statt sie zu ignorieren.

Die EU und China bringen unterschiedliche Ressourcen fuer diese Herausforderung mit. Die EU hat anspruchsvolle konzeptionelle Rahmenwerke entwickelt -- GreenComp, DigComp 2.2, digitale Genuegsamkeit --, die eine Sprache fuer die Diskussion der Umweltkosten digitaler Bildung bieten, und ihre Green-Deal-Integration in die Bildung durch Projekte wie GreenSCENT repraesentiert einen genuinen, wenn auch noch bescheidenen Schritt Richtung Praxis. China hat die Kapazitaet fuer rasche, systemweite Lehrplanreform durch sein Doppel-Kohlenstoff-Bildungsmandat demonstriert und oekologische Zivilisation in seine verfassungsmaessigen und bildungspolitischen Rahmenwerke eingebettet -- und bietet damit eine Tiefe politischen Engagements, die europaeische freiwillige Ansaetze nicht erreichen koennen.

Doch keines der beiden Systeme hat eine adaequate Antwort auf das KI-Energieparadox entwickelt -- die unbequeme Realitaet, dass die leistungsfaehigsten Bildungstechnologien auch die umweltschaedlichsten sind. Green-AI-Techniken bieten partielle Abhilfe, aber das Jevons-Paradox legt nahe, dass Effizienzgewinne durch wachsende Nachfrage aufgezehrt werden, wenn nicht institutionelle Disziplin den Einsatz einschraenkt. Die von Calis und Kollegen (2025) befragten Lehramtsstudierenden -- die Paedagogen von morgen -- haben nur moderates Bewusstsein fuer digitale CO2-Fussabdruecke, was nahelegt, dass das Problem ohne gezielte curriculare Intervention fortbestehen wird.

Die Entwicklung einer adaequaten Antwort auf diese Herausforderungen gehoert zu den wichtigsten Aufgaben der Hochschulbildung im kommenden Jahrzehnt. Sie erfordert nicht weniger Technologie, sondern klueegere Technologie -- und die institutionelle Bereitschaft, vor jeder digitalen Bereitstellung zu fragen, ob der Bildungsnutzen die Umweltkosten rechtfertigt. Der EU-China-Vergleich legt nahe, dass die Antwort sowohl konzeptionelle Raffinesse als auch Umsetzungskapazitaet erfordert -- die Staerken, die jedes System zu einer gemeinsamen globalen Herausforderung beitragen kann.

Danksagung

Diese Forschung wurde im Rahmen des Jean-Monnet-Exzellenzzentrums „EUSC-DEC" (EU-Foerderkennzeichen 101126782, 2023-2026) durchgefuehrt. Der Autor dankt den Mitgliedern der Forschungsgruppen 1 und 5 fuer ihre Beitraege zur vergleichenden Analyse von Nachhaltigkeits- und digitaler Bildungspolitik.

Literaturverzeichnis

Bianchi, G., Pisiotis, U. & Cabrera Giraldez, M. (2022). GreenComp: The European sustainability competence framework. Publications Office of the European Union, Luxembourg. JRC128040. DOI: 10.2760/13286

Calis, S., Kahraman, N., Zeren Ozer, D. & Ergul, N. R. (2025). Determining the digital carbon footprint awareness of pre-service teachers. Humanities and Social Sciences Communications, 12, Article 1678. DOI: 10.1057/s41599-025-05944-z

Caird, S. & Lane, A. (2024). Digital learning, face-to-face learning and climate change. Future Healthcare Journal, 11(3), 100156. DOI: 10.1016/j.fhj.2024.100156

De Vries, A. (2026). The carbon and water footprints of data centers and what this could mean for artificial intelligence. Patterns, 7(1), 101430. DOI: 10.1016/j.patter.2025.101430

European Commission. (2021-2024). GreenSCENT -- Smart Citizen Education for a Green Future. Horizon 2020 Project ID: 101036480.

European University Association. (2023). A Green Deal Roadmap for Universities. Brussels: EUA.

IEA. (2025). Energy and AI. IEA, Paris. Available at: https://www.iea.org/reports/energy-and-ai

Istrate, R. et al. (2024). The environmental sustainability of digital content consumption. Nature Communications, 15, Article 3724. DOI: 10.1038/s41467-024-47621-w

Le Goff, T. (2025). Not greenwashing, but still... A closer look at big tech's 2025 sustainability reports. Internet Policy Review.

Li, P., Yang, J., Islam, M. A. & Ren, S. (2023). Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models. Communications of the ACM. DOI: 10.1145/3724499

McDonagh, S. A., Caforio, A. & Pollini, A. (Eds.) (2024). The European Green Deal in Education. Routledge. DOI: 10.4324/9781003492597

Ministry of Education of the People's Republic of China. (2022). Work Program for Building a Strong Carbon Peak Carbon Neutral Higher Education Talent Training System. Beijing: Ministry of Education.

NPR. (2024, July 12). AI brings soaring emissions for Google and Microsoft. NPR.

Patterson, D. et al. (2021). Carbon Emissions and Large Neural Network Training. arXiv:2104.10350. DOI: 10.48550/arXiv.2104.10350

Paula, E., Soni, J., Upadhyay, H. & Lagos, L. (2025). Comparative analysis of model compression techniques for achieving carbon efficient AI. Scientific Reports, 15, Article 23461. DOI: 10.1038/s41598-025-07821-w

Selwyn, N. (2021). Ed-Tech Within Limits: Anticipating educational technology in times of environmental crisis. E-Learning and Digital Media, 18(5), 496-510. DOI: 10.1177/20427530211022951

Strubell, E., Ganesh, A. & McCallum, A. (2019). Energy and Policy Considerations for Deep Learning in NLP. Proceedings of the 57th Annual Meeting of the ACL, pp. 3645-3650. DOI: 10.18653/v1/P19-1355

Tabbakh, A., Al Amin, L., Islam, M., Mahmud, G. M. I., Chowdhury, I. K. & Mukta, M. S. H. (2024). Towards sustainable AI: A comprehensive framework for Green AI. Discover Sustainability, 5, Article 408. DOI: 10.1007/s43621-024-00641-4

Thao, T. Q., Hanh, T. H. & Huy, N. N. (2025). Sustainable e-waste management in higher education institutions: case study of Ho Chi Minh City University of Technology. International Journal of Environmental Science and Technology, 22, 6423-6434. DOI: 10.1007/s13762-024-06012-w

Tian, W., Ge, J., Zheng, X., Zhao, Y., Deng, T. & Yan, H. (2024). Understanding the landscape of education for sustainable development in China: A bibliometric review and trend analysis of multicluster topics (1998-2023). Humanities and Social Sciences Communications, 11, Article 1213. DOI: 10.1057/s41599-024-03713-y

The Shift Project. (2019). Lean ICT: Towards Digital Sobriety. Paris: The Shift Project.

UNESCO. (2024). UNESCO Prize for ICT in education steers digital learning for greening.

Urbano, V. M., Arena, M., Azzone, G. & Mayeres, M. (2025). Sustainable development in higher education: An in-depth analysis of Times Higher Education Impact Rankings. Journal of Cleaner Production, 501, 145302. DOI: 10.1016/j.jclepro.2025.145302

Valai Ganesh, S., Suresh, V., Rajakarunakaran, S. et al. (2025). Sustainable electronic waste management framework for academic institutions in India. Scientific Reports, 15, Article 40550. DOI: 10.1038/s41598-025-24278-z

Vuorikari, R., Kluzer, S. & Punie, Y. (2022). DigComp 2.2: The Digital Competence Framework for Citizens. EUR 31006 EN, Publications Office of the European Union. DOI: 10.2760/115376

Wang, C., Parvez, A. M., Mou, J., Quan, C., Wang, J., Zheng, Y., Luo, X. & Wu, T. (2023). The status and improvement opportunities towards carbon neutrality of a university campus in China. Journal of Cleaner Production, 414, 137521. DOI: 10.1016/j.jclepro.2023.137521

Wang, Y., Chen, X., Liu, F. & Gong, Q. (2025). Ecological Civilization Education in China. In: Peters, M. A. et al. (Eds.), Handbook of Ecological Civilization. Springer. DOI: 10.1007/978-981-97-8101-0_43-1

Williamson, B., Hogan, A. & Selwyn, N. (2025). Digital Emissions: Edtech Platforms and the Extended Carbon Relations of Higher Education Institutions. In: Critical EdTech Studies. Springer. DOI: 10.1007/978-3-031-88173-2_9

Xiao, T. et al. (2025). Environmental impact and net-zero pathways for sustainable artificial intelligence servers in the USA. Nature Sustainability, 8(12), 1541-1553. DOI: 10.1038/s41893-025-01681-y

Yuan, X. et al. (2024). Promoting education for sustainable development through the green school program. International Journal of Chinese Education, 13(2). DOI: 10.1177/2212585X241259192

Zhou, R. K. (2024). From Education for a Sustainable Development to Ecological Civilization in China: A Just Transition? Social Inclusion, 12, Article 7421. DOI: 10.17645/si.7421

Zou, Y., Zhong, N., Chen, Z. & Zhao, W. (2024). Bridging digitalization and sustainability in universities: A Chinese green university initiative in the digital era. Journal of Cleaner Production, 467, 142924. DOI: 10.1016/j.jclepro.2024.142924

Index

A

academic integrity 7, 14, 15, 71, 173, 175

AI energy paradox 183, 184, 193, 197, 199

AI ethics 6, 37, 69, 75, 87, 144, 160, 166

AI in education 7, 10, 14, 18, 39, 48, 58, 59, 75, 78, 79, 98, 174, 182, 197

AI in higher education 18, 19, 20, 77, 165, 181, 182

AI labour market 115

AI literacy 6, 7, 9, 11, 17, 18, 37, 65, 69, 70, 76, 123, 124, 143, 147, 148, 149, 151, 152, 153, 157, 158, 159, 160, 161, 162, 176, 178, 180

AI-assisted language learning 59, 75, 78, 79, 84, 90, 170

alternative education 115, 125, 129

B

Brussels Effect 7, 16, 17, 19, 20, 44, 56

C

carbon footprint 184, 186, 189, 191, 192, 194, 197, 199, 200

ChatGPT 36, 58, 61, 64, 66, 67, 70, 71, 76, 77, 79, 80, 81, 99, 100, 106, 108, 112, 172, 173, 176

China 1, 2, 3, 4, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 38, 39, 42, 43, 44, 46, 48, 49, 50, 53, 54, 55, 56, 59, 61, 65, 70, 71, 74, 75, 76, 78, 79, 81, 104, 114, 115, 116, 117, 118, 119, 120, 121, 122, 124, 125, 127, 128, 129, 130, 133, 134,135, 136, 138, 139, 140, 141, 143, 144, 145, 146, 147, 148, 149, 150, 151, 153, 154, 155, 156, 158, 159, 160, 161, 162, 163, 165, 166, 167, 168, 169, 171, 172, 173, 175, 176, 177, 178, 179, 180, 181, 182, 183, 185, 190, 191, 192, 193, 195, 196, 198, 199, 200, 201, 202

China AI governance 6

China digital education 148

China education technology 134

comparative education 90, 116, 148

comparative study 20, 77, 78, 79, 182

competency-based education 114, 115, 180

complementarity thesis 79

cross-border data flows 39, 52, 55

D

data centres 127, 184, 185, 186, 193

DeepL 58, 60, 61, 66, 70, 76, 77

DigComp 2.2 142, 147, 148, 149, 156, 158, 159, 162, 188, 195, 199, 201

digital competence 30, 147, 148, 149, 153, 154, 157, 159, 160, 171, 197

digital divide 128, 142, 148, 149, 153, 154, 158, 161

digital education 54, 78, 79, 115, 126, 135, 136, 137, 138, 147, 150, 153, 165, 183, 184, 185, 187, 188, 192, 193, 195, 196, 197, 198, 199

digital literacy 128, 140, 144, 147, 148, 150, 151, 153, 155, 156, 157, 158, 159, 160, 162, 163, 180, 197

digital natives 148

digital sobriety 183, 184, 185, 187, 188, 189, 194, 196, 197, 198, 199

E

ecological civilization 183, 184, 185, 190, 191, 192, 193, 195, 196, 199

Edu-Metaverse 133, 134, 135, 136, 144, 146

EU AI Act 6, 8, 11, 14, 17, 18, 48, 53, 69, 151, 158, 177, 178

EU-China comparison 18, 39, 58, 165, 184, 199

European digital skills 148

European Union 2, 6, 7, 9, 19, 38, 39, 55, 76, 79, 96, 115, 116, 126, 130, 131, 134, 147, 149, 151, 161, 162, 181, 183, 185, 200, 201

European universities 16, 40, 48, 50, 69, 119, 120, 133, 134, 167, 177, 187, 189, 195

European-Chinese comparison 115, 118

F

foreign language education 78

G

GDPR 3, 20, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 156, 170, 178, 179, 182

Gen Z 148

generative AI policy 7, 165

green digital education 184, 192, 193, 194, 198

GreenComp 183, 184, 188, 190, 191, 195, 198, 199, 200

H

higher education 6, 7, 11, 13, 14, 15, 17, 19, 20, 38, 39, 40, 41, 47, 49, 51, 53, 55, 75, 99, 112, 116, 117, 121, 122, 133, 134, 135, 137, 138, 145, 146, 151, 167, 171, 172, 173, 174, 177, 181, 182, 183, 184, 185, 189, 191, 196, 198, 199, 201

human-AI interaction 78, 88

hybrid learning 39, 165, 166, 171, 172, 181

I

immersive learning 134

L

language education 58, 76, 78, 79, 87, 92, 93, 95, 96, 162

learning analytics 38, 39, 40, 46, 47, 49, 52, 53, 54, 56, 167, 178, 179

lifelong learning 115, 120, 122, 129, 131

M

machine translation 58, 59, 60, 63, 64, 65, 66, 67, 69, 73, 74, 75, 76

micro-credentials 114, 115, 116, 128, 131, 180

P

PIPL 3, 20, 38, 39, 40, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 156, 179, 182

post-editing 58, 59, 62, 64, 67, 68, 69, 70, 72, 74, 76

privacy 13, 15, 18, 19, 39, 41, 43, 44, 46, 47, 50, 52, 53, 55, 56, 124

proctoring 6, 7, 8, 9, 14, 15, 20, 38, 39, 41, 47, 48, 54

S

sensory modalities 78

smart campus 165, 167, 168, 178, 180, 182

smart classrooms 134

smart education platform 134

student attitudes 78

student data protection 39

sustainability 27, 30, 157, 166, 183, 184, 185, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 202

T

translation literacy 58, 65, 74

U

university transformation 165, 166, 181

V

virtual reality 22, 133, 134, 145, 146, 166, 184

VR effectiveness 134

W

workforce transformation 115

X

XR 133, 134, 136, 137, 145