Skip to content

Carbon & Price Aware API und MCP: Jobs zur grüneren Stunde

Ein Luftbild eines Flusses, der durch einen Wald fließt, mit dem englischen Text: Your AI agents run on a schedule. The grid changes by the hour.

Carbon & Price Aware API und MCP sagen KI-Agenten, wann das Netz am saubersten ist und was ein Lauf kostet. Wer wartete, sparte in Europa 27 % CO₂ pro kWh.

Nimm einen Job, der um zwei Uhr morgens laufen soll. Am 8. Oktober hätte dieselbe Stunde Arbeit in Deutschland um drei Uhr nachmittags 49 % weniger CO₂ pro kWh verursacht: 220 Gramm statt 433. In Kalifornien lag am 28. Oktober zehn Uhr morgens um 57 % vor zwei Uhr nachts: 136 Gramm statt 316.

Am Job selbst hat sich nichts geändert, nur die Uhrzeit.

Das ist die Idee hinter der GreenPT Carbon & Price Aware API und dem MCP. Bevor ein KI-Agent einen Lauf startet, stellt er GreenPT eine Frage: Ist jetzt ein sauberer Moment? Wenn ja, läuft der Job. Kommt vor seiner Deadline eine sauberere Stunde, wartet er und läuft dann einmal.

Transkript (übersetzt)

Deine KI-Agenten laufen nach Zeitplan. Aber das Stromnetz ändert sich stündlich. Sonne und Wind kosten im Betrieb fast nichts, also nutzt das Netz sie zuerst. Lassen sie nach, füllen Gas und Kohle die Lücke. Deshalb hat jede Stunde einen anderen CO₂-Fußabdruck. Nimm einen Job, angesetzt für zwei Uhr morgens. An diesem Tag war in Deutschland drei Uhr nachmittags 49 % sauberer. In Kalifornien war zehn Uhr morgens 57 % sauberer. Vor jedem Lauf stellt dein Agent GreenPT eine Frage: Ist jetzt ein sauberer Moment? Wenn ja, läuft der Job. Kommt eine sauberere Stunde, wartet er und läuft dann einmal. Ein Lauf wird nie blockiert. Was spart das? Wartet ein Lauf, stößt er in Europa typischerweise 27 % weniger CO₂ aus, und in den USA 21 % weniger. Bei Jobs, die warten können, sind es bis zur Hälfte. GreenPT weiß auch, was die KI kostet. Dieselbe Arbeit, als Batch innerhalb eines Tages erledigt, kostet die Hälfte. Es ist live für Microsoft Foundry, kommt in den AWS Marketplace für Amazon Bedrock und ist als MCP und API in der privaten Beta. Du siehst jeden Lauf und was er gespart hat, mit Berichten für die CSRD. Die Einrichtung braucht einen Klick. Und jeder verschobene Lauf ist dokumentiert. Gleicher Job. Grünere Stunde. Bekannte Kosten. Das ist GreenPT. Carbon Aware API und MCP sind jetzt in der privaten Beta. Scanne den Code, um mehr zu erfahren.

Warum wir es gebaut haben

Wir haben viel darüber nachgedacht, wie GreenPT großen Einfluss auf KI nehmen kann, und besonders auf agentische KI. Generative Mehrzweckmodelle können rund 30-mal so viel Energie verbrauchen wie Modelle, die für eine einzige Aufgabe gebaut sind: Bei der Beantwortung von Fragen haben Luccioni, Jernite und Strubell etwa 10 g CO₂e pro 1.000 Antworten gemessen, gegenüber etwa 0,3 g. Agenten laufen auf diesen Modellen, viele Male am Tag.

Viele Unternehmen betreiben ganze Flotten von Agenten. Die meisten von ihnen bleiben aus guten Gründen auf der Plattform, die sie gewählt haben, und wechseln nicht zu GreenPT. Also haben wir etwas gebaut, das dort funktioniert, wo ihre Agenten schon laufen.

Das Netz ändert sich stündlich

Sonne und Wind kosten im Betrieb fast nichts, also nutzt das Netz sie zuerst. Lassen sie nach, füllen Gas und Kohle die Lücke. Deshalb steigt und fällt die CO₂-Intensität des Stroms, also die Gramm CO₂ pro kWh, über den Tag.

Eine Chat-Antwort muss sofort kommen. Viel Agentenarbeit muss das nicht: ein nächtlicher Bericht, eine Wochenanalyse, ein Stapel Zusammenfassungen, Datenanreicherung, ein Eval-Lauf. Sie muss zu einer bestimmten Zeit fertig sein, nicht zu einer bestimmten Minute starten. Diesen Spielraum nutzt die API.

Eine Frage vor jedem Lauf

Ein CO₂-bewusster Agent bekommt eine Deadline statt einer Startzeit. Bevor er läuft, fragt er nach dem saubersten Zeitfenster vor dieser Deadline:

curl "$CARBON_API/best-window\
  ?location=us-west-1\
  &duration_minutes=60\
  &deadline=2026-11-10T13:00:00Z" \
  -H "Authorization: Bearer $GREENPT_KEY"

Das ist eine echte Antwort vom 9. November 2026 um 13:39 UTC, gekürzt auf die wichtigsten Felder:

{
  "run_now": false,
  "start": "2026-11-09T20:00:00Z",
  "gco2_kwh": 121.2,
  "if_run_now": 329.7,
  "saving_pct": 63.2,
  "wait_minutes": 382,
  "kind": "forecast",
  "zone": "US-CISO"
}

Ihr Feld summary sagt dasselbe in einem Satz, den ein Agent direkt weitergeben kann: “Wait 6h22m and start at 2026-11-09 20:00 UTC on the US-CISO grid: 121.2 instead of 329.7 gCO2/kWh, 63.2% less CO2, 208.5 g saved per kWh.”

Dieselbe Frage für eu-central-1 kam im selben Moment mit run_now: true zurück: Vor der Deadline war keine spätere Stunde sauberer als das deutsche Netz in diesem Moment. Wir haben diese beiden Regionen gewählt, um beide Arten von Antwort zu zeigen. Sie sind also Beispiele, keine Durchschnittswerte.

Drei Regeln machen das Warten sicher:

  • Die Deadline gilt. Jedes Zeitfenster endet vor ihr. Ist keine spätere Stunde sauberer als jetzt, lautet die Antwort run_now: true.
  • Im Zweifel geht es los. Gibt es keine Prognose oder ist GreenPT nicht erreichbar, startet der Lauf trotzdem. Fehlende Daten blockieren nie die Arbeit.
  • Kleine Einsparungen warten nicht. Die CO₂-Prüfungen in Foundry und Bedrock verschieben einen Lauf nur, wenn er dadurch mindestens 5 % spart, und nie um mehr als 8 Stunden, außer du setzt andere Limits.

Was es spart

Wir haben jede gemessene Stunde vom 5. Oktober bis 5. November 2026 nachgespielt, für 6 EU-Länder und 7 US-Netze. Für jede Startstunde haben wir einen einstündigen Job, der sofort läuft, mit dem saubersten Start in den nächsten 8 oder 24 Stunden verglichen und nur Läufe gezählt, bei denen das Verschieben 5 % oder mehr sparte.

Weniger CO₂ pro kWh für einen verschobenen Lauf. Median, mit der Spanne der mittleren 8 von 10 Läufen.

Netz Bis zu 8 h Bis zu 24 h
Europa, 6 Länder 18 %
(7–44)
27 %
(9–53)
Niederlande 23 % 40 %
Frankreich 23 % 35 %
Deutschland 20 % 31 %
Polen 18 % 24 %
Italien 17 % 21 %
Schweden 13 % 15 %
USA, 7 Netze 14 %
(6–41)
21 %
(8–50)
Kalifornien 41 % 45 %
Texas 23 % 34 %
Great Plains 15 % 26 %
Arizona 12 % 19 %
Mittlerer Westen 12 % 17 %
Nordwesten 12 % 15 %
Virginia 9 % 12 %

Die Einsparung ist am größten, wo Sonne und Wind am stärksten schwanken, etwa in Kalifornien und den Niederlanden. Wo das Netz den ganzen Tag sauber ist, wie in Schweden, gibt es wenig zu gewinnen, und die ehrliche Antwort lautet: Die Stunde spielt kaum eine Rolle.

Zwei Dinge solltest du beim Lesen dieser Zahlen im Kopf behalten:

  • Sie zeigen den besten Fall. Sie beruhen auf dem Wissen im Nachhinein. Ein echter Lauf entscheidet anhand einer Prognose. In einem 30-tägigen US-Backtest vom September 2026 erfasste die Prognose für einen einstündigen Job je nach Netz 66 % bis 96 % der erreichbaren Einsparung.
  • Europa sieht weniger weit voraus. Die Day-Ahead-Prognose erscheint einmal am Tag. Am 6. November um 14:00 UTC konnte die API für die Niederlande und Deutschland deshalb 9 Stunden vorausblicken, für US-Netze 25 Stunden. In solchen Momenten sind die 24-Stunden-Werte außer Reichweite.

Das sind durchschnittliche Intensitäten, wie sie die Berichterstattung nach dem GHG Protocol verwendet. Deshalb sagen wir, dass ein Lauf weniger CO₂ pro kWh verursacht, und nicht, dass er CO₂ aus dem Netz entfernt.

Eine API und ein MCP-Server

Die Carbon & Price Aware API ist ein REST-Dienst, und dieselben Tools gibt es über MCP, sodass ein Agent sie ohne eigenen HTTP-Code aufrufen kann.

Endpunkt und MCP-Tool Welche Frage es beantwortet
GET /carbon
carbon_intensity
Wie sauber ist das Netz hier, Stunde für Stunde, gemessen und prognostiziert?
GET /best-window
best_window
Wann soll dieser Job laufen, vor seiner Deadline?
GET /best-location
best_location
Wo und wann soll er laufen, wenn mehrere Regionen infrage kommen?
GET /prices
llm_prices
Was kostet dieses Modell bei jedem Anbieter, jeder Cloud und jedem Router?
GET /regions
list_regions
Welche Namen von Cloud-Regionen kann ich als Standort übergeben?
GET /zones
list_zones
Welche Netze sind abgedeckt?

Du kannst nach Koordinaten oder nach dem Namen einer Cloud-Region fragen, etwa westeurope, eu-central-1 oder us-west-1, sodass ein Agent, der einen Cloud-Job plant, keine Koordinaten braucht. Der MCP-Server ist zustandsloses Streamable HTTP mit demselben Bearer-Schlüssel wie die API. Damit funktioniert er in jedem Host, in dem du einen Header setzen kannst, etwa Claude Code, Cursor oder die MCP-SDKs:

claude mcp add --transport http \
  greenpt-carbon "$CARBON_API/mcp" \
  --header "Authorization: Bearer $GREENPT_KEY"

Der Server sagt dem Modell auch, wie es ihn nutzen soll: mit best_window entscheiden, wann, gemessenen Werten voll vertrauen, Prognosen als Vorhersagen mit Unsicherheitsbändern behandeln und den einen Satz in summary so weitergeben, wie er ist.

Ein Preis für jeden Lauf

CO₂ ist die eine Hälfte der Frage. Die andere Hälfte ist Geld. Die API hält Tokenpreise pro Modell über Anbieter, Clouds und Router hinweg aktuell, Batch-Preise eingeschlossen. Gib ihr ein Modell und eine Tokenzahl, und ein Lauf hat einen Preis, bevor das erste Token ausgegeben ist.

Am 6. November 2026 kosteten eine Million Input-Tokens und 200.000 Output-Tokens mit Claude Sonnet 4.5 auf Amazon Bedrock 6,00 $, über ein EU- oder US-Inferenzprofil 6,60 $ und als Batch 3,00 $. Dieselbe Arbeit mit GPT-5 in Azure kostete 3,25 $, oder 1,63 $ als Batch.

Eine Batch-API kostet etwa die Hälfte, aber der Anbieter entscheidet innerhalb von etwa einem Tag, wann der Batch läuft. Wann du ihn einreichst, ändert sein CO₂ also nicht. Für einen Job, den du selbst ausführst, entscheidet best_window über das Wann. Für ein Modell auf Bedrock, Vertex oder Azure ist die Region der Hebel: Vergleiche die Regionen dieser Cloud mit best_location.

Wo es funktioniert

Microsoft Foundry

Für Foundry-Agenten ist GreenPT ein Tool, das der Agent ganz am Anfang eines Laufs aufruft. Der Agent meldet sich mit seiner eigenen Microsoft-Entra-Identität an, es gibt also keine API-Schlüssel. Spart ein späterer Start mindestens dein Minimum, legt GreenPT in deinem Foundry-Projekt eine einmalige Routine an, die dieselbe Aufgabe einmal startet, zur grüneren Zeit, und sagt dem aktuellen Lauf, dass er stoppen soll. Ein verschobener Lauf wird nie ein zweites Mal verschoben.

Die Übersichtsseite von GreenPT für Foundry: 3.000 geprüfte Läufe bei 4 Agenten, 1.066 davon verschoben, 27 % Einsparung bei verschobenen Läufen, 33, die ohne Prüfung liefen, und ein Balken, der zeigt, wie sicher sich GreenPT beim Netz jedes Laufs ist.

Jeder Agentenlauf, geprüft: was GreenPT diesen Monat entschieden hat und wie sicher es sich beim Netz ist. Beispieldaten für Contoso, ein fiktives Unternehmen.

GreenPT richtet die Agenten für dich ein. Es fügt in Foundry das Tool und eine Anweisungszeile hinzu, nachdem du die Änderung geprüft hast, und zeigt, welche Agenten bereit sind.

Die Seite „Agents“: jeder Agent mit seinem Modell und seiner Netz-Kennzeichnung und drei Häkchen für die CO₂-Prüfung: Tool hinzugefügt, Anweisungszeile ganz oben, Läufe ohne Freigabe. Ein Agent ist noch nicht eingerichtet und hat eine Schaltfläche „Set up for me“.

Die Einrichtung jedes Agenten auf einen Blick. Beispieldaten für Contoso.

Wo ein Modell läuft, entscheidet, welches Netz zählt. In Azure hängt das vom Deployment-Typ ab, und GreenPT kennzeichnet jeden ehrlich: exact für ein regionales Deployment, das in einem Land bleibt, in zone für ein Data-Zone-Deployment und estimate für ein Global-Deployment, das überall laufen kann.

Die Seite „Models“: drei Deployments mit ihrem Typ und dem Ort, an dem sie laufen. Ein Standard-Deployment in Sweden Central ist als „Exact“ gekennzeichnet, ein Data-Zone-Deployment in der EU als „In zone“ und ein Global-Deployment als „Estimate“. Eine Karte empfiehlt, das Global-Deployment in ein Data-Zone-Deployment zu verschieben.

Wo deine Modelle wirklich laufen. Beispieldaten für Contoso.

Jeder verschobene Lauf ist dokumentiert, mit seiner Einsparung und seiner Netz-Kennzeichnung, und der Monatsbericht ist bereit für die CSRD.

Die Seite „Moved runs“: eine Tabelle mit Läufen, mit dem Zeitpunkt, an dem jeder erstellt wurde, dem Agenten, der geplanten Zeit, der Einsparung von 18 % bis 45 %, der Netz-Kennzeichnung und dem Status, etwa „Ran at the green time“ oder „Waiting“.

Läufe, die zu einer grüneren Stunde verschoben wurden. Jeder startet einmal und wird danach aufgeräumt. Beispieldaten für Contoso.

Amazon Bedrock AgentCore

Für AgentCore-Agenten funktioniert es genauso. Der Agent weist sich mit seinem eigenen AWS-Identitätstoken aus, und ein verschobener Lauf wird zu einem einmaligen Zeitplan in EventBridge Scheduler in deinem Konto, der die Aufgabe einmal startet und sich dann selbst löscht. Die Einrichtung ist ein CloudFormation-Stack mit zwei Rollen und einer Zeitplangruppe, und jeder Schritt wird grün, sobald AWS ihn bestätigt.

Transkript (übersetzt)

Deine Amazon-Bedrock-Agenten laufen nach Zeitplan: Nachtberichte, Übersichten, Batch-Jobs. Die meisten müssen nicht zu einer exakten Minute starten. Aber das Stromnetz ist nicht den ganzen Tag gleich sauber. An diesem Tag in Kalifornien hätte ein Job für zwei Uhr morgens um zehn Uhr 57 % weniger CO₂ pro Kilowattstunde verursacht. GreenPT gibt jedem AgentCore-Agenten ein Tool. Zu Beginn eines Laufs fragt der Agent: Ist jetzt ein sauberer Moment? Wenn ja, startet der Lauf. Kommt eine sauberere Stunde, verschiebt GreenPT ihn dorthin. Der Agent meldet sich mit seiner eigenen AWS-Identität an: keine Schlüssel zu verwalten. Wird ein Lauf verschoben, legt GreenPT in deinem Konto einen einmaligen Zeitplan an. Er startet dieselbe Aufgabe einmal, zur grüneren Zeit, und löscht sich dann selbst. Du setzt die Limits: wie lange ein Lauf warten darf und die kleinste Einsparung, für die sich das Warten lohnt. Kann GreenPT nicht prüfen, startet der Lauf einfach. Die Einrichtung ist geführt, Schritt für Schritt: Wähle deine Regionen, gib mit einem CloudFormation-Stack Zugriff und füge jedem Agenten das Tool hinzu. Jeder Schritt wird grün, sobald AWS ihn bestätigt. GreenPT sagt dir auch, wie sicher es ist: exakt, wenn ein Modell in einer Region läuft, in der Zone bei EU- und US-Inferenzprofilen und eine Schätzung bei globalen. Jede Entscheidung ist dokumentiert: was lief, was verschoben wurde und was es sparte, mit einem Monatsbericht für die CSRD. Wird ein Lauf verschoben, verursacht er typischerweise 18 % weniger CO₂ pro Kilowattstunde in Europa, in den USA 14 %, bei der Standardwartezeit von acht Stunden. Lässt du einen Tag zu, steigt das auf 27 und 21 %. Tarife beginnen bei 49 Dollar im Monat für zehntausend Prüfungen, auf deiner AWS-Rechnung. Du siehst, was verbraucht ist, und kannst beim enthaltenen Kontingent aufhören. Gleicher Job. Grünere Stunde. GreenPT Carbon-Aware für Amazon Bedrock AgentCore, jetzt im AWS Marketplace.

Schritt 3 von 6 in der Bedrock-Einrichtung: GreenPT Zugriff auf eu-north-1 geben. Erstens schaltest du mit einem Befehl AWS-Identitätstokens ein, damit Agenten keine Schlüssel brauchen. Zweitens installierst du den GreenPT-Stack, der GreenPT erlaubt, deine Runtimes aufzulisten und Zeitpläne in seiner eigenen Gruppe zu verwalten, und sonst nichts.

Zugriff gewähren in der Bedrock-Einrichtung: ein Befehl und ein Stack. Beispieldaten für Contoso.

Jeder andere Agent oder Scheduler

Alles andere läuft über die API und den MCP-Server: ein Python-Scheduler, ein Cronjob, ein Agent mit LangGraph oder CrewAI oder ein Assistent, dem du die MCP-Tools gibst und planen lässt. Beide sind in der privaten Beta.

Wie wir die Zahlen ehrlich halten

Eine CO₂-Zahl ist nur nützlich, wenn du weißt, wie weit du ihr trauen kannst. Deshalb sagt jede Antwort, woher sie kommt.

  • Jeder Wert hat eine Art. measured ist der eigene Wert des Netzbetreibers. day_ahead und forecast sind Vorhersagen, mit p10- und p90-Bändern. Ein Zeitfenster ist nur so verlässlich wie seine unsicherste Stunde.
  • Lücken bleiben Lücken. Ein Zeitfenster überspannt nie eine Stunde ohne Daten. Gibt es kein vollständiges Zeitfenster, sagt die API das, statt mit erfundenen Zahlen zu planen.
  • Abgeglichen mit Netzbetreibern. Unsere Werte stimmen für das Vereinigte Königreich exakt mit denen von National Grid ESO überein, für Frankreich bis auf 0,1 gCO₂/kWh mit denen von RTE und für Finnland bis auf 3,4 mit denen von Fingrid.
  • US-Daten hinken hinterher. US-Netze werden mit 12 bis 20 Stunden Abstand zur Echtzeit gemessen, und jede spätere Stunde ist unsere eigene Prognose. Sie trifft das Timing sonnengetriebener Netze wie Kalifornien und Texas gut, das windgetriebener weniger gut.
  • Standardmäßig über den Lebenszyklus. Die Intensität ergibt sich aus dem Erzeugungsmix jeder Stunde, mit Lebenszyklus-Emissionsfaktoren pro Quelle. Direkte Faktoren, die nur die Verbrennung zählen, gibt es auch.

Die Netzdaten stammen aus öffentlichen Quellen: der ENTSO-E Transparency Platform für Europa, National Grid ESO für Großbritannien und EIA-930 für die USA.

Frühen Zugang anfragen

Carbon & Price Aware API und MCP sind in der privaten Beta. Wenn deine Agenten oder Batch-Jobs ein paar Stunden warten können, können sie mit saubererem Strom laufen, mit einem Preis für jeden Lauf, bevor er startet.

Frag frühen Zugang an und sag uns, was du einplanen möchtest.

Häufig gestellte Fragen

Was ist die Carbon & Price Aware API?

Eine REST-API und ein MCP-Server, die vor einem Job drei Fragen beantworten: wie sauber der Strom ist, wann und wo er vor deiner Deadline am saubersten sein wird und was der Lauf an Tokens kosten wird. Dein Code oder dein Agent entscheidet; die API liefert die Fakten.

Macht Warten meinen Agenten langsamer?

Nur Arbeit, die du als flexibel markierst, wartet. Du legst die Deadline fest, und jedes Zeitfenster endet vor ihr. Ist keine spätere Stunde sauberer als jetzt, lautet die Antwort run_now: true, und der Job startet sofort.

Was passiert, wenn es keine Prognose gibt?

Der Lauf startet trotzdem. Fehlende Daten halten nie Arbeit auf, und die API plant nie mit einer Stunde, für die sie keinen Wert hat.

Wie viel spart es?

Laut gemessenen Netzdaten vom 5. Oktober bis 5. November 2026 verursachte ein einstündiger Lauf, der bis zu 24 Stunden auf einen grüneren Start wartete, typischerweise 27 % weniger CO₂ pro kWh in Europa und 21 % weniger in den USA. Das ist ein Blick zurück auf gemessene Daten, also der beste Fall: Prognosen erfassen den Großteil dieser Einsparung, aber nicht alles.

Welche Agenten können es nutzen?

Agenten in Microsoft Foundry und Amazon Bedrock AgentCore, über ein GreenPT-Tool, das sich mit der eigenen Cloud-Identität des Agenten anmeldet. Jeder andere Agent über den MCP-Server und jeder Scheduler über die REST-API. API und MCP sind in der privaten Beta.

Wie bekomme ich Zugang?

Frag auf der Seite zur Carbon & Price Aware API unter greenpt.com/carbon-aware-api nach frühem Zugang.

Zurück zu allen Beiträgen