 Hallo, schönen Abend. Schön, dass ihr noch wach seid. Ihr scheint glücklich zu sein, hoffe ich. Ganz voller neuen Informationen vom Wochenende, hoffentlich auch. Ich bin Heidi, ich bin Engel hier. Fällt mir immer noch schwierig, das auszusprechen. Ich weiß nicht, was das ist. Also ich unterstütze ein bisschen hier. Es geht gleich los. Ich habe ein paar wenige Informationen für Ihnen. Abschluss Panayel, heute Abend, ist in Aachen und nicht in Ader. 1930 schließen die Garderoben hier im Hauptgebäude, aber in Mathegebäude werden die noch offen sein. Und es gibt eine Party heute Abend. Also Tanshu an, los geht's. Das war es erstmal meinerseits. Vor mir steht hier Florian Petri und Miriam Ronsrutt. Und die werden uns jetzt einiges erzählen dazu, wie Handy-Apps ich vermute Stromfressen sind und eventuell weniger Stromfressen sein könnte, werden wir hoffentlich da sowas lernen. Am Ende gibt es ein bisschen Zeit für ein paar Fragen, also könnt ihr euch auch im Kopf behalten. Das war es erstmal meinerseits. Bitte sehr. Das Beste an sein, ja. Hallo. Ja, danke für die Einleitung und für die Einführung. Es freut mich, dass ihr alle hier seid. Ich freue mich hier zu sein und so viele Gesichter am Sonntag, Nachmittag noch zu sehen. Ich hatte schon so ein bisschen Befürchtung, dass niemand kommt. Ja, los geht's. Handy-Apps. Um die Dinger geht es heute. Und wir sehen nichts Technik. Leider nicht mein Computer. Ich weiß gar nicht, wie wir verfahren. Also es geht um Apps. Es ist nur ein Symbolbild, ein Baum mit Apps drauf, genau. Hier sieht er anders aus, aber es ist egal, wegen Bits und Bäume. Die Apps auf unserem Handy, wir benutzen sie alle. Sie machen keinen Müll und sie machen keine Abgase und kommen so schön clean daher. Aber da ihr ja alle auf dieser Veranstaltung seid, wisst ihr natürlich, dass Apps zu einer Digitalisierung gehören, und zwar ganz wesentlich, die eben überhaupt nicht clean ist. Und ganz handfest Ressourcen verbraucht, ganz handfest Strom verbraucht, ganz handfest Emissionen erzeugt. Und zu einer Branche gehört, die so schnell wächst wie keine andere. Und ich zeige jetzt keine Zahlen. Ihr habt wahrscheinlich schon 1.000 solche Zahlen gehört heute und gesehen. Das Problem an diesen Apps ist, dass der Verbrauch eben da stattfindet, wo wir sie nicht, nicht da stattfindet, wo wir sie benutzen. Wir sehen das alles nicht auf der Stromrechnung, sondern der Verbrauch findet ganz woanders statt. Und ich darf auf diese Pfeile jetzt tippen, oder geht es dann wieder weg? Genau. Sehr gut. Und bei dem Projekt, was wir euch heute vorstellen, geht es darum, diesen Zusammenhang erstmal zu machen, also den Zusammenhang zwischen Apps und ihren Ressourcen und Stromverbrauch und ihn sichtbar zu machen und ihn zu quantifizieren. Das haben wir gemacht. Im letzten Jahr haben wir da daran gearbeitet, wie genau das geht und was dabei rausgekommen ist, erzählt euch nachher mein wunderbarer Kollege Florian Petri. Ich erzähle jetzt erstmal ein bisschen dazu, wer wir sind, sag ich ein paar Worte und wie wir überhaupt dazu kommen, dieses Projekt zu machen und was die technische Grundlage dazu ist. Die wurde nämlich schon vorher aufgebaut. Genau. Los geht's. Wir sind das Institut für Technik und Journalismus. Das ist ein gemeinnütziger Verein in Berlin. Der ist ganz klein und trägt Projekte. Und der trägt verschiedene Projekte. Bekannt ist er vor allen Dingen für diese Marke Mobil sicher. Also das ist die runde Logo. Das gibt's schon ganz lange. Seit sechs Jahren hat das angefangen als Informationsplattform, klassischer, journalistischer Verbraucherinformation, Service-Journalismus. Zum Thema erstmal Sicherheit und Datenschutz bei Handys. Damit haben wir angefangen. Und darüber sind wir darauf gekommen, dass man beim Thema Datenschutz sich natürlich auch angucken muss, was eigentlich Apps machen auf dem Handy. Und deswegen haben wir neben Mobil sicher auch den App Checker gestartet. Der App Checker ist eine Test-Datenbank, bei der wir ein System gebaut haben, um Android-Apps tatsächlich durchzutesten in unserem Labor und zu gucken, was für ein Datenverkehr sie haben. Okay, also wenn das jetzt ein größeres Problem ist, dann nehmen wir vielleicht meinen Rechner. Warum funktioniert das hier nicht? Wir machen mal eine ganz kurze Unterbrechung. Oder die Technik bringt einen anderen Rechner. Ich hab die Präsentation auch noch mal als Powerpoint, wenn das hier an der PDF liegt. Genau. Also wir haben den App Checker gemacht mit diesem Testsystem. Und die Testergebnisse gibt es im Internet in unserer Datenbank unter appcheckermobilsicher.de. Und dieses Testsystem ist die technische Grundlage für das, was wir jetzt machen. Da sind wir nämlich darauf gekommen, dass wir da wunderbar ja auch das Datenvolumen-Testen erfassen können, das übertragen wird. Und wenn man sich die Literatur anschaut, ist es so, dass das, was Apps beim Betrieb an Daten übertragen über das Internet tatsächlich der Löwenanteil ist, wo der Ressourcenverbrauch anfällt und vor allen Dingen der Variable-Anteil. Also da an dieser Stelle kann man ansetzen, da kann man tatsächlich was machen. Das, was im Rechenzentrum passiert, ist dann relativ konstant und ändert sich nicht mehr so viel. Und das, was auf dem Handy am Akku passiert, da kann man zwar auch was machen, aber das fällt wirklich nicht so sehr ins Gewicht. Dann tragen wir einfach nur der Vorstelligkeithalber auch noch seit Freitag den App Store. Wir haben ein eigenes kleines App-Repository aufgemacht, eröffnet, kann man über die Android App rankommen. Da geht es darum, dass wir nicht gut finden, dass es Public Services Apps gibt, die man nur im Google Play Store kriegt und irgendwelchen Datenschutzbestimmungen zustimmen muss. Und das geht eigentlich nicht, also schon gar nicht bei Public Services Apps. Und deswegen bieten wir die jetzt auch an für Nutzerinnen, die kein Google-Konto haben wollen und trotzdem die von ihren Steuergärdern bezahlten Apps benutzen wollen. Wir machen das sozusagen in Zusammenarbeit mit den Anbietern, das ist der kleine Unterschied zu anderen ähnlichen Angeboten und deswegen sind es noch nicht so viele, aber da ist natürlich auch so ein bisschen Überzeugungsarbeit dahinter. Genau, unser neu gestartetes Projekt App Store. Dann haben wir auch noch ein ganz anderes Projekt nicht unter der Marke Mobil, sicher ein Team. Da geht es um digitale Gewalt und wie man Betroffenen dabei helfen kann. Da übernehmen wir die technische Geschichte. Ich fasse nichts mehr an. Das ist ein Teamorg, nur als kleiner Überblick wer wir sind und was für Sachen wir tragen. Also es findet alles so an der Schnittstelle zwischen digitaler Technik und Gesellschaftsstadt. So, jetzt noch mal zum App-Taker. Das ist das, was ich gerade gesagt habe. Das ist unsere Testdatenbank. Da kann man alle möglichen Apps sich angucken und das Testergebnis dazu. Und das, was dahinter steckt, dieses Testsystem, das haben wir jetzt eben modifiziert. Das erkläre ich euch jetzt, weil es ist die Grundlage für die Zahlen, die euch Florian nachher vorstellt. Also wie machen wir das überhaupt? Wir haben im Grunde ein vollautomatisiertes System gebaut, das sich Apps aus dem Play Store lädt, auf Devices installiert oder auf einem Emulator. Und jetzt für das, was wir machen, gibt es eine Automatik. Also man benutzt die App dann nach einem vorgegebenen Muster. Das erklärt Florian dann auch noch, warum das sein muss. Und dann wird diese Benutzerinteraktion aber aufgezeichnet und kann automatisch wiederholt werden. Das ist deswegen wichtig, weil wir brauchen natürlich so ein bisschen statistisch belastbare Zahlen, weil bei einem App benutzen kann, können Dinge passieren und beim nächsten Mal können andere passieren. Und damit wir belastbare Ergebnisse haben, wiederholen wir die Tests. Dann haben wir eine Wiederholautomatik. Und wenn diese Apps auf unseren Geräten oder auf dem Emulator laufen, dann wird der geilesamte Datenstrom umgeleitet auf einem Rechner, über einem Proxy, den wir kontrollieren. Und da können wir den Datenstrom analysieren. Für das ursprüngliche App-Checker-Projekt haben wir dann in den Datenstrom reingeguckt, um wirklich zu gucken, welche Daten sind da drin. Wir werden dann Namen oder sensible Kennzahlen übertragen. Da haben wir noch eine sehr, sehr aufwendige Analyse dafür. Für das hier brauchen wir das alles nicht. Wir müssen nur das Volumen messen, incoming und outgoing. Und wir müssen die Adressen wissen, also welche Datenpakete und welches Datenvolumen geht an welche Adressen. Genau, das passiert im Grunde in unserem Testsystem jetzt. Das Ganze ist natürlich quelloffen und es ist auch ganz wichtig für das, was wir mit diesem Projekt im Grunde wollen, weil die Idee ist, dass wir das so aufbereiten und austesten, dass es dann auch von anderen Leuten übernommen werden kann. Denn wir messen natürlich nur einen ganz, ganz kleinen Teil von Apps durch und sehen da auch bestimmte Aussagen, die man machen kann. Aber es gibt natürlich noch viel, viel mehr. Es gibt an ganz vielen Stellen, Tipps und Hinweise, die man machen kann und die man rausfinden kann, um zu sehen, wie wir Apps tatsächlich verbessern können. Deswegen soll das Ganze letztlich für die Community dann auch nutzbar gemacht werden. Das ist die technische Grundlage erstmal, wie wir das Volumen messen. Jetzt ist aber die Frage, was kann man denn ändern? Und was unser wichtigster Punkt ist, im Grunde ist, dass viele Apps viel, viel mehr Ressourcen verbrauchen, als sie müssten. Und das liegt daran, dass sie viel mehr Datenverkehr haben, als sie haben müssten, weil sie Werbung einspielen und weil sie Tracking und weil sie Nutzerdaten übertragen, die für die eigentliche Funktionalität überhaupt nicht notwendig sind. Und das ist das, was wir mit Trackern meinen und was wir, also falls dieses Wort nochmal aufkommt, was wir mit Drittanbietern meinen. Also jede App, die etwas mehr Funktionsumfang hat, nimmt Kontakt zu irgendeinem Backend auf, dass halt der Betreiber von dieser App am Laufen hat. Hast du einen Pointer? Haben wir einen Pointer? Also hier seht ihr in dieser Liste, wer bekommt welche Daten, seht ihr irgendwo Shopapotheke. Ja, das ist ganz normal, dass die Shopapotheke von der Shopapotheken App Kontakt aufnimmt. Aber ihr seht auch noch ganz viele andere Namen. Und das sind alles Firmen, die nichts mit der Shopapotheke aufselben zu tun haben und mit der ihr nichts zu tun habt, wenn ihr diese App benutzt, die aber trotzdem direkt von der App kontaktiert werden und Daten übertragen. Zum Teil gar nicht wenige. Also Lean Plums, auch ein ganz großer Freund von uns, der bekommt also E-Mail Adresse und nach welchem Medikament man gesucht hat und so. Das ist jetzt für dieses Projekt gar nicht so wichtig, aber da könnt ihr schon sehen, dass da zum Teil echt viele Verbindungen da sind, die für die Funktionalität nicht notwendig werden, die einfach nur auf Werbung und Analyse zurückgehen. Und wir haben eine Datenbank aufgebaut, um zu gucken, wer sind diese Unternehmen, was machen die? Und sind das eben, sind die Funktional wichtig oder ist es nur Werbung und Tracking? Das haben wir eigentlich noch für den App Checker gemacht, aber jetzt haben wir diese Datenbank und können sie nutzen für dieses Projekt und können sehen, okay, ist dieser Traffic eigentlich wirklich notwendig oder ist er eigentlich nicht notwendig für die Funktionalität. Und deswegen nutzen wir diese Datenbank und deklarieren eben diesen ganzen Datenverkehr, der an Anbieter geht, von denen wir wissen, dass die nur Werbung machen als überflüssig. Und genau, das zeigt euch dann Florian, was wir da rausgefunden haben. Wie gesagt, das ist die Stellschraube, wo man am meisten machen kann, wenn es um den Ressourcenverbrauch von Apps geht. Es gibt natürlich noch ein paar andere und die haben mit der Datenverbindung zu tun und dazu sagt Florian dann auch noch was. Und das war es erst mal von mir und dann übergebe ich endlich. Okay, hört man mich, ja perfekt. Dann hallo auch noch mal von mir, schön, dass ihr alle da seid. Genau, bevor wir uns jetzt die Ergebnisse und die Messungen von unserem Tool im Detail angucken, wollen wir nur mal kurz einen Schritt zurückgehen. Energieverbräuche der Smartphone-Nutzung entstehen prinzipiell an drei verschiedenen Punkten. Also einmal quasi auf dem Gerät selbst, auf der Ebene der Nutzerin. Genau, das ist wahrscheinlich der offensichtlichste Verbrauch, den man nachvollziehen kann, wenn der Akku-Räben gelehrt wird. Dann, wenn insofern die App keine reine Offline-App ist, also eine Verbindung ins Internet herstellt, wird darüber hinaus noch Daten übertragen und auf dem Server oder im Rechenzentrum kommt es zu Energieverbräuchen. Je nach Service sind die dann verschieden, ob da Daten verarbeitet werden, gespeichert werden. Und dazwischen stehen noch die Telekommunikationsnetze. Hier, das ist quasi die große Netzinfrastruktur, die die Daten von der Nutzerin ins Rechenzentrum bzw. auf die Server schickt, vor und zurück. Und genau, für die Nutzerin an sich, sind diese Verbräuche, die in Telekommunikationsnetzen und in Rechenzentren anfallen, prinzipiell unsichtbar. Die sieht quasi nur das, was auf ihrem eigenen Handy passiert. Also den Akkuverbrauch. Und das ist problematisch, weil, wie Miriam schon gesagt hat, sind gerade hier besonders in Telekommunikationsnetzen für viele Anwendungen die höchsten Verbräuche. Deswegen fokussieren wir uns auf den Datenverkehr und unser Modell versucht, genau diese Verbräuche zu erfassen. Dazu gucken wir uns nochmal kurz das Telekommunikationsnetz genauer an. Das hat mehrere Stufen. Hier ist wieder abgebildet, rechts oben das Rechenzentrum und unten die Ebene der Endnutzerin. Dazwischen haben wir die Telekommunikationsnetze. Die bestehen aus dem Kernnetz. Das besteht wiederum aus verschiedenen Sammelnetzen und Transportnetzen. Hier sind auch internationale oder transatlantische Internetverbindungen drin. Das ist quasi der Backbone des Internets. Und dann haben wir das Zugangsnetz, was quasi die Endnutzerin mit diesem Kernnetz verbindet. Auf Basis des Zugangsnetzes haben wir dann auch verschiedene Zugänge. Da haben wir einen Kabel gebunden, den sehen wir hier links. Das ist quasi das, wo wir alle zu Hause den Wi-Fi-Router einstöpseln und dann haben wir natürlich noch die Mobilfunknetze, die auch verschiedene Übertragungstechnologien haben. Die sehen wir hier rechts. Und wenn wir jetzt den Energieverbrauch dieser Telekommunikationsnetze messen wollen, gibt es dazu verschiedene Modelle. Im letzten Jahr wurde im Rahmen von der Green Cloud Computing-Studie, zum Beispiel vom Umweltbundesamt, ein Telekommunikationsnetz-Modell entwickelt, was genau diese Strecke quasi abbildet und modelliert. Die haben auch verschiedene Strecken für dieses Telekommunikationsnetz modelliert, die quasi von Deutschland ins europäische Ausland gehen oder von Deutschland in die USA. Die Ergebnisse davon sieht man hier. Also hier sieht man den Energiebedarf, den verschiedene Übertragungstechniken für einen Datenschirm von 1 Gigabyte die Stunde zwischen Endnutzerinnen und dem Server quasi verbrauchen. Die ist hier unterteilt unter verschiedene Zugangstechnologien. Also hier oben sehen wir die Mobilfunktechnologien. Es ist 5G, LTE und 3G, was mittlerweile abgeschaltet wurde. Und unten drunter nochmal kabelgebundene Zugangsnetze, also in dem Fall Glasfaser und Kupferfaser. Und für diese Technologien wurde jetzt jeweils die gleiche Strecke im Telekommunikationsnetzwerk simuliert durch alle Netzebenen hindurch. Und was wir hier sehen, ist die großen Balken, die Grünen und die Plauen. Das sind die Energieverbräuche, die in den Zugangsnetzen anfallen. Das sind auch logischerweise genau die, die sich für diese Technologien unterscheiden. Und wir haben diese vier kleineren Komponenten, die jetzt hier gar nicht so gut zu erkennen sind. Aber daran sieht man schon, das sind die höhere Netzebenen, die sind ziemlich energieeffizient. Genau, daran sieht man, der Energiebedarf in den Telekommunikationsnetzwerken ist maßgeblich bestimmt von der Zugangstechnologie, also im Zugangsnetzwerk, denn die hat anteilt den höchsten Energieverbrauch. Man sieht auch, dass kabelgebundene Übertragungstechnologien, die wir hier unten sehen, deutlich energieeffizienter sind, als die mobilen Übertragungstechnologien. Und innerhalb der mobilen Übertragungstechnologien sieht man, dass quasi die neueren den älteren überlegen sind. Also 5G ist 4G überlegen und 4G ist UMTS oder 3G überlegen. Was man jetzt hier nicht sieht, weil hier ist nur die Strecke innerhalb von Deutschland abgebildet. In der Studie wurde auch gemessen, wie sich der Energieverbrauch quasi verändert, wenn der Server jetzt nicht in Deutschland steht, mit dem man kommuniziert, sondern in den USA. Und dabei wurde festgestellt, dass sich der Datenstream pro Gigabyte dann nochmal ungefähr um ein Watt erhöht. Also wenn man sich die Daten oder die Werte hier anguckt, sich überlegt, ein Watt kommt noch drauf, dann merkt man, dass es für den Energiebedarf in den Telekommunikationsnetzwerken ein erheblich größeren Unterschied macht, ob man im Wi-Fi ist oder im Mobilfunknetz, als die Frage quasi, ob der Server, mit dem man kommuniziert, in Deutschland oder in den USA ist. Genau, das ist quasi ein Modell, mit dem man den Energieverbrauch in den Telekommunikationsnetzen abhängig von den übertragenen Daten feststellen kann. Wie kommen wir aber zu den eigentlichen Emissionen? Also die Emissionen der Datenübertragung, die werden normalerweise in Gramm CO2-Equivalente angegeben. Die erhält man, indem man quasi, man braucht diese drei Komponenten. Einmal das Volumen der Datenübertragung, dazu sage ich gleich nochmal was. Dann die Energieintensität des Netzwerks. Also wie viel Strom wird quasi pro übertragende Einheit verbraucht. Das sind die Daten, die wir eben gerade gesehen haben. Da kann man aber auch andere Modelle für benutzen. Also es gibt verschiedene, die zum Teil verschiedene Regionen simulieren, aber es gibt auch methodische Unterschiede. Und dann gibt es noch den Emissionsfaktor des Strommixes. Der ist auch von Land zu Land unterschiedlich. Der hängt davon ab, wie quasi Strom hergestellt wird, also wie viele erneuerbare im Energiesystem sind, je nachdem ist der Emissionsfaktor des Strommix höher oder niedriger. Den für Deutschland bringt den Social auch das Umweltbundesamt jedes Jahr raus. Genau, das Gute an dieser Gleichung ist quasi, dass sie relativ flexibel ist. Man kann, wie ich gerade erzählt habe, die beiden letzten Termen einfach austauschen, um damit ganz viele verschiedene Telekommunikationsnetzwerke zu simulieren und verschiedene Methodiken auch auszuprobieren. Genau, jetzt kümmern wir uns aber um das Volumen der Datenübertragung. Das, was unser Tool quasi bereitstellt. Mirim hat ja eben gerade schon unser Testsystem kurz erläutert. Wir hatten den Ansatz, dass wir erstmal quasi die Datengrundlage geschaffen haben, indem wir uns eigen einzelne App-Kategorien angeguckt haben. Das hat den Hintergrund, dass man quasi eine gewisse Vergleichbarkeit braucht, um Referenzwerte zu erstellen, damit man sehen kann, in welchem Rahmen sich diese Volumina bewegen. Wo gibt es vielleicht Probleme, welche Werte sind kloppwürdig? Da haben wir jetzt angefangen mit den Wetter-Apps. Es ist quasi auch immer noch ein Work-in-Progress, aber für diese Apps haben wir mittlerweile die besten Werte. Wetter-Apps sind ein guter Einstieg, weil da ist es relativ klar, was sie für eine Funktion haben, wofür sie da sind. Und dementsprechend haben wir dann auch unser Testkonzept angepasst. Weil wichtig ist, dass man, also man sprecht dann auch von sogenannten Standard-Nutzungsszenarien, wichtig ist natürlich, dass gerade wenn wir diese Tests dann wiederholen und versuchen, repräsentative Werte für die zu finden, dass sie möglichst nah auch an einer realistischen Nutzung sind. Das heißt, wenn wir uns eine Wetter-App angucken, haben wir sie getestet mit dem Ziel quasi schnell und möglichst umfänglich über das Wetter informiert zu sein und haben auch alle Funktionen benutzt, die die Wetter-App dafür quasi zur Verfügung stellt. Allerdings immer mit dem Hinblick auf eine realistische Nutzung, sprich es würde jetzt zum Beispiel keinen Sinn machen, eine Wetter-App zu benutzen und da irgendwie eine Stunde lang ein Webcam-Stream laufen zu lassen, hätte man einen hohen Datenverbrauch, aber es wäre keine realistische Nutzung. Genau, dann sehen wir hier die Ergebnisse, die quasi unser Tool produziert. Jeder einzelne von diesen Balken repräsentiert eine der Apps, die ihr gerade gesehen habt. Die Balken geben die übertragenen Daten an in Kilobyte. Die gelben Balken sind das, was wir Kernfunktion nennen, also was die App übertragen hat, um quasi ihre Funktion zu erfüllen. In dem Fall sind das hauptsächlich Wetter-Daten. Der blaue Balken, der oben drüber ist, ist das, was wir mir gerade erklärt, über diese Trittanbieter Datenbank per Empfänger quasi als Werbe- und Trackinganbieter identifizieren konnten. Genau, und das ist quasi dieser Overhead, der nicht der eigentliche Funktion der App dient, aber auch Datenvolumen quasi beansprucht in den Telekommunikationsnetzwerken. Genau, was wir jetzt hier sehen, die Messdaten unterscheiden sich. Wir haben hier ungefähr eine Range von 1,5 Megabyte bis 13,14 Megabyte für die insgesamt Übertragung. Bei den Anteilen von Werbe- und Tracking sind wir zwischen 5 und 15% mit einigen Ausreißern nach oben nach unten. Wir sehen hier zum Beispiel auch, dass die ersten fünf Apps eine wesentlich höhere Übertragungsvolumen haben als die letzten Apps. Das liegt am Funktionsunfang, also wir können bei den Apps sehen, dass die einfach mehr Funktionen haben und auch datenintensivere Funktionen. Die haben dann zum Beispiel eine so eine animierte Wetterkarte mit Zusatzinformationen wie Luftqualität, Pollenflug, dann haben sie zum Teil wie gesagt Webcams oder auch zu kurze Wetterinformationsvideos. Und auf der anderen Seite sehen wir Wetter-Apps, die halt eher einen schmalen Funktionsunfang haben. Das heißt, hier verstehen wir relativ gut, wie wir diese Unterschiede erklären können. Um das mal zu kontrastieren, haben wir uns noch eine andere App-Gruppe rausgesucht, das ist die der Spiele. Da ist es natürlich ein bisschen schwieriger, eine Vergleichbarkeit herzustellen, weil die Apps einfach viel unterschiedlicher sind als beim Wetter. Wir haben jetzt hier in der Auswahl aber darauf geachtet, dass wir Spiele haben, die kurze, in sich geschlossene Spielrunden quasi haben, so dass man das gut unterwegs spielen kann. Das sind alle Singleplayer-Spiele. Und zwei dieser Spiele sind sogar im Play Store als Offline-Spiele gekennzeichnet, sprich die bräuchten theoretisch nicht mal eine Datenverbindung, um zu funktionieren. Dementsprechend haben wir hier auch unsere Tests angepasst. Wir haben einfach die App gestartet, eins, zwei Runden gespielt und sie wieder geschlossen. In der Ergebnisse seht ihr es hier, der Graf ist analog, zu dem, den ihr davor gesehen habt. Wir sehen jetzt hier wieder die einzelnen Apps und die übertragenden Daten. Der untere Balken ist die Kernfunktion und der obere Balken ist der Traffic, der nur Verwerbung und Tracking verwendet wurde. Wir haben jetzt noch mal quasi die Anteile des Verbund Tracking Traffics am gesamten Traffic dazugeschrieben. Man sieht direkt, die Volumina, die übertragen werden insgesamt, sind deutlich höher als bei den Wetter-Apps. Die sind hier bis auf den einen Ausreißer, so zwischen 20 und 60 Megabyte. Und die Anteile dieses Traffics, die auf Werbung zurückgehen, sind auch deutlich höher. Ja, sie liegen hier zwischen 30 und 40 und hier den einen Ausreißer, wo deutlich mehr als die Hälfte des Traffics für Werbung und Traffic draufgeht. Genau. Das sind jetzt die übertragen Datenvolumina. Das ist das, was quasi der Kern unseres Tools ist, dass man halt diese Volumina messen kann und sie aufsplitten kann in diese zwei Funktionen. Um jetzt noch mal diese Gleichung zu illustrieren und die Verbräuche darzustellen, haben wir uns jetzt mal zwei Apps rausgepickt. Einer aus jeder Kategorie. Dabei drauf geachtet, dass die jetzt weder besonders hohe noch besonders niedrige Verbräuche haben und mit den Daten aus der Umweltbundesamtstudie quasi in Emissionen umgerechnet. Was wir hier sehen, ist jetzt links die Wetter-App und rechts das Spiel, das wir uns genommen haben und die entstehenden Emissionen in Gramm CO2-Equivalent, die quasi entstehen würden, wenn man die App einmal mit einem Standardbenutzungs-Szenario verwendet. Das ist jetzt hier auch wieder aufgeteilt in die verschiedenen Übertragungstechnologien. Also oben ist man quasi im Wi-Fi, danach kommt 3G, 4G und 5G. Was wir sehen, ist zum einen natürlich, dass die Emissionen, die bei dem Spiel entstehen, deutlich höher sind als bei der Wetter-App, was einfach daran liegt, dass mehr Daten übertragen werden. Auch ist der Anteil der Emissionen, die für Werbung und Tracking draufgehen, deutlich höher. Genau. Und was man natürlich auch sieht, sind die Einsparmöglichkeiten, die man jetzt hier hat, wenn man quasi einfach, wenn man einfach das Zugangsnetz wechselt oder die Übertragungstechnologie, sprich, wenn man von LTE auf 5G wechseln würde, dann könnte man seine Emissionen verringern um den Faktor 3 circa. Wenn man von LTE auf Wi-Fi wechseln würde, dann könnte man seine Emissionen um den Faktor 5 verringern. Und UMTS, das ist mittlerweile, wird das zwar abgeschaltet, aber dieses Spielrechts ist schon circa 10 Jahre alt. Das heißt, historisch gesehen hat das wahrscheinlich, war das eine zeitlang die weitverbreiteste Mobilfunktechnologie und hat deswegen dann auch einen großen Faktor gespielt. Hier sieht man sehr hohe Verbräuche von UMTS auf VDSL, also auf Wi-Fi quasi umzustellen. Da reduziert man seine Emissionen um den Faktor 13 bis 14. Genau. Wenn man sich jetzt die einzelnen Werte anguckt, sind wir hier immer noch im Milligramm-Bereich. Das klingt dann erst mal nicht so dramatisch. Dabei muss man allerdings zwei Sachen beachten. Zum einen ist das quasi nur die einfache Verwendung dieser App, die diese Emission verursacht. Und wir haben ja alle wahrscheinlich ganz viele Apps auf dem Handy, die wir täglich auch benutzen. Das heißt, bei jeder, jedes Mal, wenn wir die benutzen, entstehen diese Art von Emissionen. Und häufiger wie sie benutzen natürlich umso mehr. Und das sumiert sich dann halt ganz schnell auf über den Tag oder über die Woche. Und der andere Punkt ist, dass manche von diesen Apps halt auch eine enorm große Nutzer-Rennen-Basis haben. Bei Regenradar, also der Wetter-App, haben wir über 5 Millionen Downloads. Bei diesem Spiel haben wir sogar über eine Milliarde Downloads. Das heißt, nur um da die Größenordnung nochmal sich vor Augen zu führen, haben wir nochmal die theoretischen Emissionen der Datenübertragung unter Berücksichtigung der Download-Zahlen berechnet. Das heißt, wir haben quasi unterstellt, also theoretische Annahme, dass jeder dieser Downloads zu genau einer Nutzung führt und dann quasi die Emissionen mit diesen Download-Zahlen multipliziert. Da sieht man, für die Wetter-App landet man jetzt schon im Bereich von Kilogramm-Emissionen. Für Wi-Fi sind wir dabei irgendwie über 20 Kilo-Emissionen. Für LTE werden wir schon über 100. Und bei der Spiele-App sind wir schon im Bereich von Tonnen. Das heißt, wenn wir uns die Emissionen für LTE-Übertragung angucken, dann werden wir schon bei über 100 Tonnen-Emissionen und allein 40 Tonnen davon genuhen, auf das Konto quasi von Werbung und Tracking. Okay, so, dann sind wir bei den Key-Takeaways. Also, wir wollten euch hier hauptsächlich zeigen, was man mit diesem Tool machen kann. Das Tool ist hauptsächlich dafür da, dass man Daten transfers, die die Apps in der Benutzung quasi verursachen, messen kann und diese dann aufsplitten kann in die Datenvolumina, die übertragen werden, um die Funktion der App bereitzustellen und quasi die Datenvolumina, die nur verwendet werden, um halt Werbung und Tracking zu ermöglichen. Wir sind gerade auch noch dabei, unsere Datengrundlage zu verbessern. Umso größer die ist, umso besser analysen können wir natürlich noch. Damit durchführen, uns interessiert aktuell zum Beispiel auch noch, wie sich dieses Datenvolumen von Werbung und Tracking genau zusammensetzt und welche Anbieter oder welche Dienste da quasi den größten Anteil von haben. Das heißt, es ist noch ein Work-in-Progress. Unser Ziel ist, dass wir bis Ende des Jahres aber dieses Tool quasi dokumentiert mit Anleitungen bei uns auf GitLab zur Verfügung stellen, so dass es alle irgendwie nachbauen können und ihre eigenen Messungen durchführen können. Aber mit den vorläufigen Ergebnissen, die wir haben und den Studien, die es bereits gibt, lassen sich auf jeden Fall schon mal ein paar Key-Takeways festhalten. Zum einen, Datensparsamkeit reduziert Emissionen. Also ist ganz klar, je weniger Datenübertragungen werden, desto weniger Emissionen fallen auch an. Das ist auf Nutzerin-Ebene wie auf Entwicklerin-Ebene eigentlich gleichrelevant. Das heißt, wenn sich so eine Art kritisches Bewusstsein dafür ergeben würde, dass Datenübertragungen Emissionen produzieren, dann könnte die Datensparsamkeit sowohl in der App-Entwicklung von vornherein mit einfließen als auch bei der App-Bennutzung. Dann die Übertragungstechnologie ist für die Umweltwirkung des Datenverkehrs entscheidend. Das haben wir gesehen, es kommt halt maßgeblich darauf an, welches Zugangsnetz wir benutzen. Da helfen natürlich auch auf der Entwicklerin-Seite so Sachen wie Datenspar-Modi oder Offline-Modi einzubauen, dass Nutzerin die Möglichkeit gegeben wird, Daten vorher schon runterzuladen, dass man sie unterwegs quasi nicht erneut runterladen muss und sie einfach abrufen kann. Und so gut der letzte Datenschutz ist auch Umweltschutz. Wir haben gesehen, umso mehr Tracker eingebaut sind, umso mehr Tracking-Datenverkehr erzeugt wird, umso mehr Emissionen entstehen dadurch auch. Von daher ist das nicht nur aus Datenschutzperspektive ein Thema, sondern ist auch genau aus Umweltschutzperspektive auf jeden Fall relevant. Genau, das war's von uns, dann erst mal. Vielen Dank für eure Aufmerksamkeit. Und jetzt ist noch Raum für Fragen. Und hier sind noch unsere Social-Media-Kanäle, damit ihr auf dem Laufen bleiben könnt. Genau, vielen Dank. Vielen lieben Dank. Fragen, Anmerkungen. Okay, Zeit rennt ein bisschen, also so knapp wie möglich. Ja, danke schön für die Präsentation. Ich habe eine Frage zum Beispiel zu einer Wetter-App, Wetter Online, kann ich ja auch über das Internet, also über ein Browser aufrufen. Kannst du was dazu sagen, ob das dann Datensparasammer ist, ob es da Unterschiede gibt? Also ich nehme nicht an, dass das so ist. Wir haben jetzt nicht getestet, unser Testsystem ist auf Apps ausgelegt, aber wäre jetzt nicht zu erwarten. Hi, danke auch von mir. Kannst du was dazu aussagen, wo die Emissionen anfallen? Also ist es vor allen Dingen Strom, was das Endgerät braucht, oder der Router oder der Funkmast oder der Netzbetreiber? Ist da irgendeine Information da? Genau, also die Stromverbräuche vom Router, die sind da nicht mit drin, das ist quasi der Weg von der, also vom Zugangsnetz, von der letzten Ebene, vom Sendemast bis vor das Haus, bis vor das Rechenzentrum. Das heißt, die Endverbrauchergeräte sind so wie der Router auch, im eigenen Haus, die sind da nicht mit ihm begriffen. Das heißt, die Grafik, falls sich noch im Kopf hat, aus der Studie, zeigt ja die größten Verbräuche, fallen tatsächlich auf der Ebene des Zugangsnetzes an, das heißt an den Mobilfunkantennen hauptsächlich. Und das ist ein Stromverbrauch, genau. Das heißt, die eigentlichen Emissionen fallen bei der Stromerzeugung natürlich an und genau, ich hoffe, das beantwortet den Fall. Ja, also es sind die Mobilfunkmasten, aber auch Switches, Verstärker, die alle Strom brauchen, um die ganze Zeit zu laufen und die sind natürlich 24,7 an und das sind ganz schön viele. Fällt, also so laut der Literatur, die wir uns so angucken, fällt das nicht so sehr ins Gewicht der Akkuverbrauch, wenn gegenüber dieser Megainfrastruktur, die die ganze Zeit läuft und anscheinend viel mehr Verbrauch. Also es kommt natürlich auch auf die Anwendung an, aber zum Beispiel, wenn man jetzt irgendwie eine stundenlange High Definition Streamt, da gibt es irgendwie Berechnungen, dass auch aus dieser Studie, dass dann, wenn man das jetzt über das 4G-Netz machen würde, dann verbraucht man da irgendwie knapp 20 Watt mit und damit könnte man Handy, also nur in den Übertragungsnetzen und damit könnte man ein Handyakku zum Beispiel unseren Test-Handy schon zweimal wieder laden, also komplett. Danke, hier eine Frage. Ja, dieses Tool, was ihr jetzt am Ende des Jahres sozusagen fertigstellen wollt, wollt ihr das Ganze dann auch mit dieser App-Checker-App wieder verschränken, dass man sozusagen, weil ihr hattet das als Beispiel diesen Score von 5, das wäre ja dann auch wieder spannend irgendwie diese Kategorie dann auch noch dazu haben, wenn ich mir die Regen-App irgendwie runterladen will, vielleicht auch über einen alternativen App-Store, dass ich dann vergleichen kann, okay, das hat so und so und so viel Tracker und so und so viel Emission bei dieser Standardnutzung, dann nehme ich doch lieber die, wo gar kein Tracking zur CO2-Emission beiträgt. Wie sind da eure Ideen oder ist das, was ist da so vorgesehen? Also der Unterschied jetzt zwischen dem App-Checker, ich sag mal 1.0 und diesen Tool ist, dass wir die Datenpakete nicht aufmachen und reingucken und gucken, welche Daten sind da tatsächlich drinnen. Das ist natürlich auch Open Source dieser Teil, also den kann sich jemand auch aufsetzen, ist aber sehr, sehr viel aufwendiger, weil man dann mit Zertifikaten hantieren muss und Geräte ruten muss. Es ist ein bisschen schwieriger und es ist für diese Messungen jetzt nicht unmittelbar notwendig, die Zuordnung zu den Empfängern ist ja mit dabei. Aber der Score, den man beim App-Checker sieht, der setzt sich tatsächlich daraus, der basiert darauf auf dem, was in den Datenpaketen drin ist und ich gebe es ganz offen zu, der ist auch nicht ganz unproblematisch, weil Scores sind immer problematisch und es sind immer von uns mehr oder weniger willkürlich gesetzte Grenzlinien, ab wann wir etwas so oder so oder so schlimm finden und ich würde nicht empfehlen, also ich würde den da nicht mit reinnehmen wollen. Das ist auch, also sozusagen, die Einschätzung, ab wann man dann welchen Score verteilt, ist einfach sehr, das ist halt unsere Einschätzung und das muss nicht jeder so übernehmen. Okay, ich habe eigentlich mehrere Fragen, aber dann suche ich mir eine aus. Genau, ihr habt jetzt die ganze Zeit euch auf Übertragungswege konzentriert und ihr habt aber auch gesagt, irgendwie da fällt der höchste Verbrauch an, habt ihr da irgendwie auch Quellen für, weil also für mich so unintuitiv, dass der Übertragungsweg den größten Verbrauch hat, weil in den Rechenzentren ja dann mit den Daten irgendwelche Machine Learning Algorithmen gefüttert werden, weil da bekanntermaßen extrem energieintensiv sind. Ja, genau, also wie gesagt, das kommt natürlich immer auf drauf an, welche Anwendungen man konkret betrachtet, aber zum Beispiel in der Studie, die ich zitiert habe, oder die ich auch gerade genannt habe, da wurde zum Beispiel festgehalten, wenn man bei dem HD Stream, der halt in den Übertragungswegen irgendwie fast 20 Watt verbraucht pro Stunde, da fällt, ich zahle richtig den Kopf ab, irgendwie 2,5 Watt dafür im Rechenzentrum an oder so was. Also es ist klar, das Rechenzentrum insgesamt hat natürlich einen hohen Verbrauch, aber wenn du, du musst es ja quasi um das der App-Nutzung zuzuschreiben, halt quasi immer anteilig runterbrechen. Und genau, da unterscheiden sich halt die Verbräuche, die man da hat, auch Datenspeicherung kostet natürlich Strom, weil die Daten 24 Stunden auf Servern an sind, genau, das unterscheidet sich einfach da sehr nach Anwendung. Der Durchschnitt, den ich kenne, ist natürlich immer ein Durchschnitt, kommt sehr auf die Anwendung dann darauf an, ist das, was das im Rechenzentrum passiert, macht zu 10% aus. Und der Rest eher in der Übertragung. Ich weiß, es ist unintuitiv, deswegen machen wir dieses Projekt, weil man da drauf eigentlich erst mal nicht kommt. Und was ich noch sagen wollte, aber KI trainieren, natürlich was dann weiter mit diesen Daten gemacht wird, das ist dann nochmal eine andere Sache. Die rechnen wir jetzt nicht. Also wenn jemand ein KI-Modell trainiert, dann müsste man auch dann letztendlich auf die App runterbrechen, aber das ist dann nicht mit drin. Ganz kurz, der Unterschied zwischen 3G und 5G ist ja erheblich. Vielleicht könnte das nochmal ganz kurz erklären und lauft ihr Gefahr, bei 6G, 7G, zu werden, weil ihr dann sozusagen den systemischen, die systemische Innovation ist ja massiv und vielleicht macht es ja dann gar keinen Unterschied mehr, ob wir ein bisschen was einsparen. Ja, also grundsätzlich wäre das ja schön, ob so led zu werden quasi, also wenn das egal wäre. Aber wir haben ja auch gesehen, selbst über Wi-Fi werden quasi fallende Energieverbräuche an. Der Unterschied zwischen 3G und 5G, also 3G ist einfach, genau, ist ja ein älterer Technologie. Die neueren Technologien sind immer energieeffizienter geworden. Bei 5G ist es, glaube ich, der größte Vorteil, dass man weniger, also dass man quasi, dass man mehr kleinere Masken hat, die gezielt mit einzelnen Empfängerstationen kommunizieren und dadurch weniger quasi einfach in den offenen Raum rein kommuniziert wird, um es mal so leidenhaft auszudrücken. Ich glaube, das ist der haupteinsprache Faktor, aber das, ja. Vielen lieben Dank, die Zeit rennt. Gleich geht es hier weiter in dem Raum. Vielleicht habt ihr noch Zeit, weitere Fragen draußen zu beantworten, falls welche bestehen sollte. Schönen Nachmittag noch. Schön, dass Sie da waren. Danke vielmals für kommen. Ja, schönen Tag noch.