isaqb-org · Diavolezza · Feb 20, 2026 · Feb 17, 2026 · Feb 17, 2026 · Feb 18, 2026
diff --git a/docs/00b-basics/01-what-to-expect-of-this-module.adoc b/docs/00b-basics/01-what-to-expect-of-this-module.adoc
@@ -1,7 +1,7 @@
 // tag::DE[]
 === Was vermittelt das Modul „{curriculum-short}“?
 
-Galt die IT lange Zeit als Lösung vieler Probleme, die in Zusammenhang mit dem Klimawandel stehen, ist sie mittlerweile selbst Gegenstand von Optimierungsbetrachtungen geworden. Ineffiziente Programmierung, oft hervorgerufen durch die Notwendigkeit eines schnellen Time-to-market, wurde vielfach durch immer schnellere Hardware oder mehr Ressourcen in der Cloud kompensiert. Diesen Weg gilt es zu verlassen. Die CO~2~-Emissionen, die durch Software entstehen, müssen konsequent reduziert werden. Zusätzlich verschärft der zunehmende Einsatz von KI-basierten Systemen diese Problematik, da insbesondere das Training und der Betrieb großer Modelle mit einem erheblichen Energie- und Ressourcenverbrauch einhergehen.
+Galt die IT lange Zeit als Lösung vieler Probleme, die in Zusammenhang mit dem Klimawandel stehen, ist sie mittlerweile selbst Gegenstand von Optimierungsbetrachtungen geworden. Ineffiziente Programmierung, oft hervorgerufen durch die Notwendigkeit einer schnellen Time-to-market, wurde vielfach durch immer schnellere Hardware oder mehr Ressourcen in der Cloud kompensiert. Diesen Weg gilt es zu verlassen. Die CO~2~-Emissionen, die durch Software entstehen, müssen konsequent reduziert werden. Zusätzlich verschärft der zunehmende Einsatz von KI-basierten Systemen diese Problematik, da insbesondere das Training und der Betrieb großer Modelle mit einem erheblichen Energie- und Ressourcenverbrauch einhergehen.
 
 Im Modul {curriculum-short} lernen die Teilnehmenden, das Thema Green Software ganzheitlich zu betrachten. Dies beginnt mit der Rolle der IT beim Aufhalten des Klimawandels, einer Einführung in die aktuelle Regulatorik, den Anforderungen verschiedener Stakeholder sowie der Benennung von Handlungsfeldern in Unternehmen. Von dort geht es über das Messen und Monitoring von CO~2~-Emissionen und Energieverbrauch hin zum Kernthema der Softwareentwicklung. In diesem zentralen Bereich werden die Energieeffizienz verschiedener Softwarearchitekturen, energieeffizientes Datenhandling und optimierte Algorithmen behandelt. Ein weiterer Schwerpunkt liegt auf dem Einfluss von KI-Systemen – von der Entwicklung ressourcenschonender Modelle bis hin zur Bewertung des Energiebedarfs von Trainings- und Inferenzprozessen. Zudem wird der Zusammenhang zwischen Qualitätsanforderungen und Energieeffizienz analysiert, etwa wie Performance, Skalierbarkeit und Nachhaltigkeit in Einklang gebracht werden können. Ein weiterer wichtiger Bestandteil ist das Thema Cloud-Computing, sowohl in Bezug auf die Auswahl nachhaltiger Provider als auch auf die Möglichkeiten eines CO~2~-armen Betriebs. Abschließend werden Optionen zur Verbesserung der Energieeffizienz im Entwicklungsprozess betrachtet.
 

diff --git a/docs/01-module-block-1/02-learning-goals.adoc b/docs/01-module-block-1/02-learning-goals.adoc
@@ -14,7 +14,7 @@ Die Teilnehmenden kennen die Möglichkeiten zur Einsparung von Energie und CO~2~
 [[LZ-1-3]]
 ==== LZ 1-3: Energieverbrauch von IT einordnen, beziffern und deren Treiber kennen
 
-Die Teilnehmenden können den Energieverbrauch der Informationstechnik beziffern, können diesen in Relation zu anderen Sektoren einordnen und die wesentlichen Treiber benennen. Sie kennen Trends und Entwicklungen in der IT und zentrale Stellschrauben für mehr Nachhaltigkeit.
+Die Teilnehmenden können den Energieverbrauch der Informationstechnik beziffern, können diesen in Relation zu anderen Sektoren einordnen und die wesentlichen Treiber benennen. Sie kennen Trends und Entwicklungen in der IT und zentrale Stellschrauben für mehr Nachhaltigkeit. Sie verstehen, wie der zunehmende Datenverkehr mit den damit verbundenen Umweltauswirkungen zusammenhängt.
 
 [[LZ-1-4]]
 ==== LZ 1-4: Handlungsfelder für das Einsparen von CO~2~ kennen
@@ -23,7 +23,7 @@ Die Teilnehmenden kennen die Handlungsfelder zum Einsparen von CO~2~:
 
 * Energieeffizienz - Verbrauche so wenig Energie wie möglich.
 * Hardwareeffizienz - Beanspruche so wenig Hardware wie möglich.
-* CO~2~-Emissionseffizienz - Verbrauche Energie möglichst dann und dort, wo sie am "grünsten" erzeugt wird.
+* CO~2~-Emissionseffizienz - Verbrauche Energie möglichst dann und dort, wann und wo sie am "grünsten" erzeugt wird.
 
 // end::DE[]
 
@@ -42,7 +42,7 @@ Participants know the possibilities for saving energy and CO~2~ through digitali
 [[LG-1-3]]
 ==== LG 1-3: Categorising and quantifying IT energy consumption and know its drivers
 
-Participants can quantify the energy consumption of information technology, categorise it in relation to other sectors and name the main drivers. They are familiar with trends and developments in IT and key levers for greater sustainability.
+Participants can quantify the energy consumption of information technology, categorise it in relation to other sectors and name the main drivers. They are familiar with trends and developments in IT and key levers for greater sustainability. They understand how increasing data traffic is linked to the associated environmental impact.
 
 [[LG-1-4]]
 ==== LG 1-4: Knowing the fields of action for saving CO~2~

diff --git a/docs/02-module-block-2/02-learning-goals.adoc b/docs/02-module-block-2/02-learning-goals.adoc
@@ -9,7 +9,7 @@ Die Teilnehmenden kennen die Regulatorik und die darin enthaltenen Anforderungen
 [[LZ-2-2]]
 ==== LZ 2-2: Greenhouse Gas Protocol kennen und anwenden 
 
-Die Teilnehmenden kennen das Greenhouse Gas Protocol (GHP). Sie sind in der Lage die Scopes zu erklären und Emissionen den Scopes zuzuordnen. Sie können erklären, welche Scopes beim Betrieb von Software in der Cloud oder On Premise betroffen sind. Die Teilnehmenden kennen die ISO 14064-1 als Ableitung des Greenhouse Gas Protocols.
+Die Teilnehmenden kennen das Greenhouse Gas Protocol (GHG Protocol). Sie sind in der Lage die Scopes zu erklären und Emissionen den Scopes zuzuordnen. Sie können erklären, welche Scopes beim Betrieb von Software in der Cloud oder On Premise betroffen sind. Die Teilnehmenden kennen die ISO 14064-1 als Ableitung des Greenhouse Gas Protocols.
 
 [[LZ-2-3]]
 ==== LZ 2-3: Energieeffizienz als Handlungsfeld im Unternehmen platzieren
@@ -33,7 +33,7 @@ Participants know the regulatory framework and the requirements it contains for
 [[LG-2-2]]
 ==== LG 2-2: Knowing and applying the Greenhouse Gas Protocol
 
-Participants are familiar with the Greenhouse Gas Protocol (GHP). They are able to explain the scopes and assign emissions to the scopes. They can explain which scopes are affected when operating software in the cloud or on premise. Participants are familiar with ISO 14064-1 as a derivation of the Greenhouse Gas Protocol.
+Participants are familiar with the Greenhouse Gas Protocol (GHG Protocol). They are able to explain the scopes and assign emissions to the scopes. They can explain which scopes are affected when operating software in the cloud or on premise. Participants are familiar with ISO 14064-1 as a derivation of the Greenhouse Gas Protocol.
 
 [[LG-2-3]]
 ==== LG 2-3: Positioning energy efficiency as a field of action in the company

diff --git a/docs/03-module-block-3/02-learning-goals.adoc b/docs/03-module-block-3/02-learning-goals.adoc
@@ -7,7 +7,7 @@ Die Teilnehmenden kennen unterschiedliche Qualitätsmodelle und können Qualitä
 
 [[LZ-3-2]]
 ==== LZ 3-2: Umgang mit den Wechselwirkungen zwischen Qualitätsattributen und Energieeffizienz
-Die Teilnehmenden kennen die positiven und negativen Wechselwirkungen zwischen Qualitätsattributen im Bereich der Energieeffizienz mit anderen Qualitätsattributen. Auf Basis dieser Erkenntnisse können sie Qualitätsanforderungen erkennen, die miteinander in Konflikt stehen und Lösungsalternativen erarbeiten, um Konflikte zu abzuschwächen. Insbesondere werden die Qualitätsmerkmale Elastizität, Skalierbarkeit, Modularität und Resilienz detaillierter diskutiert, so dass die Teilnehmenden den Einfluss auf Energieeffizienz bewerten können.
+Die Teilnehmenden kennen die positiven und negativen Wechselwirkungen zwischen Qualitätsattributen im Bereich der Energieeffizienz mit anderen Qualitätsattributen. Auf Basis dieser Erkenntnisse können sie Qualitätsanforderungen erkennen, die miteinander in Konflikt stehen und Lösungsalternativen erarbeiten, um Konflikte abzuschwächen. Insbesondere werden die Qualitätsmerkmale Elastizität, Skalierbarkeit, Modularität und Resilienz detailliert diskutiert, damit die Teilnehmenden den Einfluss auf die Energieeffizienz bewerten können.
 
 // end::DE[]
 

diff --git a/docs/04-module-block-4/02-learning-goals.adoc b/docs/04-module-block-4/02-learning-goals.adoc
@@ -8,7 +8,7 @@ Die Teilnehmenden sind in der Lage, Ressourcen in Relation zur erbrachten Leistu
 
 [[LZ-4-2]]
 ==== LZ 4-2: Messmethodiken kennen und anwenden
-Die Teilnehmenden kennen das methodische Vorgehen beim Messen des Energieverbrauchs, bzw. der CO~2~-Intensität. Sie verstehen, dass die Bewertung / Messung des absoluten Verbrauchs i. d. R. (gerade in der Cloud) nicht sehr exakt möglich ist, sondern wie man stattdessen Trends analysiert. Sie kennen Proxy-Metriken für die CO~2~-Intensität.
+Die Teilnehmenden kennen das methodische Vorgehen beim Messen des Energieverbrauchs, bzw. der CO~2~-Emissionen. Sie verstehen, dass die Bewertung / Messung des absoluten Verbrauchs i. d. R. (gerade in der Cloud) nicht sehr exakt möglich ist, sondern wie man stattdessen Trends analysiert. Sie kennen Proxy-Metriken für die CO~2~-Emissionen.
 
 Die Teilnehmenden wissen, wie sie sinnvolle Szenarien zum Messen der Energieeffizienz aufsetzen.
 
@@ -41,7 +41,7 @@ Participants are able to relate resources to the service provided (business metr
 
 [[LG-4-2]]
 ==== LG 4-2: Knowing and applying measurement methods
-The participants know the methodological procedure for measuring energy consumption and CO~2~ intensity. They understand that it is generally not possible to evaluate/measure absolute consumption very precisely (especially in the cloud), but how to analyse trends instead. They know proxy metrics for CO~2~ intensity.
+The participants know the methodological procedure for measuring energy consumption and CO~2~ emissions. They understand that it is generally not possible to evaluate/measure absolute consumption very precisely (especially in the cloud), but how to analyse trends instead. They know proxy metrics for CO~2~ emissions.
 
 Participants know how to set up meaningful scenarios for measuring energy efficiency.
 

diff --git a/docs/06-module-block-6/02-learning-goals.adoc b/docs/06-module-block-6/02-learning-goals.adoc
@@ -7,7 +7,7 @@ Die Teilnehmenden können unterschiedliche Architekturstile wie beispielsweise v
 
 [[LZ-6-2]]
 ==== LZ 6-2: Kommunikation und deren Auswirkungen auf Energieeffizienz kennen
-Die Teilnehmenden kennen unterschiedliche Arten der Kommunikation (synchron versus asynchron) zwischen Bausteinen in Bezug auf die Bereitstellung von Daten sowie der verwendeten Formate und Protokolle (textbasierte versus binäre Protokolle) hinsichtlich der Energieeffizienz einschätzen. Sie sind in der Lage den Einfluss von Datenkompression auf das übertragenen Datenvolumen zu bewerten und wissen, dass die Energieeffizienz durch eine Reduzierung von Aufrufhäufigkeit und des Datenvolumens positiv beeinflusst wird.
+Die Teilnehmenden kennen unterschiedliche Arten der Kommunikation (synchron versus asynchron) zwischen Bausteinen in Bezug auf die Bereitstellung von Daten sowie der verwendeten Formate und Protokolle (textbasierte versus binäre Protokolle) hinsichtlich der Energieeffizienz einschätzen. Sie sind in der Lage, den Einfluss von Datenkompression auf das übertragene Datenvolumen zu bewerten, und verstehen, dass eine Reduzierung der Aufrufhäufigkeit und des Datenvolumens sich positiv auf die Umweltbilanz auswirkt.
 
 [[LZ-6-3]]
 ==== LZ 6-3: Datenbankmodelle und deren Eigenschaften in Bezug auf Energieeffizienz kennen
@@ -27,7 +27,7 @@ Participants can assess different architectural styles such as distributed syste
 
 [[LG-6-2]]
 ==== LG 6-2: Knowing communication and its impact on energy efficiency
-Participants are familiar with different types of communication (synchronous versus asynchronous) between building blocks in relation to the provision of data and the formats and protocols used (text-based versus binary protocols) with regard to energy efficiency. They are able to evaluate the influence of data compression on the transferred data volume and know that energy efficiency is positively influenced by a reduction in call frequency and data volume.
+Participants are familiar with different types of communication (synchronous versus asynchronous) between building blocks in relation to the provision of data, and can assess the formats and protocols used (text-based versus binary protocols) in terms of energy efficiency. They are able to evaluate the influence of data compression on the transmitted data volume and understand that reducing the call frequency and data volume has a positive effect on the environmental balance.
 
 [[LG-6-3]]
 ==== LG 6-3: Knowing database models and their characteristics in relation to energy efficiency

diff --git a/docs/07-module-block-7/02-learning-goals.adoc b/docs/07-module-block-7/02-learning-goals.adoc
@@ -11,7 +11,7 @@ Die Teilnehmenden kennen darüber hinaus weitere Kennzahlen, darunter den Renewa
 
 [[LZ-7-2]]
 ==== LZ 7-2: Cloud Service & Deployment Modelle kennen und bezüglich Energieeffizienz beurteilen 
-Die Teilnehmenden kennen die Hauptkategorien von Cloud Computing Services (Cloud Service Modelle), insbesondere "Infrastructure as a Service", "Platform as a Service", "Software as a Service" und "Serverless". Sie können die Hauptcharakteristiken dieser Modelle benennen und abwägen wo und wie sie sich bzgl. Energieeffizienz und CO~2~-Emissionseffizienz unterscheiden und wo sie ähnlich einzuordnen sind.
+Die Teilnehmenden kennen die Hauptkategorien von Cloud Computing Services (Cloud Service Modelle), insbesondere "Infrastructure as a Service", "Platform as a Service", "Software as a Service" und "Serverless". Sie können die Hauptcharakteristiken dieser Modelle benennen und abwägen wo und wie sie sich bzgl. Energieeffizienz und CO~2~-Emissionseffizienz unterscheiden und wo sie ähnlich einzuordnen sind. In diesem Zusammenhang kennen sie die Effizienzvorteile von Containern gegenüber virtuellen Maschinen.
 
 Die Teilnehmenden kennen die verschiedenen Deployment Modelle für Cloud Umgebungen wie vor Allem "Public Cloud", "Private Cloud", "Hybrid Cloud" und klassischer On-Premise-Betrieb. Sie können aufzeigen welche Chancen und Risiken diese Varianten auf Energieeffizienz und CO~2~-Emissionseffizienz haben. Dabei sind insbesondere die Energieeffizienz der Rechenzentren, die Flexibilität bei der Auswahl der Hardware, Überprovisionierung und Datenverkehr zu berücksichtigen.
 
@@ -57,7 +57,7 @@ Participants are also familiar with other key figures, including the Renewable E
 
 [[LG-7-2]]
 ==== LG 7-2: Knowing cloud service & deployment models and assessing them in terms of energy efficiency 
-Participants know the main categories of cloud computing services (cloud service models), in particular "Infrastructure as a Service", "Platform as a Service", "Software as a Service" and "Serverless". They can name the main characteristics of these models and weigh up where and how they differ in terms of energy efficiency and CO~2~ emission efficiency and where they are similar.
+Participants know the main categories of cloud computing services (cloud service models), in particular "Infrastructure as a Service", "Platform as a Service", "Software as a Service" and "Serverless". They can name the main characteristics of these models and weigh up where and how they differ in terms of energy efficiency and CO~2~ emission efficiency and where they are similar. In this context, they are aware of the efficiency advantages of containers over virtual machines.
 
 Participants know the different deployment models for cloud environments, in particular "public cloud", "private cloud", "hybrid cloud" and classic on-premise operation. They can demonstrate the opportunities and risks of these variants in terms of energy efficiency and CO~2~ emission efficiency. In particular, the energy efficiency of data centres, flexibility in the selection of hardware, overprovisioning and data traffic must be taken into account.
 

diff --git a/docs/08-module-block-8/02-learning-goals.adoc b/docs/08-module-block-8/02-learning-goals.adoc
@@ -4,8 +4,9 @@
 
 [[LZ-8-1]]
 ==== LZ 8-1: Ökologische Auswirkungen von KI-Systemen kennen
+generative künstliche Intelligenz unter Verwendung großer Sprachmodelle
 
-Die Teilnehmenden verstehen die ökologischen Auswirkungen von KI-Systemen über ihren gesamten Lebenszyklus hinweg. Sie können die Phasen Datensammlung, Training, Deployment, Inferenz und Wartung unterscheiden und deren jeweiligen Energie- und Ressourcenbedarf erklären. Sie können die Begriffe Operational Carbon und Embodied Carbon auf KI-Systeme anwenden.
+Die Teilnehmenden verstehen die ökologischen Auswirkungen von KI-Systemen, insbesondere die von generativer künstlicher Intelligenz mit großen Sprachmodellen, über ihren gesamten Lebenszyklus hinweg. Sie können die Phasen Datensammlung, Training, Deployment, Inferenz und Wartung unterscheiden und deren jeweiligen Energie- und Ressourcenbedarf erklären. Zudem können sie die Begriffe Operational Carbon und Embodied Carbon auf KI-Systeme anwenden.
 
 [[LZ-8-2]]
 ==== LZ 8-2: Energieeffiziente KI-Architekturen bewerten
@@ -44,7 +45,7 @@ Die Teilnehmenden verstehen die Zielkonflikte zwischen klassischen Qualitätsatt
 [[LG-8-1]]
 ==== LG 8-1: Understanding the environmental impact of AI systems
 
-Participants understand the environmental impact of AI systems throughout their entire life cycle. They can distinguish between the phases of data collection, training, deployment, inference and maintenance, and explain their respective energy and resource requirements. They can apply the terms operational carbon and embodied carbon to AI systems.
+Participants understand the environmental impact of AI systems, particularly generative artificial intelligence with large language models, throughout their entire life cycle. They can distinguish between the phases of data collection, training, deployment, inference and maintenance, and explain their respective energy and resource requirements. They can also apply the terms operational carbon and embodied carbon to AI systems.
 
 [[LG-8-2]]
 ==== LG 8-2: Evaluating energy-efficient AI architectures

diff --git a/docs/09-module-block-9/02-learning-goals.adoc b/docs/09-module-block-9/02-learning-goals.adoc
@@ -19,8 +19,7 @@ Die Teilnehmenden wissen, wie man Energieeffizienzmessungen in die CI/CD-Pipelin
 
 Die Teilnehmenden kennen Verfahren zur Optimierung der Entwicklungs- und Deployment-Infrastruktur. Dazu zählen beispielsweise:
 
-* Betrachtung der tatsächlich notwendigen Resilienz
-* Effizienzvorteile von Containern gegenüber virtuellen Maschinen
+* Betrachtung der tatsächlich notwendigen Resilienz verschiedener Umgebungen
 * Optimiertes Layering in Containern
 * Reduktion der Image-Größe von Containern
 * Einsatz von Caching für Build- und Testartefakte
@@ -51,8 +50,7 @@ Participants know how to integrate energy efficiency measurements into the CI/CD
 
 Participants are familiar with methods for optimising the development and deployment infrastructure. These include, for example:
 
-* Consideration of the actual resilience required
-* Efficiency advantages of containers over virtual machines
+* Consideration of the actual resilience required in different environments
 * Optimised layering in containers
 * Reduction of container image size
 * Use of caching for build and test artefacts