KI & Nachhaltigkeit

Das Problem ist nicht die eine Frage

Eine einfache Frage ist billig geworden. Nur stellen wir nicht eine Frage, sondern Milliarden. Und wir lassen KI inzwischen nicht mehr nur einen Satz vervollständigen. Wir geben ihr Dokumente, lassen sie recherchieren, programmieren, Bilder erzeugen, Videos produzieren und Agenten selbstständig mehrere Arbeitsschritte erledigen. Genau dadurch verändert sich die Rechnung.

Epoch AI schätzt eine typische Textanfrage auf rund 0,3 Wh. Bei sehr langen Eingaben können daraus 2,5 Wh werden, und bei extrem großen Kontexten sogar rund 40 Wh. „Eine KI-Anfrage verbraucht X“ ist deshalb ungefähr so aussagekräftig wie „Eine Autofahrt verbraucht X“. Es kommt eben darauf an, wohin man fährt.

Quelle: Epoch AI – Energieverbrauch unterschiedlicher KI-Anfragen

KI wird effizienter. Und verbraucht trotzdem immer mehr.

Das klingt erst einmal widersprüchlich, ist es aber nicht. Die Modelle werden effizienter. Die Chips werden effizienter. Die Rechenzentren werden effizienter. Google berichtet beispielsweise, dass der mediane Energiebedarf einer Gemini-Textanfrage innerhalb eines Jahres um den Faktor 33 gesunken sei. Diese Herstellerangabe ist nicht unabhängig verifiziert, aber die Richtung ist ziemlich klar: KI wird pro Rechenoperation erheblich effizienter.

Nur benutzen wir sie gleichzeitig immer häufiger. 2025 verbrauchten Rechenzentren weltweit nach Berechnungen der Internationalen Energieagentur ungefähr 485 Terawattstunden Strom. Bis 2030 könnten daraus rund 950 Terawattstunden werden, also fast eine Verdoppelung in fünf Jahren. Der Stromverbrauch speziell KI-orientierter Rechenzentren wächst noch schneller und könnte sich im gleichen Zeitraum verdreifachen.

Effizienz löst das Problem also nicht automatisch. Sie kann sogar Teil des Problems werden, weil wir alles, was billiger und effizienter wird, in der Regel auch häufiger benutzen.

Quelle: IEA – Key Questions on Energy and AI 2026

Ein Rechenzentrum ist inzwischen eine ziemlich große Steckdose

Ein typisches KI-Rechenzentrum kann heute so viel Strom benötigen wie ungefähr 100.000 Haushalte. Und die größten Anlagen, die derzeit entstehen, können laut Internationaler Energieagentur noch einmal das Zwanzigfache erreichen.

Interessant ist neben der absoluten Zahl vor allem die Konzentration. Ein neues KI-Rechenzentrum steht nicht „irgendwo im Internet“. Es steht an einem konkreten Ort. Dort braucht es Stromleitungen, Transformatoren, Kühlung und gegebenenfalls Wasser. Die IEA warnt bereits davor, dass Netzengpässe einen erheblichen Teil geplanter Rechenzentrumsprojekte verzögern könnten.

Die Cloud schwebt eben nicht. Sie steht in einer Halle.

Quelle: IEA – Energy and AI

Und dann ist da noch das Wasser

Computer trinken natürlich kein Wasser. Rechenzentren schon. Wasser wird unter anderem für die Kühlung eingesetzt, und wie viel davon tatsächlich benötigt wird, hängt stark von Standort, Außentemperatur, Kühltechnik und Stromerzeugung ab. Auch hier sollte man deshalb vorsichtig mit spektakulären Durchschnittszahlen sein.

Google gibt für den Median einer Gemini-Textanfrage beispielsweise einen direkten Wasserverbrauch von 0,26 Millilitern an, also ungefähr fünf Tropfen. Eine viel zitierte wissenschaftliche Untersuchung kam dagegen für das Training von GPT-3 in US-Rechenzentren auf einen geschätzten direkten Wasserverbrauch von rund 700.000 Litern. Beide Zahlen können gleichzeitig richtig sein. Sie beschreiben nur völlig unterschiedliche Dinge.

Eine einzelne Anfrage ist etwas anderes als das Training eines großen Modells. Und ein Rechenzentrum in Finnland hat andere Kühlbedingungen als eines in Arizona. Deshalb ist „Wie viel Wasser verbraucht KI?“ eigentlich schon die falsche Frage. Die bessere lautet: Welche KI läuft wo, auf welcher Infrastruktur und mit welchem Energie- und Kühlkonzept?

Quellen: Google – Energie-, CO₂- und Wasserverbrauch von Gemini, Studie „Making AI Less Thirsty“

552 Tonnen CO₂ für ein KI-Modell?

Diese Zahl stimmt tatsächlich, aber nur mit einem wichtigen Zusatz. Für das Training von GPT-3 wurde ein Stromverbrauch von rund 1.287 MWh und daraus resultierend ein Ausstoß von ungefähr 552 Tonnen CO₂e berechnet. Das war 2020.

Die Zahl zeigt deshalb weniger, was „KI heute kostet“, als etwas anderes, das fast interessanter ist: wie stark Standort, Hardware und Strommix über die Klimabilanz eines Modells entscheiden. Beim ähnlich großen offenen Sprachmodell BLOOM wurden für das eigentliche Training beispielsweise nur etwa 30 Tonnen CO₂e berechnet. Bezieht man Rechenzentrumsinfrastruktur und Hardware mit ein, steigt die Bilanz entsprechend.

Neben der Größe eines Modells entscheidet auch, wo und wie wir rechnen.

Quelle: ARCEP – Generative AI: Environmental Issues and Challenges, 2026

Also besser keine KI benutzen?

Das wäre zu einfach. KI verbraucht Energie, aber sie kann gleichzeitig Energie sparen. Sie kann Stromnetze optimieren, Gebäude effizienter steuern, industrielle Prozesse verbessern, Verkehrsströme analysieren oder Material- und Energieverschwendung erkennen. Die Internationale Energieagentur untersucht deshalb ausdrücklich beide Seiten: den zusätzlichen Energiebedarf durch KI und das Potenzial von KI, den Energieverbrauch an anderer Stelle zu reduzieren.

Die entscheidende Frage ist also nicht, ob KI Energie verbraucht. Natürlich tut sie das. Die interessantere Frage lautet, ob das, was wir mit dieser Energie machen, sie wert ist.

Nachhaltige KI beginnt nicht beim schlechten Gewissen

Niemand muss künftig vor jedem Prompt überlegen, ob dafür gerade irgendwo ein Wasserglas verdunstet. Aber wir sollten anfangen, KI genauso zu behandeln wie jede andere technische Infrastruktur. Brauchen wir für diese Aufgabe wirklich das größte Modell? Muss jeder Prozess generative KI verwenden? Müssen zehn Agenten etwas recherchieren, das eine Datenbankabfrage beantworten könnte? Kann ein kleineres lokales Modell dieselbe Aufgabe erledigen? Und läuft unsere KI dort, wo Energie möglichst effizient und klimafreundlich bereitgestellt werden kann?

Das sind keine Argumente gegen KI. Das sind Argumente für vernünftige Informatik.

Das ist die eigentliche Nachhaltigkeitsfrage

Wir haben jahrzehntelang Software gebaut und dabei vor allem gefragt: Kann der Computer das? Bei KI kommt eine zweite Frage hinzu: Muss er das wirklich jedes Mal tun? Denn eine einzelne KI-Anfrage ist inzwischen erstaunlich effizient. Ein paar Milliarden davon sind es nicht mehr.