Wie viel Energie verbraucht künstliche Intelligenz wirklich?

Künstliche Intelligenz ist zu einem Teil unseres Alltags geworden, von einfachen Anfragen in Chats bis hin zu komplexen Analysen. Doch hinter jeder Antwort verbirgt sich eine Frage, die Fachleute beschäftigt: Wie viel Energie kostet das alles? Laut Sam Altman, dem CEO von OpenAI, verbraucht eine durchschnittliche Anfrage bei ChatGPT etwa 0,34 Wattstunden Energie. Das entspricht ungefähr dem Energieverbrauch eines Backofens in etwas mehr als einer Sekunde oder einer Energiesparlampe in wenigen Minuten. Bei 800 Millionen wöchentlich aktiven Nutzern ergibt sich jedoch ein enormer Gesamtverbrauch, der schneller wächst, als vielen bewusst ist.

Diese Angabe weckt jedoch Zweifel. Sasha Luccioni, Leiterin des Klimateams bei Hugging Face, bezeichnet sie als nicht vertrauenswürdig, da OpenAI keine Einzelheiten dazu nennt, wie sie ermittelt wurde. Was genau bedeutet „durchschnittliche Anfrage“? Ist darin auch die Bilderzeugung enthalten? Und wie sieht es mit der Energie für das Training der Modelle oder die Kühlung der Server aus? Ohne diese Informationen ist es schwierig, die Zahl ernst zu nehmen. Untersuchungen aus dem Jahr 2025 zeigen, dass Rechenzentren, in denen KI betrieben wird, bis 2030–2035 bis zu 20 % des weltweiten Stroms verbrauchen könnten. In den USA entfielen bereits 2023 4,4 % des nationalen Verbrauchs auf sie, und bis 2028 könnte sich dieser Anteil verdreifachen.

Warum schweigen die Unternehmen?

Große Unternehmen wie OpenAI und Anthropic halten ihre Modelle proprietär, was bedeutet, dass externe Forscher deren Energieverbrauch nicht überprüfen können. Eine Analyse von Sasha Luccioni und ihren Kollegen, die 2025 zur Begutachtung eingereicht wurde, zeigt, dass im Mai 2025 84 % des Betriebs großer Sprachmodelle (LLM) auf Modelle entfielen, zu denen keinerlei Informationen über ihre Umweltauswirkungen vorlagen. Nutzer entscheiden sich somit für Werkzeuge mit unbekanntem CO₂-Fußabdruck, was in Zeiten der Klimakrise alarmierend ist.

Luccioni vergleicht dies mit dem Kauf eines Autos: Man weiß, wie viel es auf 100 km verbraucht, doch für KI gibt es keine vergleichbaren Kennzahlen. Stattdessen verbreiten sich ungeprüfte Schätzungen, etwa jene von John Hennessy, dem Vorsitzenden von Alphabet, der Google-Muttergesellschaft. Er sagte 2023, eine Anfrage bei ChatGPT verbrauche zehnmal mehr Energie als eine Google-Suche. Diese Angabe wird in Medien und politischen Berichten wiederholt, obwohl sie aus einer ungeprüften Quelle stammt. Untersuchungen aus dem Jahr 2025 bestätigen, dass komplexe Anfragen bis zu 50-mal mehr CO₂-Emissionen verursachen können als einfache und dass präzisere Modelle energieintensiver sind.

Was sagen uns die Daten?

Um zu realistischeren Zahlen zu gelangen, wenden sich Wissenschaftler offenen Modellen zu, bei denen sich der Verbrauch messen lässt. Eine 2025 in der Fachzeitschrift Frontiers of Communication veröffentlichte Studie untersuchte 14 offene große Sprachmodelle, darunter zwei Meta-Llama-Modelle und drei DeepSeek-Modelle. Die Ergebnisse zeigten, dass einige Modelle bei der Beantwortung derselben Anfragen bis zu 50 % mehr Energie verbrauchen als andere. Die Forscher stellten 1.000 Benchmark-Fragen aus Bereichen wie Geschichte auf Oberstufenniveau oder Philosophie – die Hälfte davon waren Multiple-Choice-Fragen mit Einwortantworten, die andere Hälfte bestand aus offenen Fragen für längere Antworten.

Modelle, die auf komplexes Schlussfolgern ausgerichtet sind, erzeugten mehr „Denktoken“ – interne Schritte bei der Verarbeitung der Antwort –, was den Verbrauch erhöht. Diese Modelle waren bei komplexen Themen präziser, hatten jedoch Schwierigkeiten, sich kurz zu fassen: Selbst bei entsprechenden Anweisungen lieferten sie längere Antworten. Der Hauptautor der Studie, Maximilian Dauner, Doktorand an der Hochschule München, schlägt vor, einfache Anfragen an weniger anspruchsvolle Modelle weiterzuleiten, die bei geringeren Emissionen gute Ergebnisse erzielen. Unternehmen wie Google und Microsoft tun dies bereits bei einigen Suchfunktionen, um schnellere und sparsamere Antworten zu liefern.

Weitere Faktoren: Hardware, Infrastruktur und reale Bedingungen

Der Energieverbrauch hängt nicht nur vom Modell selbst ab, sondern auch von der Hardware und den Bedingungen. Die Studie von Maximilian Dauner wurde auf einer Nvidia-A100-GPU durchgeführt, doch die neuere Nvidia H100, die für KI entwickelt wurde, ist noch energieintensiver. Rechenzentren benötigen Kühlung, Beleuchtung und Netzwerkausrüstung, was zusätzlichen Verbrauch verursacht. Diese Zentren arbeiten häufig in Tageszyklen mit geringerer Aktivität in der Nacht und sind an unterschiedliche Stromnetze angeschlossen – manche nutzen fossile Brennstoffe, andere erneuerbare Energiequellen.

Noman Bashir, Fellow für Computertechnik und Klimaauswirkungen am MIT, vergleicht Studien, die diese Faktoren nicht berücksichtigen, mit einem Verbrauchstest bei einem unbeladenen Auto. Zudem verschlingen das Training der Modelle und deren Aktualisierungen enorme Energiemengen, die Unternehmen wie OpenAI geheim halten. Untersuchungen aus dem Jahr 2025 zeigen, dass effiziente Maßnahmen wie KI-optimierte Kühlung – beispielsweise senkte Google DeepMind den Verbrauch um 30 % – oder Servervirtualisierung zwar die Kosten reduzieren, der Gesamtverbrauch aufgrund des „Rebound-Effekts“ jedoch steigt: Höhere Effizienz führt zu einer stärkeren Nutzung.

Eine Chance zur Senkung der Emissionen?

Obwohl KI die Emissionen erhöht, kann sie diese auch senken. Neue Untersuchungen aus dem Jahr 2025 deuten darauf hin, dass KI bei effizientem Einsatz in Sektoren wie Energie, Verkehr und Lebensmittelwirtschaft die globalen Emissionen bis 2035 jährlich um 3,2 bis 5,4 Milliarden Tonnen CO₂-Äquivalente reduzieren könnte. Das würde ihren eigenen Verbrauch mehr als ausgleichen. Im Energiesektor verbessert KI die Effizienz erneuerbarer Energiequellen und das Netzmanagement, wobei in einigen Fällen Einsparungen von 10–60 % erzielt werden.

Sasha Luccioni fordert eine verpflichtende Berichterstattung über die CO₂-Kennzahlen aller KI-Systeme. Ohne Transparenz bleiben wir über die tatsächlichen Auswirkungen dieser Technologie auf den Planeten im Dunkeln. Es ist an der Zeit, dass die Unternehmen ihre Bücher offenlegen und uns dabei helfen zu verstehen, ob KI zum Energiefresser oder zum Retter unseres Planeten wird.