Ressourcenverbrauch von KI-Systemen

1. Energieverbrauch

Der stark wachsende Einsatz von KI-Systemen in den letzten Jahren hat zu einem sprunghaft steigenden Energieverbrauch in Rechenzentren geführt. Besonders der rasante Ausbau von Rechenzentren und grossen Sprachmodellen hat zu einem stark steigenden Strombedarf geführt, der inzwischen mit dem Verbrauch ganzer Industrieländer vergleichbar ist. Der weltweite Stromverbrauch von Rechenzentren lag 2022 bei rund 460 Terawattstunden und wäre damit etwa auf dem Niveau eines grossen Industrielandes wie Frankreich. In den USA sind inzwischen etwa 4,4% des gesamten Stromverbrauchs auf Rechenzentren zurückzuführen (O'Donnell & Crownhart, 2025). Bis 2026 wird erwartet, dass sich der Stromverbrauch von Rechenzentren auf etwa 1.050 Terawattstunden beläuft, was im Ländervergleich etwa dem jährlichen Stromverbrauch von Ländern wie Japan oder Russland entspricht (Zewe, 2025).

Die heutige Leistungsfähigkeit von KI-Systemen ist das Ergebnis aufwendiger Trainingsprozesse, bei denen grosse Datenmengen verarbeitet wurden. Solche Trainingsphasen sind rechenintensiv und mit einem hohen Stromverbrauch verbunden. Allein für das Training des GPT-3-Modells wurden ca. 1.300 MWh verbraucht, was in etwa dem Jahresstromverbrauch von 130 US-Haushalten entspricht (WEF, 2024).

Im Vergleich zu den Trainingsprozessen der KI-Modelle ist der Energieverbrauch bei einzelnen Anfragen zwar deutlich geringer, summiert sich im laufenden Betrieb jedoch stetig. Google hat kürzlich den Energieverbrauch seines KI-Chatbots Gemini publiziert: Eine Textanfrage verbraucht demnach so viel Energie wie ca. 9 Sekunden Fernsehschauen (SRF, 2025). Auch OpenAI hat eine Berechnung veröffentlicht: Eine KI-Anfrage verbraucht etwa 0,34 Wattstunden, was dem Stromverbrauch von einer Sekunde Backofenbetrieb entspricht (SRF, 2025).

Zur weiteren Einordnung: Pro 100 Kilometer verbraucht ein Elektroauto im Durchschnitt rund 15 Kilowattstunden Strom (1komma5°, 2025), im realen Fahrbetrieb oft mehr: Der Durchschnittsverbrauch aller im ADAC Ecotest untersuchten Fahrzeuge liegt bei etwa 22 Kilowattstunden pro 100 gefahrenen Kilometer. Eine Fahrt von 20 km verbraucht demnach etwa 3.000 bis 4.400 Wattstunden Strom. Das entspricht der Energie von rund 9.000 bis 13.000 einzelnen ChatGPT-Anfragen à 0,34 Wattstunden. Umgekehrt betrachtet entspricht das Training des GPT-3-Modells (1.300 MWh) dem Stromverbrauch von über 400 solcher 20-km-Fahrten.

Der Grossteil des Stromverbrauchs von KI-Systemen wird jedoch nicht durch Anfragen und Berechnungen verursacht, sondern durch die Kühlung der Rechenzentren. Bei jeder Rechenoperation entsteht Wärme, die kontinuierlich abgeführt werden muss, um die Hardware vor Überhitzung zu schützen. In einigen Rechenzentren macht diese Kühlung 30–40% des gesamten Stromverbrauchs aus (Net Zero Insights, 2025).

2. CO₂-Emissionen

Wie stark sich der Stromverbrauch von KI-Systemen auf das Klima auswirkt, hängt stark vom jeweiligen Strommix ab. Entsprechend hoch fällt der CO₂-Fussabdruck aus: Eine aktuelle Studie schätzt, dass der globale CO₂-Fussabdruck von KI-Systemen 2025 zwischen 32,6 und 79,7 Millionen Tonnen liegen könnte – vergleichbar mit dem CO₂-Fussabdruck der Stadt New York (de Vries-Gao, 2025).

Auch auf regionaler Ebene wird der Effekt sichtbar: Eine Studie der Cornell University zeigt, dass der Einsatz von KI-Servern in den USA zwischen 2024 und 2030 je nach Ausbautempo einen zusätzlichen jährlichen CO₂-Ausstoss von 24 bis 44 Millionen Tonnen verursachen könnte – das entspricht in etwa den Emissionen von 5 bis 10 Millionen zusätzlichen Autos auf US-Strassen (Cornell Chronicle, 2025). Positiv ist: Dieselbe Studie zeigt auch Lösungswege auf – durch geschickte Standortwahl, schnellere Dekarbonisierung des Stromnetzes und effizienteren Betrieb liessen sich diese Auswirkungen um rund 73% (CO₂) beziehungsweise 86% (Wasser) reduzieren (Cornell Chronicle, 2025). 

3. Wasserverbrauch

Neben dem Stromverbrauch weisen KI-Systeme auch einen hohen Wasserverbrauch aus. Dieser hohe Wasserverbrauch wird hauptsächlich durch die Kühlung der Rechenzentren verursacht. Zusätzlich kann der Wasserverbrauch auf indirekte Prozesse entlang der Wertschöpfungskette zurückgeführt werden, wie beispielsweise die Herstellung der Hardware (Server und Chips) sowie für die Stromerzeugung (Wiedebusch, 2025). Bei der direkten Nutzung in Form von einer KI-Textanfrage werden je nach Modell ca. 5 Tropfen Wasser für die Kühlung der Rechenzentren verbraucht (SRF, 2025). Das klingt erstmals nicht nach viel, summiert sich aber bei einer regelmässigen Nutzung zu beachtlichen Summen. So werden für ein einziges Gespräch (20-50 Fragen) mit einem KI-Chatbot im Durchschnitt rund 500 Milliliter Wasser verbraucht (Wiedebusch, 2025). 

Zur weiteren Einordnung: Ein handelsüblicher Duschkopf hat einen Wasserdurchfluss von etwa 12 bis 15 Litern pro Minute (co2online, 2023); bei einer Duschzeit von 10 Minuten ergibt das 120 bis 150 Liter Wasserverbrauch – rund 240- bis 300-mal so viel wie ein komplettes KI-Chatbot-Gespräch. Noch deutlicher wird der Unterschied bei einer Tasse Kaffee, wenn man die gesamte Produktionskette einbezieht: Für sieben Gramm Kaffee pro Tasse braucht es 140 Liter Wasser (Greenpeace Österreich, 2021) – das ist fast 300-mal so viel wie der Wasserfussabdruck eines gesamten KI-Chatbot-Gesprächs.

4. Hardware-Herstellung und Elektroschrott

Wie stark sich der Stromverbrauch von KI-Systemen auf das Klima auswirkt, hängt stark vom jeweiligen Strommix ab. Entsprechend hoch fällt der CO₂-Fussabdruck aus: Eine aktuelle Studie schätzt, dass der globale CO₂-Fussabdruck von KI-Systemen allein 2025 zwischen 32,6 und 79,7 Millionen Tonnen liegen könnte – vergleichbar mit dem jährlichen CO₂-Fussabdruck der Stadt New York (de Vries-Gao, 2025).

Auch auf regionaler Ebene wird der Effekt sichtbar: Eine Studie der Cornell University zeigt, dass der Einsatz von KI-Servern in den USA zwischen 2024 und 2030 je nach Ausbautempo einen zusätzlichen jährlichen CO₂-Ausstoss von 24 bis 44 Millionen Tonnen verursachen könnte – das entspricht in etwa den Emissionen von 5 bis 10 Millionen zusätzlichen Autos auf US-Strassen (Xiao et al., 2025). Positiv ist: Dieselbe Studie zeigt auch Lösungswege auf – durch geschickte Standortwahl, schnellere Dekarbonisierung des Stromnetzes und effizienteren Betrieb liessen sich diese Auswirkungen um rund 73% (CO₂) beziehungsweise 86% (Wasser) reduzieren (Xiao et al., 2025).

Fazit

Die Ökobilanz von KI-Systemen reicht deutlich über den Stromverbrauch einzelner Chatbot-Anfragen hinaus: Sie umfasst Trainings- und Betriebsenergie, CO₂-Emissionen, Wasserverbrauch sowie die Herstellung und Entsorgung der benötigten Hardware. Im Alltagsvergleich relativiert sich der Fussabdruck einzelner Anfragen. Eine kurze Autofahrt oder eine Tasse Kaffee schlagen ressourcenmässig deutlich stärker zu Buche. Die grosse Herausforderung liegt daher weniger in der einzelnen Nutzung als in der schieren Masse an Anfragen sowie im weltweiten Ausbau von Rechenzentren. Die verfügbaren Zahlen variieren teils stark und sind mit erheblicher Unsicherheit behaftet, da viele Unternehmen keine vollständige Transparenz über ihre Umweltbilanz herstellen. Einig sind sich Fachleute jedoch weitgehend darin: Der Ressourcenverbrauch muss in erster Linie strukturell (durch Industrie, Rechenzentrumsbetreiber und Politik) begrenzt werden. Individuelles Nutzungsverhalten spielt dabei eine untergeordnete, aber nicht bedeutungslose Rolle.