Künstliche Intelligenz

Durch den rasanten Fortschritt der künstlichen Intelligenz (KI) ist das schnelle Erlangen von Wissen heute scheinbar nur noch einen Prompt entfernt. Die typischen Fallstricke von KI, die es manchmal mit der Wahrheit nicht allzu genau nimmt, sind den meisten Nutzer*innen mittlerweile gut bekannt. Weniger vertraut sind viele Anwender*innen jedoch mit dem Ressourcenverbrauch, der mit der Verwendung von KI einhergeht.

Jeder Prompt verursacht Rechenleistung, die wiederum Energie benötigt und die Emission von Treibhausgasen bedingt. Gleichzeitig wird KI immer effizienter: Eine Studie von Google zeigt, dass der Energieverbrauch eines typischen Gemini-Textprompts innerhalb eines Jahres etwa um den Faktor 30 gesunken ist (Elsworth et al., 2025). Im Mai 2025 benötigte ein solcher Prompt im Mittel 0,24 Wh und verursachte 0,03 g CO₂e. Mit dieser Energie kann man etwa 10 Sekunden lang fernsehen.

Doch oft bleibt es natürlich nicht bei nur einem Prompt. Außerdem hängt der tatsächliche Energieverbrauch stark vom verwendeten KI-Modell und von der konkreten Aufgabe ab. So bieten viele Anbieter von KI-Tools beispielsweise einen besonderen, aktivierbaren Modus an, in dem die KI länger und intensiver über ein Problem nachdenkt oder eine größere Recherche durchführt, um eine genauere Antwort zu erzeugen. Wenn die KI in diesem Schlussfolgerungsmodus (reasoning) genutzt wird, steigt der Energieverbrauch schnell um mehr als einen Faktor 10 an (Oviedo et al., 2026). Auch die Erzeugung von Bildern und Videos, besonders lange oder komplexe Anfragen, das Hochladen von Anhängen sowie die Nutzung von Sprachsteuerung und -ausgabe können deutlich ressourcenintensiver sein.

Neben dem Energieverbrauch spielt auch der Wasserverbrauch der Rechenzentren eine Rolle. Wenn man die Kühlung der Rechenzentren auf den Wasserverbrauch pro KI-Interaktion herunterbricht, finden sich jedoch deutlich variierende Ergebnisse in der wissenschaftlichen Literatur, die von 0.26 ml (Elsworth et al. 2025) bis 10–50 ml (Li et al., 2025) pro KI-Antwort reichen.

Auch das Training großer KI-Modelle benötigt erhebliche Ressourcen, die bei solchen Berechnungen oft nicht berücksichtigt werden. Allein für das Training von GPT-3 wurde beispielsweise ein Wasserverbrauch von insgesamt rund 5,4 Millionen Litern geschätzt (Li et al., 2025).

Mit der weltweit stark steigenden Anzahl von KI-Anfragen können selbst kleine Verbräuche pro Anfrage in der Summe schnell sehr relevant werden. Deshalb lohnt es sich, KI gezielt einzusetzen – und nicht für jede kleine Frage automatisch einen Prompt zu starten.