Energieverbrauch und Klimabilanz von KI
Künstliche Intelligenz (KI) ist überall und der Energiehunger wächst mit jeder neuen Anwendung. Kommt der Strom nicht aus erneuerbaren Quellen, verschärft KI die Erderwärmung. Die Konzerne bereichern sich auf Kosten der Allgemeinheit.
Rein sachlich betrachtet, könnte die Künstliche Intelligenz (KI) unseren Planeten retten. Schließlich haben Rechenmodelle das Potenzial, enorme Mengen an Daten zu berechnen und strukturiert auszuwerten.
Sie können Klimawandel-Szenarien deutlich schneller generieren, als dies Forschenden vor dem Einsatz von KI möglich war. Und ebenso systematisch, schnell und weitestgehend nach transparenten Kriterien können mögliche Lösungen durch die Kombination von Big Data und entsprechenden Algorithmen berechnet werden.
Aktuell findet KI bereits Einsatz in der Forschung. Dadurch kann die Bevölkerung sich früher auf Dürren, Überflutungen oder Unwetter vorbereiten. Ebenso kann KI dabei helfen, Stromnetze so zu steuern, dass erneuerbarer Energien optimiert eingesetzt werden, oder der Energieverbrauch von Rechenzentren sinkt.
Auch unterstützt KI die Materialforschung, etwa die Entwicklung von neuen Batterien oder CO₂-Speichertechnologien. Denn die KI kann verschiedene Szenarien einfach berechnen, ohne dass alles aufwändig mit physischen Materialen getestet werden muss.
Wachsender Strombedarf für KI
Doch der Energiehunger von KI verteilt sich ungleich: Wissenschaftliche Anwendungen – etwa in der Klimamodellierung, Materialforschung oder Bioinformatik – wachsen zwar, doch es dominiert nach wie vor der kommerzielle Sektor.
Laut einer Studie stammen inzwischen 91 Prozent der leistungsstärksten KI-Modelle aus der Industrie und nicht aus der Wissenschaft. (1) Das heißt: Weniger als ein Zehntel aller Anfragen steht mit der Rettung der Welt in Zusammenhang oder hilft bei medizinischen Diagnoseverfahren wie der Hilfe der Krebsführerkennung.
Die kommerzielle Nutzung hat globale Folgen. Denn Rechenzentren haben einen enormen Energiehunger. Nach aktuellen Schätzungen der Internationalen Energieagentur (IEA) lag der Stromverbrauch von Rechenzentren 2022 in einer Bandbreite zwischen 240 und 340 TWh, was etwa 1 bis 1,3 Prozent des weltweiten Endstromverbrauchs ausmacht.
Die IEA nimmt an, dass sich dieser Wert bis etwa 2030 nahezu verdoppeln könnte. (2) Bei einzelnen KI-Anwendungen sind die Effekte schon jetzt spürbar: So wird etwa angegeben, dass eine Abfrage an chatGPT durchschnittlich etwa 0,34 kWh Strom verbraucht. Das ist zehn Mal so viel wie eine Google-Suche. (3)
Auch wenn der Energiebedarf pro Anfrage, also pro Frage, die jemand beispielsweise einem Chatbot stellt, relativ klein wirkt, skaliert er mit der Anzahl der Anfragen.
Wo kommt der Strom her?
Doch wo die Energie für die Server herkommt, auf denen die KI-Anwendungen laufen, ist nicht immer klar. Es gibt zwar einige wenige KI-Anbieter, die ihre Server nach eigenen Angaben mit regenerativer Energie betreiben. Die Mehrheit der großen Anbieter macht dazu keine Aussagen.
Entsprechend können sich die Nutzenden schon denken, dass der Strom vermutlich nicht nachhaltig sein wird. Und während die Gewinne aus den Anwendungen privatisiert werden, werden die Folgen des Energieverbrauchs und für den enormen Wasserbedarf zur Kühlung der Serverfarmen der Allgemeinheit aufgebürdet.
Wirtschaftsforschende sprechen deshalb bereits von einem Marktversagen, da die Unternehmen zwar für die Ressource, nicht aber für die Schäden zahlen.
Vielleicht ist es aber nicht nur der Markt, sondern vor allem auch die Politik, die hier versagt. Obwohl KI-gestützte Klimamodelle mit beeindruckender Präzision Zukunftsszenarien berechnen, stoßen ihre Ergebnisse in der politischen Realität auf eine eigentümliche Trägheit.
Die abstrakten Zahlen und Diagramme eines Modells wirken weit weniger dringlich als die unmittelbaren Krisen des Alltags, weshalb Politik und Gesellschaft die langfristige Bedrohung verdrängen.
So stehen wir vor einem paradoxen Befund: Je klarer die Modelle rechnen, desto deutlicher wird, dass es nicht an Erkenntnis, sondern am Willen zur Umsetzung fehlt.
Die Illusion der Effizienz
Wenn es um den Energieverbrauch von KI geht, ließe sich einwenden: Eine Journalistin, die über den Energieverbrauch von KI schreibt, braucht Kaffee und Butterbrote, ein Dach über dem Kopf und einen Computer, um ihren Artikel zu schreiben und an die Redaktion zu schicken.
Ist der wahre Energiefresser also die menschliche Intelligenz? Sind wir vielleicht einfach nur zu stur, um das Feld der energieeffizienteren Intelligenz zu überlassen? Studien legen nahe, dass KI vor allem das Gefühl von Produktivität erzeugt.
In Experimenten verkürzt chatGPT die Bearbeitungszeit um 40 Prozent und steigert die Qualität um 18 Prozent. Doch das gilt nur für klar definierte Aufgaben. Im Alltag bleibt der Effekt bescheidener: Laut einer Analyse der US-Notenbank St. Louis sparen Beschäftigte im Schnitt zwar 5,4 Prozent Arbeitszeit, der reale Produktivitätsgewinn beläuft sich aber nur auf 1,1 Prozent.
Philosophisch drängt sich hier die Frage auf, ob wir uns von einer Effizienzillusion verführen lassen: Wir fühlen uns schneller, klüger, effektiver. Doch der gesellschaftliche Mehrwert bleibt klein. Vielleicht liegt die eigentliche Leistung von KI weniger im Tun als in der Suggestion, wir hätten mehr getan.
Was sollten wir tun?
Ohne klare Effizienzstrategien und eine konsequente Umstellung auf erneuerbare Energien droht der Energiehunger von KI die Klimaziele massiv zu gefährden.
Zugleich verdienen die Anbieter der kommerziellen KI-Modelle: Der globale Markt für KI-Software wurde 2024 auf etwa 122 Milliarden US-Dollar geschätzt und soll 2025 auf 174 Milliarden. US-Dollar wachsen. (6)
Der Preis für die Umwelt lässt sich derweil nicht in Dollar ausdrücken, aber wir sehen schon jetzt: Überschwemmungen, Dürren, Hitzewellen bedrohen das Leben auf der Erde. Die Frage ist, wer am Ende die Kosten dafür trägt.
Quellen:
(1) https://mitsloan.mit.edu/ideas-made-to-matter/study-industry-now-dominates-ai-research
(4) https://www.science.org/doi/10.1126/science.adh2586
(5) https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
