Jedes Mal, wenn du ChatGPT eine Frage stellst, läuft irgendwo ein riesiger Computer auf Hochtouren. Eigentlich viele riesige Computer. Und die brauchen Strom. Viel Strom.
Das ist kein Geheimnis, aber es wird selten konkret gemacht. Lass uns das ändern.
Die Zahlen (soweit bekannt)
Genaue Zahlen sind schwer zu bekommen — die großen KI-Anbieter sind da nicht besonders gesprächsfreudig. Aber Forscher haben Schätzungen veröffentlicht, die grob so aussehen:
- Eine Google-Suche: ca. 0,3 Wattstunden (Wh)
- Eine ChatGPT-Anfrage (kurze Antwort): ca. 1–10 Wh, je nach Länge und Komplexität
- Eine längere Konversation mit mehreren Nachrichten: entsprechend mehr
Die oft zitierte Größenordnung: ChatGPT verbraucht pro Anfrage etwa 10-mal so viel Energie wie eine normale Google-Suche.
Das klingt dramatisch. Ist es auch — aber es braucht Kontext.
Zum Vergleich: Was verbraucht sonst so Strom?
- Eine LED-Glühbirne (10W): in einer Stunde = 10 Wh
- Ein Videostreaming in HD: ca. 1 Wh pro Minute
- Eine E-Mail mit Anhang verschicken: ca. 50 Wh (das liegt am gesamten System drumherum)
- Ein Rechner im Betrieb: 50–150 W, also 50–150 Wh pro Stunde
Eine ChatGPT-Anfrage ist damit vergleichbar mit ein paar Minuten Videostreaming. Nicht null, aber auch keine Apokalypse.
Das eigentliche Problem: die Menge
Das Problem ist nicht die einzelne Anfrage. Das Problem ist, dass Millionen von Menschen täglich Millionen von Anfragen stellen.
OpenAI berichtete 2024 von über 100 Millionen täglich aktiven Nutzern. Wenn auch nur ein Bruchteil davon mehrere Anfragen pro Tag stellt, summiert sich das schnell zu einem ernsthaften Energieproblem.
Dazu kommen die Trainingsläufe: Ein großes Modell einmal zu trainieren verbraucht geschätzte Tausende bis zehntausende Megawattstunden — das entspricht dem Jahresverbrauch von hunderten Haushalten.
Wasser und CO2 nicht vergessen
Rechenzentren brauchen nicht nur Strom, sondern auch Kühlung. Und die läuft oft mit Wasser. Microsoft hat zum Beispiel 2023 zugegeben, dass sein Wasserverbrauch durch KI-Training stark gestiegen ist — konkret: mehrere Millionen Liter für das Training von GPT-4.
Beim CO2 kommt es darauf an, woher der Strom kommt. In Regionen mit viel Erneuerbarer Energie sieht die Bilanz besser aus. In Regionen mit viel Kohle schlechter. Ein Teil der großen Rechenzentren nutzt mittlerweile Ökostrom — ein Teil eben nicht.
Wann ist es "lohnenswert"?
Das ist die eigentlich interessante Frage. Eine ehrliche Antwort:
KI lohnt sich energetisch, wenn:
- Die Aufgabe komplexer ist als eine einfache Suche
- Die KI echte Zeit spart, die sonst für Recherche draufginge
- Das Ergebnis qualitativ besser ist als eine schnelle Google-Suche
KI ist Overkill, wenn:
- Du fragst, wie das Wetter morgen wird (Wetter-App)
- Du eine einfache Rechenaufgabe lösen willst (Taschenrechner)
- Du ein Wort nachschlagen möchtest (Wörterbuch)
Klingt banal. Aber schau mal, wie oft du tatsächlich KI für Sachen nutzt, die viel einfacher gelöst wären.
Keine Panik, aber auch kein "ist doch egal"
Das Ziel hier ist nicht, schlechtes Gewissen zu machen. KI hat echten Nutzen und die Technologie wird effizienter.
Aber: "Andere Dinge verbrauchen auch Strom" ist kein Argument dafür, den Verbrauch zu ignorieren. Und wer KI täglich nutzt, sollte zumindest wissen, was das bedeutet.
Bewusstes Nutzen ist mehr wert als schlechtes Gewissen.
Zahlen basieren auf öffentlich verfügbaren Forschungsschätzungen (u.a. Goldman Sachs Research 2024, International Energy Agency 2024). Genaue Zahlen variieren je nach Modell und Anfrage-Typ.