Stromverbrauch von Künstlicher Intelligenz: Wie energiehungrig sind ChatGPT & Co. wirklich?

Künstliche Intelligenz hat unsere digitale Welt im Sturm erobert. Ob Texte, Bilder, Übersetzungen oder Programmcode: Anwendungen wie ChatGPT, Gemini oder Copilot unterstützen inzwischen Millionen Menschen im Alltag und im Beruf. Doch hinter den beeindruckenden Fähigkeiten steckt ein enormer technischer Aufwand. Das Training und der Betrieb der Modelle benötigen große Rechenleistungen und damit auch Energie. Gleichzeitig werden KI-Systeme kontinuierlich effizienter. Wie hoch ist ihr Stromverbrauch tatsächlich und welche Herausforderungen ergeben sich daraus?

KI-Boom treibt den Bedarf an Rechenleistung

Künstliche Intelligenz ist kein neues Phänomen. Sprachassistenten wie Alexa oder Siri, Navigationssysteme oder die Gesichtserkennung moderner Smartphones nutzen seit Jahren KI-Technologien. Mit dem Start von ChatGPT Ende 2022 begann jedoch eine neue Ära: Generative KI kann auf Knopfdruck Texte schreiben, Bilder erstellen oder komplexe Fragen beantworten.
Die Grundlage dafür bilden sogenannte große Sprachmodelle (Large Language Models). Damit sie Zusammenhänge verstehen und überzeugende Antworten liefern können, müssen sie zunächst mit gewaltigen Datenmengen trainiert werden.

Das Training verschlingt enorme Energiemengen

Bevor eine KI einsatzbereit ist, durchläuft sie einen langwierigen Trainingsprozess. Dabei analysiert sie Milliarden von Texten, Bildern und Datensätzen. Dieser Schritt gehört zu den energieintensivsten Phasen im Lebenszyklus eines KI-Modells.

Der Wissenschaftler Alex de Vries verweist auf Untersuchungen, nach denen große Sprachmodelle wie GPT-3, Gopher oder OPT beim Training 1.287, 1.066 beziehungsweise 324 Megawattstunden Strom verbraucht haben. Schon daran wird deutlich, welche Rechenleistung erforderlich ist, um moderne KI-Systeme überhaupt nutzbar zu machen. Doch mit dem Training allein ist es nicht getan.

Jede Antwort benötigt Rechenleistung

Nachdem ein Modell trainiert wurde, folgt die sogenannte Inferenzphase. In dieser beantwortet die KI Nutzeranfragen und erzeugt neue Inhalte. Für jede Eingabe werden komplexe Berechnungen durchgeführt, die leistungsstarke Prozessoren in Rechenzentren erfordern.
Frühere Schätzungen gingen davon aus, dass einzelne Anfragen an ChatGPT zwischen drei und neun Wattstunden Strom benötigen. Neuere Untersuchungen zeigen jedoch, dass moderne Modelle effizienter arbeiten. Für eine typische Textanfrage werden heute häufig etwa 0,3 Wattstunden angenommen. Das ist deutlich weniger als noch vor wenigen Jahren vermutet wurde. Allerdings können besonders umfangreiche Recherchen, lange Dialoge oder die Erstellung von Bildern und Videos weiterhin einen deutlich höheren Energiebedarf verursachen.

Trotz dieser Effizienzgewinne wächst der Gesamtstromverbrauch weiter. Der Grund liegt auf der Hand: Immer mehr Menschen und Unternehmen nutzen KI-Anwendungen. Die Internationale Energieagentur (IEA) berichtet, dass der Stromverbrauch von Rechenzentren im Jahr 2025 um 17 Prozent gestiegen ist. Bei speziell auf KI ausgerichteten Rechenzentren lag das Wachstum sogar bei rund 50 Prozent.

Rechenzentren werden zu einem wichtigen Stromverbraucher

Der weltweite Ausbau von KI-Anwendungen macht sich zunehmend im Energiesystem bemerkbar. Nach Angaben der Internationalen Energieagentur verbrauchten Rechenzentren im Jahr 2025 rund 485 Terawattstunden Strom. Das entspricht etwa 1,5 Prozent des weltweiten Stromverbrauchs. Bis 2030 könnte sich dieser Wert auf rund 950 Terawattstunden nahezu verdoppeln. Besonders stark wächst dabei der Energiebedarf von Rechenzentren, die speziell für KI-Anwendungen ausgelegt sind.

Gleichzeitig arbeiten Technologieunternehmen intensiv daran, ihre Infrastruktur effizienter zu gestalten. Moderne Chips, optimierte Software und energieeffiziente Rechenzentren sorgen dafür, dass der Stromverbrauch pro einzelner KI-Anfrage kontinuierlich sinkt. Die größte Herausforderung ist deshalb weniger der Energiebedarf einer einzelnen Anfrage als die rasant steigende Nutzung von KI weltweit.

Nicht nur Strom, sondern auch Wasser wird benötigt

Der hohe Ressourcenbedarf von KI beschränkt sich nicht auf elektrische Energie. Auch der Wasserverbrauch rückt zunehmend in den Fokus. Rechenzentren erzeugen große Mengen Wärme, die abgeführt werden müssen. Dafür kommen häufig wasserbasierte Kühlsysteme zum Einsatz. Wissenschaftliche Studien schätzen, dass das Training von GPT-3 rund 700.000 Liter Wasser benötigte. Zudem gibt es Untersuchungen, die davon ausgehen, dass ein längeres Gespräch mit einer KI mehrere Hundert Milliliter Wasser verursachen kann.

Wie hoch der Wasserverbrauch tatsächlich ausfällt, hängt jedoch stark vom Standort des Rechenzentrums, der verwendeten Kühltechnik und den lokalen klimatischen Bedingungen ab. Klar ist: Mit dem weiteren Ausbau großer Rechenzentren wird auch die Diskussion über den verantwortungsvollen Umgang mit Wasserressourcen an Bedeutung gewinnen.

KI sinnvoll und bewusst einsetzen

Die steigende Nachfrage nach KI zeigt, wie nützlich die Technologie inzwischen geworden ist. Gleichzeitig lohnt sich ein bewusster Umgang mit den Anwendungen.
Wer für einfache Rechenaufgaben den Taschenrechner nutzt oder für eine schnelle Faktenprüfung eine klassische Suchmaschine verwendet, spart Ressourcen. Bei komplexeren Fragestellungen, kreativen Aufgaben oder der Analyse großer Datenmengen kann KI dagegen einen echten Mehrwert bieten.

Dabei sollte nicht übersehen werden, dass Künstliche Intelligenz selbst auch dabei helfen kann, Energie einzusparen. In der Energiewirtschaft unterstützt sie beispielsweise bei der Vorhersage von Stromerzeugung aus Wind- und Solaranlagen, bei der Optimierung von Stromnetzen oder bei der effizienteren Steuerung von Anlagen. Richtig eingesetzt kann KI somit einen Beitrag dazu leisten, Ressourcen zu schonen und die Energiewende voranzubringen.

Fazit: Effizienter geworden, aber weiterhin ressourcenintensiv

Künstliche Intelligenz benötigt Strom und Wasser. Daran wird sich auch künftig nichts ändern. Gleichzeitig zeigt die Entwicklung der vergangenen Jahre, dass moderne KI-Systeme deutlich effizienter werden. Der eigentliche Treiber des Energieverbrauchs ist inzwischen nicht mehr die einzelne Anfrage, sondern die enorme Verbreitung der Technologie.
Die Herausforderung der Zukunft besteht deshalb darin, die Vorteile von KI zu nutzen und gleichzeitig Rechenzentren, Software und Infrastruktur möglichst energieeffizient zu gestalten. So kann Künstliche Intelligenz nicht nur Energie verbrauchen, sondern in vielen Bereichen sogar dabei helfen, sie einzusparen.

Künstliche Intelligenz für dein Zuhause gibt es bei Smart-Home-Anwendungen. Welche Trends und Technologien es aktuell gibt und welche Elemente sich unkompliziert einbauen lassen, erklären wir in diesem Blogbeitrag. Auch Stromzähler können intelligent sein: Wie sie beispielsweise den Energieverbrauch zu verschiedenen Tageszeiten managen, liest du hier. Damit wir uns aber auch einmal eine Auszeit vom digitalen Alltag nehmen können, ist der bewusste Umgang mit Medien unabdinglich. In unserem Beitrag zur „Medienkompetenz“ erfährst du, worauf es ankommt.