Welches KI-Modell schadet dem Klima am wenigsten? Verbraucht eine KI-Anfrage mehr Strom als eine Google-Suche? Stimmt es, dass man aus Umweltgründen nicht bitte und danke in den Prompt schreiben soll? Das sind Fragen, die wir oft in unseren KI-Kursen hören. Darum lohnt sich ein Blick auf den ökologischen Fußabdruck von KI.

In diesem Beitrag erfährst du:

• Warum KI als umweltschädlich gilt
• Ob „bitte“ und „danke“ wirklich mehr Strom verbrauchen
• Warum sich KI-Anfrage und Google-Suche schwer vergleichen lassen
• Warum bessere Technik den Verbrauch nicht senkt
• Was du selbst tun kannst und wo die Politik gefordert ist

Es beginnt mit einer harmlosen Anfrage

Folgende Situation: Du willst eine E-Mail freundlicher formulieren, kopierst den Text in einen KI-Chatbot und schreibst: „Formuliere das freundlicher.“

Damit das Tool überhaupt weiß, was „freundlicher“ bedeutet, musste es das erst lernen. Dieses sogenannte Training ist ein enormer Kraftakt. Dafür laufen wochenlang spezialisierte Grafik-Chips (GPUs) unter Volllast, um riesige Datenmengen zu verarbeiten. Das erfordert immense Mengen an Strom, aber auch Kühlwasser, um die Serveranlagen vor dem Überhitzen zu bewahren.

Das Training des Modells GPT-3 verbrauchte 2020 rund 1.287 Megawattstunden Strom. Das entspricht dem Jahresverbrauch von etwa 370 österreichischen Haushalten. Zur Kühlung verdunsteten dabei rund 700.000 Liter Süßwasser direkt vor Ort. Rechnet man das Wasser für die Stromerzeugung dazu, sind es 5,4 Millionen Liter. Neuere Modelle liegen weit über diesen Zahlen. Dazu kommt der Hardware-Verschleiß: Durch kurze Nutzungszyklen könnten zwischen 2020 und 2030 weltweit 1,2 bis 5 Millionen Tonnen zusätzlicher Elektroschrott entstehen.

So beeindruckend diese Zahlen sind – der größte Posten beim Energieverbrauch ist nicht mehr das Training von KI-Modellen, sondern die milliardenfache tägliche Nutzung. Schätzungen gehen davon aus, dass 60 bis 90 Prozent des Rechenaufwands über die Lebensdauer eines Modells auf den laufenden Betrieb entfallen. Also zurück zu deiner E-Mail.

Muss ich jetzt „bitte“ und „danke“ weglassen?

Die KI hat dir einen Vorschlag geschickt. Du antwortest: „Passt gut, aber bitte weniger förmlich.“ Der neue Vorschlag ist dir zu lang, du schreibst: „Kürzer bitte.“

Moment. Bitte und danke, kostet das nicht extra Strom, wie ChatGPT-Chef Sam Altman behauptet? Die TU Wien hat nachgerechnet und ist zum Schluss gekommen: Ja, die digitale Höflichkeit bei ChatGPT verbraucht jährlich so viel Strom wie 2.500 österreichische Haushalte. Höflichkeitsfloskeln machen bis zu vier Prozent eines durchschnittlichen Prompts aus, und rund 70 Prozent der Nutzer:innen bedanken sich im Chat. Das Beispiel soll plakativ zeigen: Wörter kosten Rechenleistung. Je mehr Wörter, umso mehr Rechenleistung. Darum die Empfehlung, kurze und präzise Anfragen zu stellen.

Bemerkenswert ist jedoch, dass ein Konzernchef den Nutzer:innen Sparsamkeit nahelegt, bei einem Produkt, das darauf ausgelegt ist, möglichst viele Gesprächsrunden zu erzeugen. Hier liegt auch der Wert der Debatte für die Bildungsarbeit: Die Empfehlung von Sam Altman ist ein idealer Aufhänger, um nicht nur das eigene Nutzungsverhalten zu reflektieren, sondern auch zu hinterfragen, wer hier wem Verantwortung zuschiebt. Aber dazu später.

Eine einfache Gemini-Textanfrage benötigt laut Google-Eigenangaben etwa 0,24 Wattstunden Strom. Zum Vergleich: Ein Smartphone-Akku fasst je nach Modell 11 bis 19 Wattstunden. Mit einer Akkuladung wären also rund 50 bis 80 Textanfragen drin. Bilder und vor allem Videos verbrauchen ein Vielfaches. Und Reasoning-Modelle, die vor der Antwort eine Art inneren Dialog führen, liegen im Schnitt rund 30-mal höher als klassische Modelle.

Der Hunger der Rechenzentren

Eine einzelne Mail fällt kaum ins Gewicht. Was ins Gewicht fällt, sind Milliarden davon sowie die Infrastruktur, die dafür gebaut wird. Hier verlassen wir die Ebene der Wattstunden und landen bei Kraftwerken.

Manche Rechenzentren sind so groß wie der 15. Wiener Gemeindebezirk (ca. 4 km²). Und sie entstehen dort, wo Strom und Wasser günstig sind. Das ist nicht zwangsläufig dort, wo beides im Überfluss vorhanden ist. Da der Energiehunger der Rechenzentren 24/7 gedeckt werden muss, werden sie häufig mit fossiler Energie betrieben – und zunehmend mit Atomkraft.

2024 entfielen auf Rechenzentren 1,5 Prozent des globalen Stromverbrauchs. Bis 2030 könnte sich der Anteil auf 3 Prozent verdoppeln, so viel wie Japan heute verbraucht. Beim Wasser rechnet das Öko-Institut mit einem Anstieg von 175 Milliarden Litern (2023) auf 664 Milliarden Liter im Jahr 2030. Damit könnten wir zweimal den Neusiedler See füllen.

Google-Suche oder KI-Anfrage?

Die Trennung zwischen „Suche“ und „KI“ gibt es so nicht mehr. Google arbeitet schon seit Jahren mit Sprachmodellen im Hintergrund, längst bevor es die sogenannten AI Overviews eingeführt hat, also die KI-Übersicht, die wir bei vielen Suchanfragen angezeigt bekommen. Wer heute googelt, nutzt KI mit, gewollt oder ungewollt. Für einen sauberen Vergleich fehlen leider Zahlen.

Ein Unterschied bleibt aber: Eine klassische Trefferliste holt vorhandene Seiten hervor. Eine generierte Antwort, ob im Chatbot oder im AI Overview, wird in dem Moment neu berechnet, in dem du fragst. Für eine Telefonnummer oder eine Öffnungszeit ist die Trefferliste deshalb nach wie vor der sparsamere Weg.

Warum bessere Technik nicht weniger Verbrauch bedeutet

Zurück zur E-Mail: Die gekürzte Fassung liegt vor, du bist zufrieden. Nur ist das Gespräch damit nicht zu Ende, denn das Tool schlägt dir nächste Schritte vor: Betreffzeile generieren? Auf Englisch übersetzen? Eine Version in Sie-Form?
Das ist kein Zufall. Ein Chatbot, der nach der Antwort schweigt, erzeugt weniger Nutzung. Und Nutzung ist das Geschäftsmodell. Du lässt dir also einen Betreff generieren.

KI-Modelle werden zwar effizienter – Google etwa gibt an, der Energiebedarf einer Gemini-Textanfrage sei binnen zwölf Monaten um den Faktor 33 gesunken. Dennoch sinkt der Gesamtverbrauch nicht. In der Ökonomie heißt das Rebound-Effekt: Effizienzgewinne werden durch steigende Nachfrage aufgezehrt. Bei KI kommt beides zusammen: mehr Nutzende, und Aufgaben, die pro Anfrage deutlich mehr Rechenleistung brauchen als noch vor zwei Jahren. Und diese Nachfrage wird durch die Anbieter selbst angeregt.

Kann KI dem Klima auch helfen?

Bei aller berechtigten Kritik gibt es auch die andere Seite: KI-Systeme helfen zum Beispiel, bestehende Stromnetze besser auszulasten, Produktionsprozesse in der Zementherstellung zu optimieren oder Gebäude effizienter zu steuern. Nur gilt hier dieselbe Logik wie eben. Einsparungen entlasten die Umwelt nur dann, wenn sie nicht vom wachsenden Verbrauch der Technologie selbst wieder aufgezehrt werden. Gegenrechnen lässt sich das eine mit dem anderen nicht.

Bitte keine KI-Scham

Deine E-Mail ist verschickt. Musst du dich jetzt schlecht fühlen, weil du sie mit KI redigiert hast? Bitte nicht.
KI wird bleiben und soll ja genutzt werden. Der bewusste Umgang mit KI ist wichtig – dazu bekommst du gleich Tipps –, aber die wirklichen Hebel liegen anderswo: bei den Tech-Konzernen und der Politik. Solange Konzerne keine standardisierten, unabhängig überprüfbaren Zahlen zu ihrem Energieverbrauch veröffentlichen müssen, bleibt die Diskussion ein Stochern im Nebel. Die systemische Verantwortung darf nicht auf die Nutzer:innen abgeschoben werden.

Was Anbieter ändern müssten

• Nicht automatisch das stärkste Modell starten, wenn eine einfache Textanfrage kommt.
• Sparsame Voreinstellungen als Standard, statt sie im Menü zu verstecken.
• Weniger Gefälligkeit: keine Anschlussvorschläge nach jeder Antwort.
• Verbrauch transparent machen, am besten im Tool selbst.
• Standardisierte, unabhängig prüfbare Verbrauchszahlen.

7 Tipps, wie du KI effizienter nutzt

Die erste Frage steht vor der Nutzung: Brauche ich dafür überhaupt KI? Ein Herz-Emoji muss man sich nicht generieren lassen. Hier einige Tipps, worauf du bei der nächsten Nutzung achten kannst:

• Neuen Chat starten: Bei jeder neuen Frage im selben Chatverlauf muss das System die gesamte bisherige Unterhaltung (das sogenannte Kontextfenster) erneut lesen und verarbeiten. Für ein neues Thema beginne einen neuen Chat. Das spart Rechenleistung.
• Lade nur die Dokumente hoch, die du wirklich analysiert haben willst: Ein 100-seitiges PDF hochzuladen, um eine Frage zu Seite 3 zu stellen, zwingt das Modell, bei jedem weiteren Prompt 99 irrelevante Seiten mitzuberechnen.
• Das passende Modell wählen: Reasoning-Modelle, die vor der Antwort unsichtbar „nachdenken“, verbrauchen deutlich mehr Energie als klassische Modelle. Für eine E-Mail, eine Zusammenfassung oder eine Übersetzung ist das reine Verschwendung. In jedem KI-Tool lässt sich das Modell umstellen, denn die Voreinstellung der Konzerne ist selten die sparsamste Option.
• Einmal exakt statt fünfmal ungefähr: Jede Nachfrage ist eine vollständige Neuberechnung. Ein präziser Prompt, der Kontext, die Zielgruppe und das gewünschte Ergebnis sofort definiert, spart deutlich mehr Strom als das Weglassen von Wörtern.
• Bilder und Videos bewusst einsetzen: Ein generiertes Bild kostet ein Vielfaches einer Textanfrage, ein Video ein Vielfaches davon.
• Agenten gezielt einsetzen: Werkzeuge, die selbstständig recherchieren, mehrere Schritte abarbeiten oder Dateien durchgehen, erzeugen pro Eingabe dutzende Modellaufrufe. Für komplexe Aufgaben ist das oft gerechtfertigt, für eine schnelle Frage nicht.
• Ergebnisse lokal sichern: Was du nächste Woche wieder brauchst, besser in ein eigenes Dokument kopieren statt erneut zu generieren.

Autorin: Irene Steindl

Lust auf mehr? Zu allen Beiträgen der Serie kommst du HIER!