# So messen Sie den Energieverbrauch und CO2-Fußabdruck von KI

> Ein Praxisleitfaden zum Messen oder Schätzen von Energie und CO2 bei KI-Arbeit: Werkzeuge, Systemgrenzen, Kennzahlen pro Aufgabe und ehrliche Unsicherheit.

Source: https://greenai.guide/de/gute-praxis/so-messen-sie-den-energieverbrauch-und-co2-fussabdruck-von-ki/  
Updated: 2026-11-19

## Kurz gesagt

Messen Sie den Energieverbrauch von KI, indem Sie die Hardware, die Sie kontrollieren, direkt messen und die Dienste, die Sie nicht kontrollieren, schätzen. Rechnen Sie beides dann mit lokalen, zeitlich passenden Stromnetzdaten in CO2 um. Halten Sie zu jeder Zahl die Systemgrenze, die Methode und die Unsicherheit fest, und berichten Sie pro Einheit nützlicher Arbeit, nicht nur als Gesamtwert.

## Das Wichtigste

- Messen Sie, wo Sie können (Hardwarezähler, GPU-Telemetrie, Steckdosen-Messgeräte, Scheduler-Protokolle), und schätzen Sie, wo Sie es nicht können (gehostete APIs, Public Cloud).
- Jede Zahl braucht eine angegebene Systemgrenze: was drin ist, was draußen ist und warum.
- Berichten Sie den Energieverbrauch pro Einheit nützlicher Arbeit, etwa pro Anfrage oder pro Dokument, damit Effizienz auch bei wachsender Nutzung sichtbar bleibt.
- Verwenden Sie die standortbezogene CO2-Intensität des Stromnetzes für die Region und die Stunde, in der die Arbeit lief; Zertifikate ändern daran nichts.
- Wiederholen Sie Messungen und geben Sie eine Spanne an. Ein einzelnes Vorher-nachher-Paar kann bloßes Rauschen sein.

## Warum überhaupt messen? {#why-measure-at-all}

**Was Sie nicht gemessen haben, können Sie weder senken noch vergleichen noch ehrlich behaupten.** Messung macht aus
„KI verbraucht viel Energie“ Zahlen, mit denen Sie arbeiten können: welche Funktion, welches Modell oder welcher Job
am meisten kostet und ob eine Änderung geholfen hat.

Beim britischen Green-AI-Sandpit 2026, einem Treffen von Mathematikern, Informatikern und Industrie, kam die Messung
immer wieder als Engpass zur Sprache. Viele veröffentlichte Zahlen sind Schätzungen, Methoden sind oft nicht
dokumentiert, und dieselbe Arbeit kann sehr unterschiedliche Zahlen liefern, je nachdem, was gezählt wird. Dieser
Leitfaden beschreibt eine Methode, die einer Prüfung standhält.

## Soll ich messen oder schätzen? {#should-i-meter-or-estimate}

**Messen Sie die Hardware, die Sie kontrollieren; schätzen Sie die Dienste, die Sie nicht kontrollieren.** Beides ist
zulässig, solange jede Zahl angibt, welches von beiden sie ist.

| Situation | Vorgehen | Typische Werkzeuge |
|---|---|---|
| Ihr eigener Laptop, Ihre Workstation oder Ihr Server | Mit Hardwarezählern messen | `perf` oder powercap (Intel/AMD-RAPL-Zähler), PowerJoular, Scaphandre |
| Ihre eigenen GPUs | Mit Hersteller-Telemetrie messen, über die Zeit abgetastet | `nvidia-smi` oder NVML, CodeCarbon |
| Ein Forschungscluster | Die Energieabrechnung des Schedulers auslesen | Slurm `sacct` (Feld ConsumedEnergy), sofern aktiviert |
| Virtuelle Maschinen in der Public Cloud | Aus Auslastung und Abrechnung schätzen | Cloud Carbon Footprint, CO2-Dashboards der Anbieter |
| Gehostete KI-APIs | Aus Token und Annahmen über das Modell schätzen | EcoLogits |
| Offene Modelle vergleichen, bevor Sie eines wählen | Einen Standard-Benchmark verwenden | Hugging Face AI Energy Score |

Die Hinweise von CodeCarbon selbst ziehen dieselbe Linie: CodeCarbon für Code, der auf Hardware läuft, die Sie
verwalten, und EcoLogits für Aufrufe entfernter generativer KI-Dienste, bei denen Sie keinen Zugriff auf die Hardware
haben.

### Kennen Sie die Grenzen Ihres Messgeräts {#know-the-limits-of-your-meter}

- **GPU-Telemetrie tastet ab, sie beobachtet nicht durchgehend.** Forschende stellten fest, dass `nvidia-smi` auf
  A100- und H100-GPUs die Leistung nur während etwa 25 % der Laufzeit erfasst, was bei kurzen Jobs zu starken Unter-
  oder Überschätzungen führen kann. Tasten Sie über den gesamten Job ab, lassen Sie ihn lange genug laufen, um viele
  Abtastintervalle abzudecken, und integrieren Sie über die Zeit.
- **Software-Messgeräte sind Modelle.** Prüfen Sie eines einmal pro Plattform gegen ein Steckdosen-Messgerät (ein
  messender Smart Plug genügt).
- **Cloud-Zahlen sind Schätzungen.** Hardwarezähler sind auf virtuellen Maschinen in der Public Cloud meist nicht
  verfügbar. Kennzeichnen Sie Cloud-Zahlen daher als geschätzt.

## Was sollte die Systemgrenze umfassen? {#what-should-the-system-boundary-include}

**Ziehen Sie die Grenze weit genug, um alles Wesentliche einzuschließen, und schreiben Sie sie auf.** Eine Zahl ohne
Grenze lässt sich mit nichts vergleichen.

Googles Paper von 2025 zu Gemini ist ein gutes Beispiel. Es gibt für einen mittleren (Median-)Text-Prompt 0,24 Wh an,
wenn die Beschleuniger, die Host-Rechner, die Leerlaufkapazität und der Overhead des Rechenzentrums mitgezählt werden,
und 0,10 Wh, wenn nur die aktive TPU- und GPU-Nutzung zählt. Beide Zahlen sind ehrlich; sie beantworten verschiedene
Fragen. Googles Grenze lässt außerdem das externe Netzwerk, die Geräte der Nutzer und das Training des Modells weg,
und die Zahlen wurden nicht unabhängig überprüft.

Gehen Sie diese Ebenen durch und entscheiden Sie für jede, ob sie drin oder draußen ist:

1. **Der Beschleuniger** (GPU, TPU), der die Rechenarbeit leistet.
2. **Der Rest des Servers:** CPU, Arbeitsspeicher, Datenspeicher.
3. **Leerlauf- und Reservekapazität,** die für Ihre Arbeit bereitgehalten wird.
4. **Overhead des Rechenzentrums:** Kühlung und Stromumwandlung, erfasst durch die [PUE](/de/glossar/#pue).
5. **Das Netzwerk** zwischen Nutzern und Dienst.
6. **Die Geräte der Nutzer.**
7. **Graue Emissionen:** der Anteil an der Herstellung der Hardware, der Ihrer Nutzung zuzurechnen ist.
8. **Training und Fine-Tuning,** verteilt über die Nutzungsdauer des Modells.
9. **Der umgebende Prozess:** Wiederholungen, fehlgeschlagene Läufe, Zeit für menschliche Prüfung.

Der Sandpit machte denselben Punkt bei Aussagen wie „KI kostet dreißigmal mehr, als es von Hand zu erledigen“: Die
Antwort hängt davon ab, ob Sie die Arbeitszeit der Person, ihre Ausstattung und alles um sie herum mitzählen.
Legen Sie die Grenze fest, bevor Sie vergleichen.

## Was sollte ich festhalten? {#what-should-i-record}

**Halten Sie genug fest, damit jemand anderes die Messung wiederholen und eine ähnliche Zahl erhalten könnte.**
Notieren Sie zu jeder Zahl:

- **Was gemessen wurde:** Modell und Version, Aufgabe, Datensatz oder Prompt-Set, Anzahl der Eingabe- und
  Ausgabe-Token.
- **Wo und wann:** Hardware, Region, Datum und Uhrzeit (nötig für die CO2-Intensität).
- **Wie:** Werkzeug und Version, Abtastrate, gemessen oder geschätzt, Leerlauf-Grundlast eingeschlossen oder
  ausgeschlossen.
- **Die Grenze:** welche der oben genannten Ebenen drin sind.
- **Die Zuordnungsregel:** wie geteilte oder Leerlauf-Energie zwischen Nutzern oder Diensten aufgeteilt wurde.
- **Die Streuung:** Anzahl der Durchläufe, Mittelwert und Spanne.
- **Qualität:** die Genauigkeit oder Erfolgsquote bei der Aufgabe zum Messzeitpunkt. Eine billige falsche Antwort ist
  keine Einsparung.

## Wie rechne ich Energie in CO2 um? {#how-do-i-turn-energy-into-carbon}

**Multiplizieren Sie die Energie mit der CO2-Intensität des Stromnetzes am Ort und zur Zeit der Ausführung, und
addieren Sie graue Emissionen, wenn sie innerhalb Ihrer Grenze liegen.** Die Spezifikation Software Carbon Intensity
(SCI) der Green Software Foundation, veröffentlicht als ISO/IEC 21031:2024, drückt dies als Rate aus:

> SCI = ((E × I) + M) pro R

Dabei ist **E** die Energie, **I** die standortbezogene [CO2-Intensität](/de/glossar/#carbon-intensity) des
Stromnetzes, **M** die grauen Emissionen und **R** die funktionale Einheit. Die Spezifikation verwendet
standortbezogene Netzwerte und lässt nicht zu, dass marktbasierte Instrumente wie Ökostromzertifikate,
Stromabnahmeverträge (PPAs) oder Kompensationen den Wert senken.

- Verwenden Sie regionale, zeitlich passende Daten, wo immer möglich. In Großbritannien liefert die Carbon Intensity
  API des National Energy System Operator regionale Prognosen und Schätzungen; Electricity Maps deckt viele andere
  Länder ab.
- Greifen Sie nur dann auf nationale Jahresdurchschnitte zurück, wenn es nichts Genaueres gibt, und sagen Sie das.

## Welche Kennzahlen pro Aufgabe eignen sich am besten? {#which-per-task-metrics-work-best}

**Wählen Sie eine funktionale Einheit, die zum Nutzen passt, den Ihre KI liefert, und berichten Sie darauf bezogen.**
Gesamtwerte steigen mit dem Wachstum und verdecken Effizienz; Werte pro Einheit machen sie sichtbar.

Gute funktionale Einheiten für KI-Arbeit:

- pro Anfrage, pro Antwort oder pro Unterhaltung
- pro zusammengefasstem Dokument, klassifiziertem Ticket oder erzeugtem Bild
- pro erfolgreich erledigter Aufgabe (noch besser, weil fehlgeschlagene Versuche mitzählen)
- pro Trainingslauf oder pro feinabgestimmtem Modell, für Entwicklungsarbeit

Verfolgen Sie dann **Energie pro Einheit**, **CO2 pro Einheit**, **Qualität pro Einheit** und den **Gesamtwert**
nebeneinander. Sinkt die Energie pro Einheit, während der Gesamtwert steigt, verbessert sich die Effizienz, aber die
Nutzung wächst schneller: Das ist der [Rebound-Effekt](/de/glossar/#rebound-effect), und Ihre Berichterstattung sollte
ihn zeigen.

## Wie gehe ich mit Unsicherheit um? {#how-do-i-handle-uncertainty}

**Wiederholen Sie, geben Sie eine Spanne an und behaupten Sie nur Veränderungen, die größer sind als das Rauschen.**
Messwerte schwanken mit Temperatur, Hintergrundprozessen und Taktanpassung.

- Messen Sie zuerst die Leerlauf-Grundlast auf derselben Maschine.
- Führen Sie jeden Test mehrmals aus; berichten Sie Mittelwert und Streuung.
- Ändern Sie immer nur eine Sache und messen Sie erneut mit demselben Aufbau und derselben Last.
- Listen Sie bei Schätzungen jede Annahme auf (Modellgröße, Hardware, Auslastung, PUE) und geben Sie einen niedrigen
  und einen hohen Fall an.
- Ersetzen Sie Schätzungen durch gemessene oder vom Anbieter gemeldete Zahlen, sobald diese verfügbar sind.

Veröffentlichte Zahlen pro Prompt sind nützlicher Kontext, aber kein Ersatz für Ihre eigenen Zahlen. Die
Bottom-up-Schätzung von Epoch AI von etwa 0,3 Wh für eine typische ChatGPT-Anfrage steigt bei einer Eingabe von
10.000 Token auf etwa 2,5 Wh und bei einer Eingabe von 100.000 Token auf fast 40 Wh. Ihr Nutzungsmuster zählt mehr
als jeder Durchschnittswert aus den Schlagzeilen.

## Checkliste {#checklist}

- [ ] Jede Zahl ist als gemessen oder geschätzt gekennzeichnet, mit Werkzeug und Version
- [ ] Grenze aufgeschrieben, einschließlich dessen, was weggelassen wurde und warum
- [ ] Leerlauf-Grundlast festgehalten; Zuordnungsregel für geteilte Energie angegeben
- [ ] GPU-Leistung über den gesamten Job abgetastet, nicht per Momentaufnahme
- [ ] Energie pro funktionaler Einheit berichtet, zusammen mit Gesamtwert und Qualität
- [ ] CO2 mit standortbezogenen, zeitlich passenden Netzdaten berechnet
- [ ] Mehrere Durchläufe; Mittelwert und Spanne berichtet
- [ ] Methode zusammen mit den Ergebnissen gespeichert, damit andere sie wiederholen können

## Wie es weitergeht {#what-to-do-next}

1. Wählen Sie eine KI-Funktion oder einen Workload aus und legen Sie seine funktionale Einheit fest.
2. Fügen Sie CodeCarbon in ein Trainings- oder lokales Inferenzskript ein, oder EcoLogits in Ihren KI-API-Client, und
   protokollieren Sie den Energieverbrauch bei jeder Anfrage oder jedem Lauf.
3. Schreiben Sie eine einseitige Messmethode: Grenze, Werkzeuge, Zuordnungsregel, Quelle der CO2-Daten.
4. Vergleichen Sie infrage kommende Modelle per Benchmark, bevor Sie eines wählen; siehe
   [das richtige Modell wählen](/de/gute-praxis/das-richtige-modell-fuer-die-aufgabe-waehlen/).
5. Bevor Sie eine Zahl veröffentlichen, prüfen Sie sie anhand von
   [ehrlichen Umweltaussagen](/de/gute-praxis/ehrliche-umweltaussagen-ueber-ki/).
6. Lesen Sie, warum [die Messung der Engpass ist](/de/artikel/messung-ist-der-engpass-fuer-gruene-ki/), und finden Sie
   Messwerkzeuge im [Produktverzeichnis](/de/produkte/) oder Hilfe bei [Beratern](/de/berater/).

## Häufige Fragen

### Wie viel Energie verbraucht ein einzelner KI-Prompt?

Veröffentlichte Zahlen für einen typischen Text-Prompt liegen bei einem Bruchteil einer Wattstunde: Google gibt für einen mittleren (Median-)Gemini-Text-Prompt 0,24 Wh an, und Epoch AI schätzt etwa 0,3 Wh für eine typische ChatGPT-Anfrage. Lange Eingaben, Reasoning sowie Bild- oder Videogenerierung können weit mehr kosten.

### Kann ich den Energieverbrauch eines gehosteten KI-Dienstes wie ChatGPT messen?

Nicht direkt. Sie können ihn mit einem Werkzeug wie EcoLogits aus der Zahl der Token und Annahmen über das Modell schätzen und den Anbieter nach seinen eigenen Zahlen und seiner Methode fragen.

### Ist die Laufzeit ein guter Ersatz für den Energieverbrauch?

Nein. Geschwindigkeit und Energieverbrauch bewegen sich oft gemeinsam, aber nicht immer. Messen Sie daher den Energieverbrauch direkt und berichten Sie beides.

### Was ist eine Systemgrenze?

Sie ist die Liste dessen, was Ihre Zahl einschließt: zum Beispiel nur die GPU, den ganzen Server, den Overhead des Rechenzentrums, das Netzwerk, die Geräte der Nutzer und die Herstellung der Hardware. Zwei ehrliche Zahlen können sich um das Zehnfache unterscheiden, weil ihre Grenzen verschieden sind.

## Quellen

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Google (arXiv 2508.15734) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [Part-time power measurements: nvidia-smi's lack of attention](https://arxiv.org/abs/2312.02741), Yang et al. (arXiv 2312.02741) (2023)
- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification](https://www.iso.org/standard/86612.html), ISO (2024)
- [When to use CodeCarbon](https://docs.codecarbon.io/latest/explanation/when-to-use/), CodeCarbon (2025)
- [EcoLogits documentation](https://ecologits.ai/latest/), EcoLogits (2025)
- [AI Energy Score](https://huggingface.github.io/AIEnergyScore/), Hugging Face (2025)
- [Carbon Intensity API](https://carbonintensity.org.uk/), National Energy System Operator (2025)
- [Slurm sacct manual (ConsumedEnergy)](https://slurm.schedmd.com/sacct.html), SchedMD (2025)
