greenai.guide

Startseite › Grüne KI: häufig gestellte Fragen

Grüne KI: häufig gestellte Fragen

Kurz gesagt

Hier finden Sie kurze, belegte Antworten auf die Fragen, die am häufigsten zu KI und Umwelt gestellt werden: wie viel Energie KI verbraucht, ob es besser oder schlechter wird und was Einzelne, Organisationen und Regierungen tun können. Jede Antwort verweist auf eine ausführlichere Seite, sofern es eine gibt.

Das Wichtigste

  • Die IEA schätzt, dass Rechenzentren 2024 etwa 415 TWh Strom verbraucht haben, etwa 1,5 % des weltweiten Verbrauchs, und erwartet bis 2030 mehr als das Doppelte.
  • Ein typischer Text-Prompt verbraucht laut Unternehmensangaben einen Bruchteil einer Wattstunde; Bilder, Videos und lange agentische Aufgaben verbrauchen viel mehr.
  • Effizienzgewinne sind real und schnell, doch wegen des Rebound-Effekts kann der Gesamtverbrauch trotzdem wachsen.
  • Die Messung ist lückenhaft: Die meisten Angaben pro Prompt beruhen auf Selbstauskünften und sind nicht direkt vergleichbar.

Hier finden Sie kurze Antworten auf die Fragen, die am häufigsten zu KI und Umwelt gestellt werden. Jede Zahl stammt aus einer namentlich genannten öffentlichen Quelle, die am Ende der Seite aufgeführt ist. Die Zahlen ändern sich schnell, achten Sie daher auf das Jahr. Wo eine Frage mehr als ein paar Sätze verdient, folgen Sie den Links zu den Leitfäden, den Seiten zur guten Praxis und den Artikeln. Fachbegriffe werden im Glossar erklärt.

Wenn Ihre Frage nicht dabei ist, fragen Sie uns.

Häufige Fragen

Was ist grüne KI?

Grüne KI bedeutet, künstliche Intelligenz so zu entwickeln und zu nutzen, dass ihr Energie-, CO2-, Wasser- und Materialfußabdruck so gering wie möglich bleibt, und sie dort einzusetzen, wo sie echten Mehrwert bringt. Das umfasst sowohl Effizienz (dasselbe mit weniger erreichen) als auch Suffizienz (fragen, ob KI überhaupt nötig ist).

Wie viel Strom verbraucht KI?

Niemand veröffentlicht eine genaue Zahl nur für KI. Die Internationale Energieagentur schätzt, dass alle Rechenzentren 2024 zusammen etwa 415 TWh verbraucht haben, rund 1,5 % des weltweiten Stroms, und nennt KI als wichtigsten Wachstumstreiber.

Wird der Energieverbrauch von KI weiter wachsen?

Nach den derzeitigen Trends ja. Die IEA erwartet, dass sich der Stromverbrauch von Rechenzentren bis 2030 auf etwa 945 TWh mehr als verdoppelt, etwas mehr als der heutige Gesamtverbrauch Japans, und dass Rechenzentren bis 2030 rund ein Zehntel des Wachstums der weltweiten Stromnachfrage ausmachen.

Wie viel Energie verbraucht ein einzelner Prompt bei ChatGPT oder Gemini?

OpenAI gibt an, dass eine durchschnittliche ChatGPT-Anfrage etwa 0,34 Wh verbraucht, und Google meldet 0,24 Wh für seinen Median-Text-Prompt bei Gemini. Beides sind Unternehmensangaben mit unterschiedlichen, teils unveröffentlichten Methoden. Sie sind daher nicht direkt vergleichbar und beziehen sich auf Text, nicht auf Bilder oder Videos.

Verbraucht KI viel Wasser?

Rechenzentren nutzen oft Wasser zur Kühlung, also auch KI. Google meldet etwa 0,26 ml für seinen Median-Text-Prompt bei Gemini, ungefähr fünf Tropfen; OpenAI spricht von etwa 0,000085 Gallonen pro durchschnittlicher ChatGPT-Anfrage. Das größere Problem ist lokal: große Rechenzentren, die in Gebieten mit Wasserknappheit gebaut werden.

Ist das Training oder die Nutzung von KI schlechter für die Umwelt?

Beides zählt. Training ist ein großer einmaliger Aufwand; Meta gibt 11.390 Tonnen CO₂e (standortbasiert) für das Training seiner Llama-3.1-Familie an. Inferenz findet jedes Mal statt, wenn jemand ein Modell nutzt. Bei weit verbreiteten Werkzeugen summiert sie sich deshalb so lange, wie das Modell im Einsatz ist.

Ist das Erzeugen von Bildern schlechter als das Erzeugen von Text?

Meist ja. Eine Studie von 2024 ergab, dass das Erzeugen von 1.000 Bildern mit dem ineffizientesten getesteten Modell 11,49 kWh verbrauchte, so viel wie 522 Smartphone-Ladungen, während das effizienteste Textmodell für 1.000 Durchläufe so viel verbrauchte wie 9 % einer Ladung.

Wie groß ist der CO2-Fußabdruck eines Rechenzentrums?

Das hängt vor allem davon ab, wie viel Strom es verbraucht und wie sauber dieser Strom ist. Die IEA schätzt, dass der Stromverbrauch von Rechenzentren jährlich etwa 180 Millionen Tonnen CO₂ verursacht, in ihrem Basisszenario steigend auf 300 Millionen Tonnen bis 2035.

Wird KI effizienter?

Ja, und zwar schnell. Google meldet, dass der Energieverbrauch seines Median-Text-Prompts bei Gemini innerhalb eines Jahres um das 33-Fache gesunken ist. Doch Effizienz macht KI billiger und leichter nutzbar, sodass der Gesamtverbrauch trotzdem steigen kann. Das ist der Rebound-Effekt.

Was ist der Rebound-Effekt?

Er tritt ein, wenn ein Effizienzgewinn etwas billiger macht, sodass Menschen mehr davon nutzen und die Einsparung teilweise oder ganz verloren geht. Der Ökonom William Stanley Jevons beschrieb 1865 den Extremfall, als effizientere Dampfmaschinen den Kohleverbrauch Großbritanniens steigerten.

Kann KI im Kampf gegen den Klimawandel helfen?

Ja. Die IEA sagt, dass eine breite Einführung bestehender KI-Anwendungen die Emissionen weit stärker senken könnte, als Rechenzentren ausstoßen, nämlich um rund 5 % der energiebedingten Emissionen im Jahr 2035. Sie warnt aber, dass Rebound-Effekte dies untergraben könnten und dass KI „kein Allheilmittel“ ist.

Wie kann ich KI nachhaltiger nutzen?

Fragen Sie sich, ob Sie für die Aufgabe KI brauchen, schreiben Sie einen klaren Prompt statt mehrerer vager, bitten Sie um kürzere Antworten und erzeugen Sie keine Bilder oder Videos, die Sie nicht brauchen. Ein Bericht von UNESCO und UCL aus dem Jahr 2025 ergab, dass kürzere Prompts und Antworten den Energieverbrauch um mehr als die Hälfte senken können.

Sind kleinere KI-Modelle besser für die Umwelt?

Für viele Aufgaben ja. Der Bericht von UNESCO und UCL ergab, dass kleinere, aufgabenspezifische Modelle den Energieverbrauch in seinen Tests um bis zu 90 % senken konnten, und Studien haben gezeigt, dass generative Allzweckmodelle für dieselbe Aufgabe weit aufwendiger sind als aufgabenspezifische.

Was ist ein Token?

Ein Token ist das Textstück, das ein Sprachmodell liest oder schreibt, oft ein Teil eines Wortes. Die Faustregel von OpenAI für Englisch lautet: etwa vier Zeichen oder drei Viertel eines Wortes; mehr Token bedeuten mehr Rechenaufwand.

Was ist PUE?

Power Usage Effectiveness ist der gesamte Energieverbrauch eines Rechenzentrums geteilt durch den Energieverbrauch seiner IT-Geräte. Eine PUE von 1,0 wäre perfekt; die Umfrage des Uptime Institute von 2025 ergab einen Branchendurchschnitt von etwa 1,54.

Ist KI auf meinem eigenen Gerät umweltfreundlicher als in der Cloud?

Manchmal. Ein kleines Modell lokal auszuführen vermeidet den Aufwand von Netzwerk und Rechenzentrum und hält Daten privat. Große Rechenzentren können aber pro Aufgabe effizienter sein, und Millionen kleiner Geräte summieren sich. Es hängt vom Modell, von der Aufgabe und von der Hardware ab.

Ist es umweltfreundlicher, KI zu nutzen oder die Aufgabe selbst zu erledigen?

Das hängt davon ab, wo Sie die Grenze ziehen: Ihre Zeit, Ihr Computer, Nacharbeit, wenn die KI falschliegt. Für eine schnelle Tatsache oder eine einfache Rechnung ist eine Suche oder ein Taschenrechner meist die sparsamere Wahl.

Wie wird der Energieverbrauch von KI gemessen?

Idealerweise durch Messung an der Hardware während des Betriebs, doch viele veröffentlichte Zahlen sind Schätzungen statt Messungen. Werkzeuge wie CodeCarbon und EcoLogits schätzen Energieverbrauch und Emissionen, und die Methode Software Carbon Intensity der Green Software Foundation, auch als ISO/IEC 21031 veröffentlicht, bietet einen Standard, um CO2 pro Arbeitseinheit zu berichten.

Müssen KI-Unternehmen ihren Energieverbrauch offenlegen?

In der EU verpflichtet der AI Act (KI-Verordnung) Anbieter von KI-Modellen mit allgemeinem Verwendungszweck, den bekannten oder geschätzten Energieverbrauch des Modells für die Aufsichtsbehörden zu dokumentieren. Eine öffentliche, vergleichbare Berichterstattung für jeden KI-Dienst ist in den meisten Ländern noch nicht vorgeschrieben.

Gibt es ein Energielabel für KI?

Noch kein offizielles. Projekte wie der AI Energy Score von Hugging Face bewerten Modelle nach ihrem Energieverbrauch bei gängigen Aufgaben, und Forschende sowie Normungsgremien arbeiten an Benchmarks im Stil von Labels.

Was ist Greenwashing bei KI?

Es bedeutet, ein KI-Produkt oder -Unternehmen umweltfreundlicher erscheinen zu lassen, als die Belege es hergeben, zum Beispiel indem man nur auf Basis von Kompensationen „klimaneutrale KI“ verspricht. In der EU verbietet die Richtlinie (EU) 2024/825 allgemeine Umweltaussagen gegenüber Verbraucherinnen und Verbrauchern, die sich nicht belegen lassen.

Warum werden Rechenzentren dort gebaut, wo sie stehen?

Betreiber suchen nach zuverlässiger Stromversorgung, Netzanschlüssen, kühlem Klima oder Wasser zur Kühlung, Grundstücken, guter Anbindung und Kunden in der Nähe. Eine Häufung kann lokale Netze belasten: In Irland verbrauchten Rechenzentren 2024 22 % des gesamten gemessenen Stroms, gegenüber 5 % im Jahr 2015.

Sollten Schulen grüne KI unterrichten?

Das Thema passt gut in den bestehenden Unterricht in Informatik, Naturwissenschaften, Geografie und Politik/Gemeinschaftskunde und hilft Schülerinnen und Schülern, KI bewusst zu nutzen. Unser Bereich für Schulen bietet einen Leitfaden für Lehrkräfte und Unterrichtsideen, für die keine kostenpflichtigen Werkzeuge nötig sind.

Quellen

  1. Energy and AI, International Energy Agency (2025)
  2. Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
  3. The Gentle Singularity, Sam Altman (OpenAI) (2025)
  4. Llama 3.1 8B model card, Meta (Hugging Face) (2024)
  5. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
  6. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
  7. W. Stanley Jevons, The Coal Question, 1865, Yale University, Energy History (1865)
  8. What are tokens and how to count them?, OpenAI Help Center (2025)
  9. Uptime Institute global data center survey 2025, Uptime Institute (2025)
  10. CodeCarbon, CodeCarbon (2025)
  11. EcoLogits, GenAI Impact (2025)
  12. ISO/IEC 21031:2024 Software carbon intensity (SCI) specification, International Organization for Standardization (2024)
  13. Annex XI: technical documentation for providers of general-purpose AI models, European Commission, AI Act Service Desk (2024)
  14. AI Energy Score, Hugging Face (2025)
  15. Directive (EU) 2024/825 on empowering consumers for the green transition, European Union (2024)
  16. Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)

Machen Sie mit

Helfen Sie, die Umweltwirkung von KI zu senken

Erhalten Sie neue Leitfäden, Förderausschreibungen und Verzeichniseinträge etwa einmal im Monat per E-Mail. Oder tragen Sie Ihr Produkt, Ihren Kurs, Ihre PhD-Stelle oder Ihre Forschung in die Verzeichnisse ein.

Kein Tracking. Abmeldung mit einem Klick. Weitere Möglichkeiten mitzumachen · Datenschutz