KI und Ressourcen: die richtige Frage stellen

Die meisten Impact-Organisationen, die mir begegnen, nutzen KI entweder ohne es nach außen zu sagen oder mit einem halben schlechten Gewissen dabei. Ich halte beides für eine unzureichende Antwort, und zwar nicht weil der Ressourcenverbrauch von KI keine Rolle spielt, sondern weil die Frage falsch gestellt ist. Für mich zählt nicht, ob eine Organisation KI nutzt, sondern wo die Energie dafür herkommt und ob sie bereit ist, das aktiv zu gestalten.

Die Zahlen, kurz eingeordnet

Eine typische Textanfrage verbraucht rund 0,3 Wh Strom, so viel wie eine LED-Lampe in zwei Minuten. Die meistzitierten Zahlen in der Presse sind um den Faktor 10 überschätzt, weil eine einzige Schätzung aus 2023 unkritisch weitergegeben wird. Der Pro-Prompt-Verbrauch ist real, aber er ist nicht das Problem, das die Schlagzeilen meinen.

Das Problem ist die Skalierung: mehr Nutzer, längere Kontexte, mehr autonome Prozesse. Und: wo genau die Rechenzentren stehen.

Effizienz allein löst das nicht, sie beschleunigt es sogar. Der Rechenaufwand für das Training von KI-Modellen verdoppelt sich alle fünf Monate, und je billiger eine Anfrage wird, desto mehr Anfragen werden gestellt. Pro Prompt wird es schnell besser, in der Summe trotzdem schnell mehr. Wer nur den ersten Teil zitiert, macht es sich zu leicht.

Woher der Strom kommt, entscheidet alles

Das ist der Kern des aktuellsten UN-Berichts zum Thema (UNU-INWEH, Juni 2026), und er wird selten verstanden: Low-carbon-Strom ist nicht automatisch Low-water oder Low-land. Jede Energiequelle hat ein anderes Profil.

Windkraft und Photovoltaik haben einen sehr geringen Wasserverbrauch, brauchen aber Fläche. Kernkraft ist kohlenstoffarm, aber wasserintensiv. Gaskraftwerke stoßen mehr CO2 aus, verbrauchen aber weniger Wasser als Kohle. Die drei Fußabdrücke, Kohlenstoff, Wasser und Fläche, bewegen sich nicht immer in dieselbe Richtung.

Was das konkret bedeutet: Ein Rechenzentrum in Island, das mit Geothermalenergie läuft, hat ein anderes Umweltprofil als eines in Texas, das aus dem Gasnetz gespeist wird. Zwei Drittel der seit 2022 in den USA neu gebauten KI-Rechenzentren stehen in semi-ariden oder dürregefährdeten Regionen.

Seit Juni 2026 lässt sich das beziffern. Das Öko-Institut hat im Auftrag von Greenpeace die Stromquellen von rund 6.700 Rechenzentren weltweit ausgewertet: US-Rechenzentren liegen bei 414 Gramm CO2-Äquivalenten pro Kilowattstunde IT-Strom, der europäische Durchschnitt bei 263. Und die Schere öffnet sich. Weil in den USA weiter fossile Kraftwerke zugebaut werden, dürfte dort erzeugte Rechenleistung bis 2030 rund doppelt so CO2-intensiv sein wie europäische.

Eine Zahl aus derselben Studie hat mich allerdings gebremst: Deutschland liegt bei 430 Gramm und damit über dem US-Mittel. Der gute europäische Durchschnitt kommt aus Ländern mit viel Wasser- und Kernkraft, nicht von uns. Wer also “Server in Frankfurt” als Nachhaltigkeitsargument benutzt, hat die Zahl nicht nachgeschlagen. Ein EU-Standort ist zuerst ein Datenschutzargument.

Was Impact-Orgs konkret tun können

Standortentscheidungen treffen die Anbieter, nicht die Nutzer. Aber Nutzer haben mehr Einfluss als gedacht.

Wer KI-APIs nutzt, kann nachfragen oder aktiv wählen: Anthropic und OpenAI bieten EU-Serverregionen an. Sinnvoll ist das aber nur, wenn man auf das konkrete Land schaut statt auf das Kürzel “EU”. Zwischen den großen Hyperscalern selbst gibt es laut Studie ohnehin keinen nennenswerten Unterschied in der Emissionsintensität. Der Wechsel von AWS zu Microsoft bringt nichts, der Standort und der Anbietertyp bringen etwas.

Auf Klimaneutralitäts-Label würde ich mich dabei nicht verlassen. Die Netto-Null-Versprechen der großen Anbieter beruhen bisher weitgehend auf gekauften Ökostromzertifikaten. Real schließen Kohle- und Gaskraftwerke die Lücken, weil Direktleitungen von erneuerbaren Erzeugern zu den Rechenzentren fehlen. Das Öko-Institut rechnet in seiner Studie deshalb bewusst ohne Zertifikate und misst nur den Strom, der physisch am Netz anliegt. Für eine Impact-Organisation ist das ein relevanter Unterschied: Wer sich auf ein Zertifikat beruft, übernimmt fremdes Greenwashing in die eigene Kommunikation.

Ein zweiter Hebel liegt näher, als die meisten denken: die Suchmaschine. Google macht die KI-Antwort gerade zur Voreinstellung. Ecosia lässt seit Juli 2026 mit einem Klick jede KI-Funktion abschalten, DuckDuckGo, Brave und Qwant bieten Ähnliches. Für Impact-Organisationen ist Ecosia dabei mehr als ein Werkzeug: ein Sozialunternehmen in Verantwortungseigentum, das seit 2018 eigene Solaranlagen baut, statt Zertifikate zu kaufen. Wer erklären muss, warum er ein Werkzeug nutzt, argumentiert damit über eine physische Anlage statt über ein Label.

Drei weitere Muster treiben den Verbrauch überproportional und lassen sich direkt steuern.

KI-Bilder und -Videos. Ein einzelnes hochauflösendes KI-Bild kostet so viel Energie wie eine vollständige Smartphone-Akkuladung. Wer Bildgenerierung reflexartig einsetzt, landet schnell beim Vielfachen des Textbedarfs.

Autonome Agenten ohne Abbruchbedingung. Prozesse ohne definiertes Ende multiplizieren den Verbrauch exponentiell. Klare Grenzen und manuelle Freigabeschritte gehören in jeden KI-Workflow.

Unnötig lange Kontexte. Die Tokenlänge ist der direkte Kostentreiber. Ein 100.000-Token-Kontext verbraucht rund 130-mal so viel wie eine typische Anfrage.

Die Position, die ich einnehme

Eine Organisation, die KI gezielt einsetzt, den Serverstandort aktiv wählt, die Nutzung transparent kommuniziert und die freigelegte Kapazität in ihre Mission steckt, steht ökologisch und ethisch besser da als eine, die es heimlich tut oder vollständig vermeidet. Das soll keine Selbstberuhigung sein, sondern so können wir eine begründbare Haltung einnehmen.

Alle Quellen, Zahlen und methodischen Hintergründe stehen auf der Ressourcenseite zu diesem Thema.