KI-Ressourcenverbrauch

Energie pro Anfrage

Die Zahl hängt direkt von der Tokenlänge ab. Epoch AI hat 2025 das sauberste tokenbasierte Modell veröffentlicht:

Quelle: Epoch AI, 2025. Berechnungsmodell: GPT-4o, ~100 Mrd. aktive Parameter, NVIDIA H100.

Der 10x-Mythos: Herkunft und Einordnung

Die weitverbreitete Behauptung, eine KI-Anfrage verbrauche 10-mal so viel Energie wie eine Google-Suche, geht auf ein einzelnes Schätzstatement des Alphabet-Vorsitzenden John Hennessy zurück (Reuters-Interview, Februar 2023). Keine Messung, keine Studie, ein beiläufiges "likely".

Von da lief die Kette: de Vries zitierte es in einem Joule-Paper, die IEA übernahm es, das UN-Umweltprogramm auch. Seitdem zirkuliert es als gesicherter Wert.

Das zweite Problem: Der Vergleichswert "0,3 Wh pro Google-Suche" stammt aus einem Google-Blogpost von 2009. Aktuelle Schätzungen setzen eine Suche bei ~0,04 Wh an. Beide Seiten der Rechnung waren um Faktor 10 überschätzt.

Quelle: Engineering Prompts, 2024

Inzwischen fehlt dem Vergleich die zweite Hälfte

Der Vergleich setzt voraus, dass es auf der einen Seite eine KI-Anfrage gibt und auf der anderen eine klassische Stichwortsuche. Diese Trennung löst Google gerade selbst auf. AI Overviews erscheinen seit 2024 automatisch über den Trefferlisten, ohne dass Nutzer:innen sie anwählen. AI Mode hat nach Google-Angaben über eine Milliarde monatlich aktive Nutzer:innen, die Anfragen verdoppeln sich mehr als vierteljährlich. Am 19. Mai 2026 hat Google Gemini 3.5 Flash zum Standardmodell in AI Mode für alle Nutzer:innen weltweit gemacht.

Wer heute sagt, eine KI-Anfrage koste zehnmal so viel wie eine Google-Suche, vergleicht also eine KI-Antwort mit einem Produkt, das Google gerade durch KI-Antworten ersetzt.

Hier endet allerdings die Belegbarkeit. Google veröffentlicht keine Zahl dafür, was ein AI Overview zusätzlich zu einer Suche kostet, und keinen aktuellen Wert für eine klassische Stichwortsuche. Die gemessenen 0,24 Wh im nächsten Abschnitt gelten für einen medianen Textprompt in den Gemini-Apps, nicht für ein AI Overview in der Suche. Beides gleichzusetzen wäre derselbe Fehler wie beim ursprünglichen Mythos. Auch zur Verbreitung gibt es nur Schätzungen von SEO-Anbietern, die stark schwanken: Ahrefs kam 2025 je nach Monat auf rund 13 bis 25 Prozent der Suchanfragen. Google selbst nennt keinen Anteil.

Quelle: Google, Search I/O 2026 (19.05.2026). Verbreitungsschätzungen: Ahrefs, 2025.

Suchmaschinen, bei denen man die KI abschalten kann

Wenn die KI-Antwort in der Suche zur Voreinstellung wird, ist die naheliegendste Stellschraube nicht das eigene Prompt-Verhalten, sondern die Wahl der Suchmaschine. Mehrere Anbieter lassen die Entscheidung bei den Nutzer:innen.

• Ecosia. Seit dem 2. Juli 2026 lässt sich mit einem Klick unter Profil, Einstellungen, "KI-freie Suche" jede KI-Funktion abschalten, sowohl die Overviews als auch der KI-Chat. Die Einstellung bleibt erhalten.
• DuckDuckGo. AI Assist lässt sich in den Sucheinstellungen dauerhaft deaktivieren, ebenso das Duck.ai-Panel. In der Bildersuche können KI-generierte Bilder ausgeblendet werden.
• Brave Search. Der KI-Antwortblock lässt sich unterdrücken. Das separate Chat-Interface "Ask Brave" bleibt davon allerdings unberührt.
• Qwant. KI-Funktionen setzen ein kostenloses Konto voraus. Ohne Anmeldung bleiben sie inaktiv.
• Startpage. Legt keine eigene KI-Schicht über die Ergebnisse.
• Google. Mit dem Parameter &udm=14 erscheint die klassische Trefferliste. Er lässt sich als eigene Suchmaschine im Browser hinterlegen, greift aber nicht im AI Mode.

Warum Ecosia für Impact-Organisationen mehr ist als ein Tool-Tipp

Ecosia ist selbst ein Sozialunternehmen. Seit 2018 liegt es in Verantwortungseigentum über die Purpose-Stiftung: Anteile können nicht mit Gewinn verkauft werden, Gewinne nicht aus dem Unternehmen entnommen werden.

Interessanter für dieses Thema ist die Energieseite. Ecosia kauft keine Zertifikate, sondern hat ab 2018 eigene Solaranlagen gebaut und speist damit nach eigenen Angaben etwa doppelt so viel sauberen Strom ins Netz ein, wie die eigenen Suchanfragen verbrauchen. Der Titel des Blogposts dazu lautet sinngemäß, dass klimaneutral nicht genug sei. Das ist genau die Unterscheidung, die weiter unten im Abschnitt zur Zertifikate-Falle steht, hier von einem Anbieter selbst gezogen: zusätzlich gebaute Kapazität statt bilanzieller Kompensation.

Für Organisationen, die ihre Werkzeugwahl begründen müssen, ist das ein belastbares Argument. Es beruht auf einer physischen Anlage, nicht auf einem Label.

Quellen: Ecosia: You can now choose AI-free search (02.07.2026); Ecosia: Why carbon neutral is not enough; Übersicht der Abschaltwege: PPC Land, 06.06.2026. Die Angaben zur eigenen Stromerzeugung stammen von Ecosia selbst und sind nicht unabhängig geprüft.

Effizienz-Sprung 2024 bis 2025

Google hat die produktive Gemini-Infrastruktur direkt instrumentiert und gemessen: Ein medianer Textprompt verbraucht 0,24 Wh Energie und 0,26 ml Wasser, nach Angabe der Autor:innen weniger Energie als neun Sekunden Fernsehen. Gemessen wird dabei der ganze Stack inklusive Host-System, Leerlaufkapazität und Rechenzentrums-Overhead, nicht nur der aktive Chip.

Innerhalb eines Jahres sank der Energieverbrauch pro Prompt um Faktor 33, der CO2-Fußabdruck um Faktor 44. Studien, die auf GPT-3/GPT-4-Daten von 2022/2023 basieren, können diesen Sprung nicht abbilden.

Beim Zitieren wichtig: Die 44 sind nicht reine Effizienz. Die Autor:innen nennen zwei Treiber, Software-Effizienz und den Einkauf sauberen Stroms. Der Beschaffungsanteil unterliegt genau der Zertifikatsfrage, die weiter unten steht. Die 33 beim Energieverbrauch sind die härtere Zahl, weil sie nicht von der Strombilanzierung abhängt.

Quelle: Elsworth et al. (Google), arXiv 2508.15734, August 2025. Direkte Messung in der produktiven Gemini-Infrastruktur.

Rebound: warum Effizienz allein nicht reicht

Der Effizienzgewinn ist real, senkt den Gesamtverbrauch aber nicht. Er macht die Nutzung billiger und damit häufiger. Dieses Muster heißt Jevons-Paradox, benannt nach dem Ökonomen William Stanley Jevons: Wer einen Rohstoff effizienter nutzt, verbraucht am Ende mehr davon, nicht weniger.

Die Belege: Der Rechenaufwand für das Training von KI-Modellen verdoppelt sich alle fünf Monate. Die Zahl der ChatGPT-Nutzer:innen hat sich binnen eines Jahres mehr als verdoppelt. Der Anteil KI-spezifischer Hardware am Energieverbrauch von Rechenzentren steigt von 14 Prozent (2023) auf geschätzt 47 Prozent (2030).

Die ehrliche Aussage lautet deshalb: Pro Anfrage wird es schnell besser, in der Summe trotzdem schnell mehr. Wer nur den ersten Teil zitiert, argumentiert unvollständig.

Quelle: Öko-Institut Consult für Greenpeace: Umweltauswirkungen Künstlicher Intelligenz (Mai 2025), dort auf Basis von Epoch AI.

Drei Fußabdrücke, die sich nicht immer in dieselbe Richtung bewegen

Der UN-Bericht (UNU-INWEH, Juni 2026) führt einen zentralen Befund ein, der in der öffentlichen Debatte fast vollständig fehlt: Kohlenstoff-, Wasser- und Flächenverbrauch sind drei eigenständige Dimensionen. Eine Entscheidung, die einen dieser Fußabdrücke senkt, kann einen anderen erhöhen.

Praktische Konsequenz: "Kohlenstoffneutral" ist nicht dasselbe wie "ökologisch unbedenklich". Ein Rechenzentrum, das mit Kernkraft betrieben wird, hat einen niedrigen CO2-Fußabdruck, aber einen hohen Wasserverbrauch. Ein Solar-betriebenes Rechenzentrum in einer wasserarmen Region kann trotz sehr niedrigem CO2-Ausstoß einen Flächenkonflikt verursachen.

Quelle: UNU-INWEH: Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints (Juni 2026). Autoren: Aczel, Chamanara, Matin, Farsi, Marwala, Madani.

Serverstandort als Entscheidungskriterium

Nutzer können den Energiemix, auf dem ihre KI-Nutzung basiert, durch Anbieter- und Regionswahl beeinflussen. Die wichtigsten Anbieter ermöglichen heute die Wahl europäischer Serverregionen.

• Anthropic (Claude): API-Zugriff läuft über AWS-Regionen, EU-Regionen sind verfügbar.
• OpenAI (GPT): EU-Datenverarbeitung über Azure-Regionen möglich. Europäische Kunden können Datenresidenz in der EU konfigurieren.
• Europäischer Strommix: Im Durchschnitt deutlich sauberer als der US-amerikanische, aber nicht überall. Deutschland liegt über dem US-Mittel, siehe den nächsten Abschnitt. Wer die Region als Nachhaltigkeitskriterium nutzen will, muss auf das konkrete Land schauen, nicht auf "EU".

Organisationen, die ihre KI-Nutzung in ihrer Nachhaltigkeitskommunikation transparent machen wollen, können Serverstandort und Energiemix als konkrete Kriterien in ihrer Anbieterwahl dokumentieren.

Die Zertifikate-Falle

Ein wichtiger Unterschied: Die angekündigte Klimaneutralität der großen Anbieter bis 2030 stützt sich bisher weit überwiegend auf gekaufte Ökostromzertifikate. In der Realität schließen Kohle- und Gaskraftwerke die Stromlücken, weil Direktleitungen von erneuerbaren Erzeugern zu den Rechenzentren fehlen.

Die Öko-Institut-Studie rechnet deshalb bewusst ohne Zertifikate. Sie hält sie für eine garantiert saubere Stromversorgung schlicht für nicht ausreichend und misst stattdessen die realen Emissionen des Stroms, der die Rechenzentren physisch über das Netz versorgt. Direkte On-Site-Erzeugung und PPAs klammert sie ebenfalls aus, weil die Anbieter dazu keine belastbaren Daten veröffentlichen.

Für die Anbieterwahl heißt das: Ein europäischer Serverstandort ist ein realer Hebel, weil er auf einem messbar saubereren Netz liegt. Ein Klimaneutralitätslabel ist es nicht, solange es auf Zertifikaten statt auf zusätzlich gebauter, direkt angebundener Erzeugung beruht. Die belastbare Frage an Anbieter lautet deshalb nicht "seid ihr klimaneutral", sondern "welcher Strommix liegt an dieser Region an, und ist die Erneuerbaren-Kapazität dafür zusätzlich gebaut worden".

Quelle: Öko-Institut für Greenpeace: Die regionale Klimakluft von Rechenzentren (Juni 2026). Die Studie hält die im "Climate Neutral Data Centre Pact" zugesagte Klimaneutralität bis 2030 für unerreichbar.

Die regionale Klimakluft

Das Öko-Institut hat im Auftrag von Greenpeace die Stromquellen von rund 6.700 Rechenzentren weltweit ausgewertet, auf Basis der BloombergNEF-Datenbank und regionaler Emissionsfaktoren von Ember Energy und der US-Umweltbehörde EPA. Gerechnet wird in CUE, der CO2-Intensität der Rechenarbeit, Einheit Gramm CO2-Äquivalente pro Kilowattstunde IT-Strom.

Der wichtigste Befund steht in der vierten Zeile. Deutschland liegt mit 430 g über dem US-Mittel von 414 g. Der gute europäische Durchschnitt entsteht durch Länder mit viel Wasser- und Kernkraft, nicht durch Deutschland. Innerhalb Europas ist die Spannweite groß, von Serbien mit 911 g bis zu den skandinavischen Werten.

Für die Praxis heißt das: Ein Server in der EU ist zuerst ein Datenschutzkriterium. Als Nachhaltigkeitskriterium taugt er nur, wenn es ein sauberer europäischer Standort ist.

485 TWh entsprechen rund 2 Prozent des globalen Stromverbrauchs, ungefähr dem gesamten deutschen Strombedarf. Die 170 Mio. t liegen über den Emissionen des gesamten deutschen Verkehrssektors.

Bis 2030 öffnet sich die Schere: Europa sinkt auf 195 g, die USA steigen auf 424 g. Dedizierte Gaskraftwerke, die allein für Rechenzentren gebaut werden, treiben einzelne Werte auf bis zu 727 g.

Zwischen den Hyperscalern gibt es dabei keinen nennenswerten Unterschied. AWS, Google Cloud und Microsoft liegen bei der Emissionsintensität praktisch gleichauf. Rein europäische Anbieter schneiden besser ab. Der Wechsel von einem US-Hyperscaler zum nächsten bringt also nichts, der Hebel liegt in der Region und im Anbietertyp.

Quelle: Öko-Institut für Greenpeace: Die regionale Klimakluft von Rechenzentren (Juni 2026). Die Studie weist alle absoluten Werte ausdrücklich als Untergrenzen aus: Der Datensatz erfasst schätzungsweise nur rund die Hälfte der installierten Kapazitäten, weil die Anbieter ihre Verbrauchsdaten als Geschäftsgeheimnis behandeln.

KI-spezifische Prognosen bis 2030

Die folgenden Zahlen stammen aus einer anderen, älteren Studie desselben Instituts. Entscheidend ist die Trennung zwischen allen Rechenzentren und den KI-spezifischen.

KI-Rechenzentren überholen bis 2030 die klassischen bei den Emissionen, Faktor 5,7. Die klassischen sinken sogar leicht, weil sinkende Emissionsfaktoren im Strommix das Mengenwachstum überkompensieren. Der Strombedarf der KI-Rechenzentren liegt 2030 elfmal höher als 2023. Dazu kommen bis zu 5 Mio. t zusätzlicher Elektroschrott.

Quelle: Öko-Institut Consult für Greenpeace: Umweltauswirkungen Künstlicher Intelligenz (Mai 2025). Die Prognose berücksichtigt ausdrücklich nicht, dass einzelne Betreiber Strom mit niedrigeren Emissionsfaktoren einkaufen. Die Zahlen sind anders abgegrenzt als in der Klimakluft-Studie und mit ihr nicht direkt vergleichbar.

Globaler Maßstab

Die IEA-Werte sind anders abgegrenzt als die Zahlen des Öko-Instituts in den beiden Abschnitten davor. Nicht in einer Reihe lesen.

Wasserverbrauch: Einordnung

Wasser "verschwindet" physikalisch nicht. Was zählt: Steht es dort noch zur Verfügung, wo es entnommen wurde? Rechenzentren verdampfen Wasser in Kühltürmen bewusst. Für die Region ist es dauerhaft weg, besonders problematisch in Dürregebieten.

Rechenzentren greifen zu 80 bis 90 Prozent auf hochreines "blaues Wasser" zurück: direkt aus Flüssen, Seen oder dem Trinkwassernetz, dasselbe Wasser wie in der lokalen Wasserversorgung. Avocados und Getreide leben dagegen zu einem großen Teil von Regenwasser ("grünes Wasser") im natürlichen Kreislauf.

Das bedeutet: Der globale Wasserbedarf von KI ist im Vergleich zur industriellen Landwirtschaft (ca. 70 % aller Süßwasserentnahmen weltweit) minimal. Das eigentliche Problem ist lokal und qualitativ, nicht global und quantitativ.

Die Menge wächst allerdings schnell. Rechenzentren weltweit verbrauchten 2023 rund 175 Mrd. Liter Wasser, bis 2030 sollen es 664 Mrd. Liter sein, also mehr als eine Verdreifachung. Den größten Anteil am Zuwachs tragen KI-Rechenzentren: von rund 30 auf 338 Mrd. Liter. Das verschärft genau den lokalen Verteilungskonflikt, um den es hier geht.

Quellen: UNU-INWEH, Juni 2026; GI-Studie, Juni 2025; Öko-Institut Consult für Greenpeace, Mai 2025

Warum die Zahlen so weit auseinandergehen

Die Bandbreite in der Presse ist kein Messfehler, sondern ein Methodenproblem.

Systemgrenzen: Wird nur der aktive GPU-Chip gemessen (unterschätzt Realverbrauch um Faktor 2,4) oder der gesamte Standort inklusive vorgelagerter Stromerzeugung? Beide Ansätze liefern valide Zahlen, aber für verschiedene Fragen.

Veraltete Effizienzannahmen: Viele Studien rechnen mit Hardware-Nennwerten aus 2022/2023 und ignorieren algorithmische Optimierungen der letzten zwei Jahre.

Intransparenz: Kein Anbieter veröffentlicht KI-spezifische Umweltkennzahlen. Amazon (AWS) veröffentlicht keine aggregierten Wasserverbrauchsdaten überhaupt.

Methodische Grundlage: Frontiers in Communication, März 2025 (14 Modelle, 7B–72B Parameter, direkte Messung auf NVIDIA A100).

Praktische Konsequenzen

Auf Basis der aktuellen Forschung lassen sich konkrete Verhaltensweisen ableiten, die den Ressourcenverbrauch reduzieren:

• Prompt-Disziplin. Kürzere Prompts sparen proportional Energie. Höflichkeitsfloskeln gegenüber KI-Systemen haben messbare, wenn auch kleine Kosten.
• KI-Bilder und -Videos sparsam einsetzen. Ein einziges hochauflösendes KI-Bild verbraucht so viel Energie wie eine vollständige Smartphone-Akkuladung.
• Agentic Loops begrenzen. Autonome Agenten ohne Abbruchbedingung multiplizieren den Verbrauch exponentiell. Klare Grenzen und manuelle Freigabeschritte einbauen.
• Kleines Modell zuerst. Für Klassifizierungen, Extraktion und strukturierte Aufgaben benötigt ein kleineres Modell ca. 30-mal weniger Energie als ein Großmodell.
• Opt-out bei Trainings-Daten. Wer OpenAI-API nutzt, sollte aktiv der Nutzung der eigenen Eingabedaten zu Trainingszwecken widersprechen.

Nicht nur Verbrauch: wer die Cloud kontrolliert

Dieser Punkt gehört streng genommen nicht zum Ressourcenverbrauch, kommt in Gesprächen aber fast immer im selben Atemzug auf. Er braucht andere Antworten: Verbrauch lässt sich durch Nutzungsdisziplin und Regionswahl steuern, Marktmacht nicht.

• Kundenstruktur AWS. Laut Greenpeace-Report unterhält AWS Geschäftsbeziehungen zu mindestens 100 von 263 Unternehmen, die nach Ausschlusslisten der Finanzindustrie als nicht-investierbar gelten. 70 davon sind vom norwegischen Staatsfonds aus ethischen Gründen ausgeschlossen, darunter JBS, Shell, Palantir und Anduril.
• EU Cloud and AI Development Act. Vorschlag der EU-Kommission vom 3. Juni 2026: strengere Kriterien für öffentliche Cloud-Aufträge in Banken, Energie und Gesundheit, auch zu Entwicklungsort und Drittstaatenkontrolle.
• EnEfG-Novelle 2026. Der deutsche Gesetzentwurf schwächt laut Greenpeace-Stellungnahme PUE-Anforderungen, die Pflicht zur Abwärmenutzung und Transparenzpflichten für Rechenzentren ab.
• Ethikrichtlinie. Greenpeace hat eine unterschriftsreife Selbstverpflichtung für Anbieter kritischer digitaler Infrastruktur vorgelegt: Nutzungsgrenzen, Lieferketten- und Umwelttransparenz, Lobby-Offenlegung, unabhängiger Ethikrat.

Quellen: Greenpeace: Amazon's Toxic Web Services (Mai 2026); Greenpeace-Ethikrichtlinie (Mai 2026)