Eine Frage an einen KI-Chat-Assistenten dauert für den Nutzer nur wenige Sekunden. Doch hinter dieser Antwort stehen riesige Rechenzentren, in denen Tausende leistungsstarker Chips laufen und ständig gekühlt werden müssen. Die Verbreitung von KI hat den Energiebedarf dieser Einrichtungen an die Spitze der globalen Agenda gesetzt.
Was sagen die Zahlen?
Laut dem Bericht „Energy and AI“ der Internationalen Energieagentur (IEA) von 2025 verbrauchten Rechenzentren 2024 etwa 415 Terawattstunden Strom, rund 1,5 Prozent des weltweiten Stromverbrauchs. Im Basisszenario des Berichts wird erwartet, dass dieser Wert bis 2030 auf etwa 945 Terawattstunden steigt, also mehr als verdoppelt. Der Haupttreiber des Anstiegs sind beschleunigte Server, die für KI eingesetzt werden.
Obwohl der globale Anteil klein wirkt, ist der Verbrauch an bestimmten Orten konzentriert. USA und China machen den Großteil des Wachstums aus, und in einigen Regionen, in denen sich Rechenzentren ballen, stehen die lokalen Stromnetze unter starkem Druck.
Training und Nutzung
Energie wird in zwei Phasen aufgewendet: Das Training eines großen Modells erfordert Tausende Chips, die Wochen oder Monate laufen. Nach der Veröffentlichung verbraucht jede Anfrage von Millionen Nutzern (Inferenz) ebenfalls Energie. Mit der Verbreitung wächst der Anteil der Inferenz am Gesamtverbrauch. Die Erzeugung von Bildern und Videos benötigt meist weit mehr Rechenleistung als die Erzeugung von Text.
Wasser-Fußabdruck
Einige Rechenzentren nutzen Verdunstungskühlung für ihre Server, was erhebliche Wassermengen verbraucht. Auch Kraftwerke, die den Strom erzeugen, haben einen indirekten Wasser-Fußabdruck. Neue Rechenzentrumsprojekte in von Dürre betroffenen Regionen können daher umstritten werden.
Die Suche nach Lösungen
- Effiziente Hardware: Jede neue Chip-Generation zielt darauf ab, die gleiche Arbeit mit weniger Energie zu erledigen.
- Kleinere Modelle: Für viele Aufgaben können kleinere und effizientere Modelle statt großer ausreichen.
- Saubere Energie: Tech-Unternehmen setzen auf Verträge für erneuerbare Energien und Atomkraft.
- Intelligente Kühlung und Standortwahl: Flüssigkeitskühlung, Wiederverwendung von Abwärme und Bau in kühlen Klimazonen verbessern die Effizienz.
Was kann ich als Nutzer tun?
Die Auswirkung einzelner Nutzung ist für sich genommen gering, aber das Vermeiden unnötiger Erzeugung großer Mengen an Bildern oder Videos, die Nutzung einer Suchmaschine für einfache Fragen und das Stellen einer Aufgabe in einem klaren Prompt sparen sowohl Zeit als auch Energie.
Wie wird Effizienz gemessen? PUE
Nicht der gesamte Strom, den ein Rechenzentrum verbraucht, geht an die Computer; ein erheblicher Teil wird von Unterstützungssystemen wie Kühlung, Stromwandlung und Beleuchtung genutzt. Der am weitesten verbreitete Indikator zur Messung dieses Unterschieds ist PUE (Power Usage Effectiveness).
- Definition: PUE ist das Verhältnis des Gesamtenergieverbrauchs einer Einrichtung zum Energieverbrauch ihrer IT-Ausrüstung; er wurde 2007 vom Branchenkonsortium The Green Grid vorgeschlagen.
- Idealwert: Ein Wert von 1,0 ist die theoretische Grenze, bei der die gesamte Energie in die IT-Ausrüstung fließt; je höher der Wert, desto größer der Anteil für Unterstützungssysteme.
- Branchendurchschnitt: In den globalen Rechenzentrumsumfragen des Uptime Institute lag der durchschnittliche PUE in den letzten Jahren bei etwa 1,5–1,6.
PUE ist ein nützliches Maß, aber allein nicht ausreichend: Er zeigt nicht die Herkunft des genutzten Stroms, wie Wasser genutzt wird oder wie effizient die Hardware läuft.
Lokale Auswirkungen und Transparenz
Obwohl der Anteil der Rechenzentren am Stromverbrauch global noch begrenzt ist, ist ihre Wirkung in bestimmten Regionen viel stärker ausgeprägt. So machten Rechenzentren laut dem irischen Central Statistics Office 2023 etwa 21 Prozent des gesamten gemessenen Stromverbrauchs des Landes aus.
Solche Konzentrationen führen zu lokalen Debatten über Netzkapazität, Strompreise und Wasserressourcen. Im Rahmen seiner überarbeiteten Energieeffizienzrichtlinie hat die Europäische Union begonnen, Rechenzentren ab einer bestimmten Größe zur Berichterstattung über ihren Energie- und Wasserverbrauch zu verpflichten. Experten betonen, dass es wichtig ist, dass Unternehmen detailliertere und vergleichbare Daten auf Modell- und Einrichtungsebene teilen, um die tatsächlichen Umweltkosten künstlicher Intelligenz zu verstehen.
Quellen und weiterführende Literatur
- International Energy Agency (IEA), Bericht „Energy and AI“ (2025).
- IEA, Bericht „Electricity 2025“.
- Li, P. et al., „Making AI Less ‘Thirsty‘“, Communications of the ACM (2025).
- The Green Grid – PUE: A Comprehensive Examination of the Metric
- Uptime Institute – Global Data Center Survey 2024
- CSO Ireland – Data Centres Metered Electricity Consumption 2023
Kommentar hinterlassen
Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert