Der versteckte Preis der KI
Sam Altman, Chef von OpenAI, räumte im April 2025 in einem Gespräch etwas ein, was danach viele Tage lang in den Technik-Nachrichten zu finden war. Auf die Frage, welche Kosten der Firma entstehen, wenn Leute zu ChatGPT „bitte“ und „danke“ sagen, antwortete er kurz: eine Summe im zweistelligen Millionenbereich. Jedes Jahr. Nur für Strom.
Man liest dies einmal und denkt: ganz witzig. Man liest es nochmal und merkt, dass hier ein großes Thema steckt, über das die Branche sehr lange kaum geredet hat. Wir sprechen bei Künstlicher Intelligenz fast nur darüber, was alles möglich ist. Kaum darüber, was dafür gebraucht wird. Nicht an Geld, sondern in Kilowattstunden, in Litern Wasser und in Tonnen Kohlendioxid.
In meinen Kursen kommt dieses Thema oft erst später zur Sprache. Wenn ich dann frage, wie viel Strom die Leute hinter einer ChatGPT-Anfrage erwarten, liegen die Schätzungen meistens um einiges falsch. Meistens zu wenig. Das kann man verstehen. Eine App auf dem Handy fühlt sich nicht so an, als würde deshalb irgendwo ein Kraftwerk laufen.
In Wahrheit macht genau das ein Kraftwerk. Eigentlich sogar ziemlich viele.
Was eine Anfrage kostet
Die Internationale Energieagentur geht im Bericht „Energy and AI“ von 2025 davon aus, dass eine normale ChatGPT-Anfrage ungefähr 2,9 Wattstunden Strom verbraucht. Eine typische Google-Suche braucht etwa 0,3 Wattstunden. Das ist ein zehnfacher Unterschied. Diese Vergleichszahl wird seit Jahren genutzt, so wurde sie zum Beispiel von Alphabet-Chairman John Hennessy schon 2023 öffentlich genannt.
Diese 2,9 Wattstunden wirken sehr gering. Es ist wirklich so wenig, dass es auf einer Stromrechnung kaum zu bemerken wäre. Das Problem entsteht aber erst, wenn man es hochrechnet. OpenAI sprach 2025 von etwa 700 Millionen Anfragen am Tag, nur für ChatGPT. Bei dieser Anzahl werden selbst kleine Beträge schnell zu großen Mengen.
Eine Forschungsgruppe um Nidhal Jegham hat im Mai 2025 unter dem Titel „How Hungry is AI“ 30 verschiedene Sprachmodelle in echten Rechenzentren untersucht und die Resultate auf arXiv veröffentlicht (2505. 09598). Die Unterschiede zwischen den Modellen sind enorm. Eine kleine Anfrage an GPT-4.1 nano kostet etwa 0,1 Wattstunden. Die gleiche Anfrage an DeepSeek-R1 liegt bei etwa 23 Wattstunden. Das ist ein Unterschied um Faktor 230. Eine lange Anfrage an das Reasoning-Modell o3 verbraucht fast 40 Wattstunden, was ungefähr der Energie entspricht, mit der man ein Smartphone ganz auflädt.
Reasoning-Modelle, die „nachdenken“, bevor sie antworten, sind besonders aufwendig. Sie erzeugen intern viele Token, die wir nicht sehen. Für eine simple Frage ist das wie ein Sportwagen, um zum Bäcker zu fahren.
Das Problem, worüber fast keiner spricht
Fragt man Leute nach den Kosten der KI für die Umwelt, denken diese an Strom und an Kohlendioxid. Wasser wird kaum erwähnt. Dabei ist das vielleicht der schlimmste Teil der Sache.
Rechenzentren erzeugen Hitze. Fast der ganze Strom, der reingeht, wird letztlich zu Hitze. Diese Hitze muss weg, weil die Chips sonst schmelzen. Normalerweise passiert das durch Kühlung, bei der viel Wasser verdampft wird. Neuere Anlagen nutzen Kühlung direkt am Chip, was Wasser spart, aber mehr Strom braucht.
Eine oft genannte Studie von Shaolei Ren und anderen an der University of California Riverside hat 2023 ausgerechnet, dass ein ChatGPT-Gespräch mit etwa hundert Wörtern rund einen halben Liter Wasser braucht. Diese Zahl gilt für ältere Technik und wurde von Google kritisiert. Google selbst gab für eine Anfrage an seinen Gemini-Assistenten im Jahr 2025 nur 0,26 Milliliter an, also etwa fünf Tropfen. Beide Zahlen können richtig sein. Sie messen andere Modelle, andere Orte und andere Kühlmethoden. Richtig ist die Bandbreite: irgendwo zwischen wenigen Tropfen und einem halben Liter pro Anfrage, je nach Modell und Gebiet.
Wichtiger ist die Gesamtsumme. Morgan Stanley sagt voraus, dass KI-Rechenzentren bis 2028 weltweit mehr als eine Billion Liter Wasser pro Jahr brauchen werden, also etwa elfmal so viel wie 2024. Die Gruppe von Ren schätzt für 2027 sogar 6,6 Billionen Liter durch die ganze KI-Industrie. Zum Vergleich: Der Wasserverbrauch von Dänemark liegt bei ungefähr einer Milliarde Kubikmeter pro Jahr.
Besonders schwierig ist, wo genau die Datencenter liegen. Einer Analyse der OECD zufolge liegt etwa die Hälfte der global mehr als 9.000 Rechenzentren in Gegenden mit starker Wasserknappheit: Arizona, Texas, Teile von Spanien, Nordindien, Teile von China. Der Wettbewerb zwischen der Trinkwasserversorgung, der Landwirtschaft und den Rechenzentren ist tatsächlich vorhanden. In Taiwan, wo TSMC die Mikrochips produziert und gleichzeitig große Cloud-Cluster wachsen, kommt es seit 2021 immer wieder zu Wassereinsparungen. Dies ist die Kehrseite eines Aufschwungs, über die man in Pressemitteilungen nur selten etwas liest.
Was Sie persönlich unternehmen können
Der größte Einfluss liegt bei Firmen und der Regierung, nicht bei einzelnen Personen. Es ist trotzdem wichtig, wie wir KI einsetzen. Bedarf schafft Angebot, und die Art der Nutzung schafft Bedarf.
Drei Punkte finde ich in meinen Kursen hilfreich. Erstens: Nicht jede Frage muss man an eine KI stellen. Eine Erklärung findet man in einer Suchmaschine. Eine Wettervorhersage gibt es in einer Wetter-App. KI ist sehr nützlich, aber nicht für alles geeignet. Zweitens: Ein kurzer, klarer Prompt spart Ressourcen und führt meistens zu besseren Ergebnissen. Wer der KI lange Vorreden gibt, bekommt auch lange Vorreden zurück. Drittens: Nicht für jede Aufgabe braucht man ein komplexes Modell. Geht es nicht um schwierige Logik, reichen kleine Modelle wie Claude Haiku oder GPT-4.1 nano aus. Sie verbrauchen viel weniger Energie.
Für Firmen kommt noch etwas dazu. Es lohnt sich zu prüfen, welcher KI-Einsatz wirklich etwas bringt und welcher nur Routine ist. Eine interne Regel muss keine Liste von Verboten sein. Sie kann auch nur eine Anregung sein, kurz zu überlegen, bevor man wieder GPT-4 für eine Mail nutzt, die man in drei Minuten selbst schreiben könnte.
Quellen
Sam Altman, Zitat zu Höflichkeit gegenüber ChatGPT (April 2025): Tom’s Hardware.
Internationale Energieagentur (2025), Bericht „Energy and AI“: iea.org/reports/energy-and-ai.
IEA (2025), Daten zum Stromverbrauch von Rechenzentren und Prognosen: iea.org/news.
John Hennessy (Alphabet), Aussage zu den Energiekosten einer ChatGPT-Anfrage (2023), zitiert in: Reuters.
Nidhal Jegham et al. (Mai 2025), „How Hungry is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference“: arXiv:2505.09598.
Shaolei Ren, Pengfei Li et al. (2023), „Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models“: arXiv:2304.03271.
Google Sustainability Report 2025, Angaben zum Wasserverbrauch pro Gemini-Anfrage: aimagazine.com.
Morgan Stanley, Prognose zum Wasserverbrauch von KI-Rechenzentren bis 2028, zitiert in: Online Learning Consortium.
OECD.AI (2025), „How much water does AI consume?“: oecd.ai/en/wonk.
