Zum Inhalt springen

Energieverbrauch von KI

Männliche Person, frontal, schaut in die Kamera; trägt kariertes Hemd über dunkelfarbigem T‑Shirt; heller Innenraum mit unscharfem Monitor oder Poster links und Fenster rechts.

von Richard Albrecht am 18.10.2026

Der Energieverbrauch von KI umfasst den Strombedarf für das Training von Modellen, für ihren Betrieb bei jeder Anfrage und für die Rechenzentren, in denen beides stattfindet. Die Zahlen dazu sind unterschiedlich belastbar, und das ist der erste Punkt, den man kennen sollte.

Energieverbrauch von KI

Der Strombedarf für Training und Betrieb von KI-Modellen und der Rechenzentren dahinter.
Beispiel: „Der Energieverbrauch von KI wird meist über den Stromverbrauch von Rechenzentren geschätzt, weil Einzelangaben fehlen.“

Was belegt ist: der Stromverbrauch von Rechenzentren insgesamt und dessen Entwicklung. Was geschätzt ist: der Anteil, der auf KI entfällt. Was fast nie belegt ist: der Verbrauch je einzelner Anfrage, weil die Anbieter ihn nicht veröffentlichen.

Umlaufende Angaben über den Verbrauch einer einzelnen Chatanfrage stammen überwiegend aus Hochrechnungen Dritter und schwanken um Größenordnungen. Sie taugen nicht als Beleg.

Belastbar ist die Gesamtschau der Internationalen Energieagentur (April 2025): Der Strombedarf von Rechenzentren weltweit „is set to more than double by 2030 to around 945 terawatt-hours (TWh)“, der Bedarf KI-optimierter Rechenzentren soll sich „more than quadruple by 2030“. Das sind Projektionen und keine Messungen; die Agentur nennt die Unsicherheiten ausdrücklich.

Was sich daraus einordnen lässt

Die Größenordnung und die Richtung. 945 Terawattstunden entsprechen etwa dem heutigen Gesamtverbrauch Japans und liegen im einstelligen Prozentbereich des weltweiten Stromverbrauchs. Das ist viel und es ist kein beherrschender Anteil; zum Vergleich verbrauchen Industrie, Verkehr und Gebäude jeweils ein Vielfaches davon.

Wie wir damit in Texten umgehen

Mit Zahlen, Datum und Urheber, und ohne die Einordnung wegzulassen. Der Verbrauch steigt deutlich, die Effizienz je Rechenschritt steigt ebenfalls deutlich, und beide Entwicklungen laufen gegeneinander. Wer nur eine davon nennt, führt in die Irre, und das gilt in beide Richtungen. Was ein einzelnes Unternehmen tun kann, ist überschaubar: das kleinste ausreichende Modell wählen, Zwischenspeicher benutzen und keine Läufe starten, deren Ergebnis niemand liest. Das senkt zugleich die Rechnung.

Siehe auch:

Rechenzentrum für KI (AI Data Center)

Ein Rechenzentrum, das eigens für das Training und den Betrieb von KI-Modellen gebaut ist.

#Künstliche Intelligenz (KI)

Compute (KI)

Die Menge an Rechenarbeit, die für Training oder Betrieb eines KI-Modells aufgewendet wird.

#Künstliche Intelligenz (KI)

Trainingskosten

Der einmalige Aufwand, ein KI-Modell von Grund auf zu trainieren.

#Künstliche Intelligenz (KI)

GPU (Grafikprozessor)

Ein Prozessor mit tausenden einfachen Rechenwerken, ursprünglich für Bilder gebaut, heute die Grundlage der KI.

#Künstliche Intelligenz (KI)

Inferenzkosten

Die laufenden Kosten für die Beantwortung von Anfragen durch ein KI-Modell, abgerechnet je Token.

#Künstliche Intelligenz (KI)

On-Device-KI (Edge AI)

KI, die auf dem Gerät selbst rechnet statt in einem Rechenzentrum.

#Künstliche Intelligenz (KI)