29 Juli 2026

Deep Dive KW 31 — KI & Klimawandel: Retter oder Stromfresser?

Ist KI ein Retter im Kampf gegen den Klimawandel oder selbst der große Klimakiller? Diese Frage beschäftigt immer mehr Menschen — von Politikern über Klimaaktivisten bis hin zu KI-Entwicklern. In dieser Woche gehen wir der Frage mit konkreten Zahlen auf den Grund.

Die harten Zahlen: Stromverbrauch von Datacentern

Die Internationale Energieagentur (IEA) hat im April 2025 den Bericht „Energy and AI" veröffentlicht. Die Kernzahl: Datacenter weltweit haben 2024 etwa 415 Terawattstunden Strom verbraucht — das sind 1,5 Prozent des globalen Stromverbrauchs. Bis 2030 könnte sich das auf 945 Terawattstunden verdoppeln. Zum Vergleich: Google und Microsoft haben 2024 jeweils mehr Strom verbraucht als über 100 einzelne Länder.

Auf individueller Ebene: Wie viel kostet eine ChatGPT-Anfrage?

Eine einzelne ChatGPT-Anfrage verbraucht etwa 0,3 Wattstunden — extrem wenig. Aber die Skalierung ändert das Bild: Bildgenerierung kostet das 60-fache (2,91 Wh pro Bild), und ein großes Modell wie Llama 3.1 405B verbraucht 60-mal mehr Strom als das kleine 8B-Modell. Der Trend geht zu größeren Modellen — und damit steigt der Energiebedarf pro Anfrage.

Wo kommt der Strom her?

US-Datacenter laufen zu 40 Prozent mit Erdgas, zu 24 Prozent mit erneuerbaren Energien, zu 20 Prozent mit Atomkraft und zu 15 Prozent mit Kohle. Große KI-Firmen bauen sich eigene fossile Energieinfrastruktur: xAI in Memphis, OpenAI's Stargate-Projekt, Meta's Prometheus-Projekt. Microsoft geht einen anderen Weg und reaktiviert Three Mile Island.

Wasserverbrauch: Das vergessene Problem

Datacenter brauchen Wasser für Kühlung — 2023 waren es 560 Milliarden Liter, bis 2030 könnten es 12.000 Milliarden Liter sein. Ein Fünftel der direkten Wassernutzung findet in Gebieten mit mittlerer bis hoher Wasserknappheit statt. In Phoenix, Arizona, würden geplante Datacenter den jährlichen Wasserstress um 32 Prozent erhöhen.

Die positive Seite: Wo KI das Klima retten kann

Wettervorhersage: Huaweis Pangu-Weather schlägt traditionelle numerische Modelle (Nature, 2023)
Smart Grids: KI prognostiziert Schwankungen bei Wind- und Solarenergie und balanciert Stromnetze
Verkehrs-Optimierung: Googles Green Light reduziert Stop-and-Go-Verkehr an Kreuzungen
Materialforschung: KI beschleunigt die Entwicklung neuer Batterien und Materialien

Der Rebound-Effekt

Google hat den Energieverbrauch pro Anfrage bei Gemini um den Faktor 33 reduziert. Aber wenn gleichzeitig das Nutzervolumen um das 100-fache steigt, ist man am Ende trotzdem schlechter. Das ist das Kernproblem: Effizienzsteigerungen werden durch Skalierung aufgefressen.

Lösungsansätze

Edge AI & Model Compression: Kleinere Modelle auf Geräten statt riesige Datacenter
Dezentrales Compute: Netzwerke wie Akash oder Render Network verteilen Rechenlast
Regulierung: EU Energy Efficiency Directive, 27 US-Bundesstaaten mit Datacenter-Gesetzen
Transparenz: Verpflichtende Offenlegung von Energie- und Wasserverbrauch

Bürgerwiderstand

Die Bewegung Data Center Watch berichtet, dass lokale Opposition 64 Milliarden Dollar an Datacenter-Projekten blockiert oder verzögert hat — sechs Projekte komplett blockiert, zehn verzögert, in Europa, den USA und Südamerika.

Fazit

KI ist weder reiner Retter noch reiner Stromfresser — sie ist beides gleichzeitig. Der Schlüssel liegt nicht in der pauschalen Frage „KI: Gut oder Böses?", sondern in der Frage: Welche KI-Anwendungen sind den Energieaufwand wert? Eine KI, die Wetterkatastrophen vorhersagt, ist etwas anderes als eine KI, die lustige Bilder generiert. Wir brauchen systemische Lösungen, nicht individuelle Schuldzuweisungen — und vor allem ehrliche, transparente Zahlen.

Die Episode ist ab Mittwoch, 29. Juli 2026 auf allen gängigen Podcast-Plattformen verfügbar.

Feedback: https://aienthusiast.de/kontakt/