Wie wirkt sich eigentlich meine eigene ChatGPT Anfrage aus [2]?
Es gibt inzwischen einige belastbare wissenschaftliche Schätzungen, aber keine exakten Zahlen. Der Grund dafür ist, dass Unternehmen wie OpenAI keine Daten zum Energieverbrauch einzelner Anfragen veröffentlichen und dieser stark vom Modell, der Länge der Unterhaltung und der Auslastung der Rechenzentren abhängt.
Eine einfache Anfrage an ChatGPT benötigt durchschnittlich 2,9 (Wattstunden) Wh. Je komplexer die Anfrage ist, aber auch bis zu 9 Wh. Würden alle Menschen in Deutschland nur eine einzige Anfrage an ChatGPT stellen, läge der Gesamtverbrauch bei etwa 169 Megawattstunden. Damit könnten ungefähr 48 Haushalte ein ganzes Jahr mit Strom versorgt werden. Solche Zahlen verdeutlichen, dass selbst kleine Einzelwerte in der Summe große Energiemengen ergeben.
Noch einmal getrennt zu betrachten ist das Training großer Modelle. Es ist ein extrem energieintensiver Prozess. Für GPT-4 kursieren Zahlen von über 60 Millionen Kilowattstunden allein für den Trainingsprozess. Das entspricht dem Jahresverbrauch einer mittelgroßen Stadt [3].
Der Energieverbrauch eines Rechenzentrums ist nur ein Teil der Umweltbilanz. Hinzu kommen: Kühlung der Server, Herstellung der Hardware, Bau und Betrieb der Rechenzentren, sowie die Energie für dein eigenes Endgerät und die Datenübertragung.
Anstieg der Zugriffe auf ChatGPT [4]
2,4 Milliarden Zugriffe von Juli 2024 auf 5,9 Milliarden Zugriffe bis September 2025.
Energieverbrauch von Rechenzentren weltweit [5]
Rechenzentren haben im Jahr 2025 weltweit mindestens 485 Terawattstunden (TWh) an Strom verbraucht. Dies liegt in der Größenordnung der elektrischen Energie, die in Deutschland verbraucht wird und entspricht rund 4% des globalen Stromverbrauchs.
Die weltweite Verteilung ist allerdings sehr unterschiedlich:
– 50% des Stroms für Rechenzentren werden in den USA verbraucht
– 9-11% in: China, Japan, Vereinigtes Königreich, Indien, Kanada, Australien, Deutschland, Irland, Niederlande
Neu errichtete Rechenzentren haben heute Anschlusswerte von mehreren Megawatt bis zu 1 Gigawatt. Solche Stromverbraucher lassen sich nicht mehr in bestehende Stromnetze integrieren. Daher müssen parallel Kraftwerke errichtet werden. Je nachdem, ob fossil oder nachhaltig, fällt auch hier die Umweltbilanz äußerst unterschiedlich aus. Bei der Nutzung von Wind- und Solarenergie muss zusätzlich der erzeugte Strom in Batteriespeichern zwischengespeichert werden, um einen lückenlosen und gleichmäßigen 24 Stunden Betrieb zu ermöglichen.
CO2 Intensität der Rechenarbeit [6]
Für die Klimabilanz eines Rechenzentrums macht es einen Unterschied, ob dieses mit Strom aus Steinkohlekraftwerken oder aus Windkraftanlagen betrieben wird. Kohlestrom emittiert 860 Gramm CO2-Äquivalente/kWhStrom aus Offshore-Windkraft hingegen nur 10 Gramm CO2-Äquivalente/kWh. Dieser Wert hängt sowohl von der Gebäudetechnik als auch vom lokalen Strommix ab.
Die 10 größten Standorte für Rechenzentren emittieren zwischen
– 900 (Indien)
– 700 (Australien, China, Japan)
– 400 (Deutschland, USA) Gramm CO2-Äquivalente/kWh.
In Ländern mit derzeit noch wenig Rechenzentren ist deren CO2 Ausstoß aber überdurchschnittlich hoch z.B.
– 630-911 CO2 Äquivalent/kWh (Serbien, Zypern, Malta, Türkei, Marokko, Ägypten)
– 926 bis über 1700 CO2 Äquivalent/kWh erreichen Zentren in Botswana, Turkmenistan, Usbekistan, Kasachstan sowie in einigen anderen asiatischen Ländern.
Wasserverbrauch [7]
Wasser wird an verschiedenen Stellen für KI-Infrastrukturen benötigt:
- für Energieerzeugung (Kohle, Gas, erneuerbare Energien).
Der Wasserverbrauch zur Produktion von Strom aus fossilen Energieträgern ist ungefähr 10x höher als bei Solar- und Windenergie.
- die Produktion der KI-Chips benötigt sehr viel Wasser.
Um diesen Wasserverbrauch zu reduzieren, könnten geschlossene Wasser-Kreislaufsysteme eingerichtet werden, die eine Aufbereitung des Abwassers und Wiederverwendung ermöglichen.
- Rechenzentren im Betrieb müssen gekühlt werden, da sonst die Chips zu heiß werden. Die Kühlung erfolgt entweder über Strom oder Wasser.
Die aktuellen Prognosen gehen derzeit von einer globalen Vervierfachung des Wasserverbrauchs von Rechenzentren von 2023 bis 2030 aus. Das benötigte Wasser fehlt oft beim Trinkwasser für die Bevölkerung, in der Landwirtschaft und für lokale Industrien.
Energieverbrauch für Chipherstellung [8]
Die Herstellung der KI-Chips ist extrem ressourcenintensiv. Insbesondere in Ostasien wird eine neue Generation von Hochleistungs-Chips unter hohen Umweltkosten produziert, oft mit hohem Energieeinsatz aus Kohlekraft. Aufgrund der starken Abhängigkeit von fossilen Brennstoffen in den ostasiatischen Stromnetzen stiegen die Emissionen aus dem Stromverbrauch für die KI-Chipherstellung in 2024 bereits um mehr als das Vierfache. In Südkorea hat sich der Stromverbrauch für die Herstellung von KI-Chips zwischen 2023 und 2024 mehr als verdoppelt.
Das bedeutet: Schon bevor ein KI-Chatbot seine erste Antwort gibt, hat er bereits einen massiven ökologischen Fußabdruck.
Elektroschrott
Die Nutzung von KI-Features ist meist nur auf neuen Endgeräten möglich. Alte Geräte werden entsorgt, der entstehende Elektroschrott mit giftigen Schadstoffen wie Blei, Quecksilber und Cadmium landet oft in ärmeren Ländern in Asien oder Afrika auf Müllhalden. Dadurch wird das Grundwasser mit Schadstoffen belastet und gefährdet die Gesundheit der lokalen Bevölkerung. Aufgrund des rasanten Ausbaus von KI-Systemen wird prognostiziert, dass bis 2030 ca. 5 Millionen Tonnen zusätzlicher Elektroschrott anfallen werden.
Herausforderungen
Wenn KI-Systeme effizienter arbeiten, sinken automatisch die Kosten der Nutzung. Dies führt in der Praxis oft dazu, dass Unternehmen die Technologie viel häufiger und für immer mehr Aufgaben einsetzen [9]. Im Moment operiert die KI-Industrie scheinbar in einem Modus der angenommenen Unendlichkeit an Energie und Ressourcen, der weder den planetaren Grenzen noch gemeinwohlorientierten Zielen entspricht.
Es ist ein Anliegen der EU eine souveräne KI-Infrastruktur in Europa aufzubauen – was auch Energiequellen für Rechenzentren einschließt. Europa regelt diesen Ausbau mit europäischen Richtlinien [10] und nationalen Gesetzen, die zum Teil neu verhandelt werden müssen. So fehlt z.B. in Österreich eine Verpflichtung zur Umweltverträglichkeitsprüfung für Rechenzentren.
Die größte Gefahr ist, dass Klimaziele politisch in den Hintergrund rücken, während überhöhte Versprechen über KI-Systeme die Entscheidungen leiten. Menschenrechte und demokratische Werte, Klimaziele und Nachhaltigkeit müssen immer Prioritäten bei KI Regelungen und Gestaltung von Rechenzentren sein. Der derzeitige globale Trend geht jedoch zu selten in diese Richtung.
Notwendige Massnahmen
Verhinderung von Schäden an Natur und Bevölkerung, die durch den Abbau von Rohstoffen für Chips entstehen, müssen verhindert werden. Ebenfalls notwendig ist die Vermeidung von Umwelteffekten wie Lärmbelästigung und hohem Wasserverbrauch durch große Rechenzentren. Es braucht globale Verbesserungen der Arbeitsbedingungen von Data Workern mit fairen Löhnen und angemessenem Arbeitsschutz und damit verbunden eine klare gemeinwohlorientierte Zielrichtung für KI-Entwicklungen.
Wege zur Effizienz [11]
Unternehmen arbeiten an Lösungen, um die Energiebelastung zu senken:
Neue Chips: Spezialisierte Prozessoren können pro Watt mehr Berechnungen durchführen als herkömmliche.
Effiziente Modelle: angepasste KI Modelle für bestimmte Aufgaben sind sparsamer.
Erneuerbare Energien: Betreiber wie Microsoft oder Google investieren in Solar- und Windkraft oder setzen auf Kernkraft, um die Emissionen der Rechenzentren zu senken.
Verbesserte Kühlung: Direkte Flüssigkeitskühlung oder Abwärmenutzung steigern die Effizienz.
Kühlwasser-Recycling: Während Taiwan bereits bis zu 90% des verwendeten Wassers recycelt, werden in Europa bisher lediglich maximal 14% wiederaufbereitet.
Diese Ansätze mindern den Fußabdruck, doch sie ändern nichts an der Grundfrage: Wie viele Anfragen sind wirklich nötig?
Bewusster Umgang mit KI
Analysen zeigen: Viele Eingaben sind reine Neugier oder Unterhaltung. Hier liegt auch Verantwortung bei den Nutzer:innen. Oft genügt eine klassische Suchmaschine, die deutlich weniger Energie benötigt als ein Sprachmodell. Auch die Länge und Komplexität der Anfrage beeinflussen den Verbrauch. Wer knapp formuliert, spart nicht nur Zeit, sondern auch Strom.
Fazit
Der KI-Boom bringt wirtschaftliche Interessen, Energieversorgung und Umweltschutz in Konflikt. Nutzung von KI wirkt für Nutzer:innen oft immateriell – ihre Infrastruktur mit all ihren Folgewirkungen ist aber sehr real. In beiden Richtungen braucht es große Korrekturen der Entwicklung von KI für gesellschaftlich sinnvolle und nachhaltige Anwendungsziele aber eben auch durch Begrenzung des möglichen Ressourcenverbrauchs.
Quellen
[1] Greenpeace, Unterrichtsmaterial zu KI und Klima. https://www.greenpeace.de/ueber-uns/umweltbildung/unterrichtsmaterial-kuenstliche-intelligenz-ki-und-klima Zugriff 22.08.2026
[2] Energiebedarf von KI Anfragen. https://www.erneuerbare-energie.at/energiefakten/2025/17/01/energiebedarf-ki Zugriff 22.08.2026
[3] Strom, Wasser, ChatGPT – was kostet eine KI Anfrage wirklich? A.Ilina 11.8.2025 https://www.ingenieur.de/technik/fachbereiche/energie/chatgpt-als-energiefresser-wie-der-ki-bot-die-energie-von-31-millionen-elektroautos-verschlingt/
[4] Rapid Response, S10, Greenpeace, https://www.greenpeace.de/ueber-uns/umweltbildung/unterrichtsmaterial-kuenstliche-intelligenz-ki-und-klima Zugriff 22.08.2026
[5] Stromverbrauch S10 J.Kröger, F.Behrens: Die regionale Klimakluft von Rechenzentren. Studie von Öko Institut, Stand 06/2026, https://www.oeko.de/publikation/die-regionale-klimakluft-von-rechenzentren/
[6] siehe [5] S14
[7] siehe [4] S7
[8] siehe [1] S7
[9] siehe [1] S16
[10] EU- Rechtsakt für die Energieeffizienzrichtlinie für Rechenzentren https://austriandatacenter.org/europaeische-kommission-veroeffentlicht-rechtsakt-fuer-die-energieeffizienz-richtlinie-eed-fuer-rechenzentren/
[11] siehe [3]