Klar ist: künstliche Intelligenz hat einen ökologischen Fußabdruck, auch wenn dieser auf den ersten Blick kaum sichtbar ist. Hinter Anwendungen wie ChatGPT, Claude oder DeepSeek stehen große Rechenzentren, leistungsfähige Hardware und ein erheblicher Bedarf an Energie und Ressourcen. Je häufiger KI-Systeme genutzt werden, desto wichtiger wird daher die Frage, welche Umweltwirkungen mit ihrem Einsatz verbunden sind.

Diskussion um den Umweltfußabdruck von KI

KI-Anwendungen benötigen leistungsstarke Rechenzentren. Dort werden die Modelle trainiert, betrieben und täglich von Millionen Menschen genutzt. Für diese Infrastruktur werden Strom, Kühlung, Wasser, Fläche und spezielle Hardware benötigt. Besonders die leistungsfähigen Grafikprozessoren (GPUs), auf denen moderne KI-Systeme laufen, sind energieintensiv in Herstellung und Betrieb.

Das Thema sorgt regelmäßig für Diskussionen. Während die einen vor einem stark steigenden Energieverbrauch warnen, halten andere die Debatte für überzogen. Tatsächlich ist die Datenlage oft kompliziert. Viele Unternehmen veröffentlichen nur begrenzte Informationen über den tatsächlichen Energie- und Ressourcenverbrauch ihrer Systeme. Forschende sind deshalb häufig auf Angaben der Betreiber angewiesen. Entsprechend schwierig ist es, die tatsächlichen Auswirkungen von KI auf Umwelt, Stromnetze oder lokale Ressourcen exakt zu bewerten [I].

Neuer UN-Bericht liefert aktuelle Zahlen

Anfang Juni 2026 hat das UN-Institut für Wasser, Umwelt und Gesundheit (UNU-INWEH) einen Bericht zum Umweltfußabdruck von KI veröffentlicht [II]. Darin betrachten die Forschenden nicht nur die CO₂-Emissionen, sondern auch den Wasser- und Flächenverbrauch, der durch den Betrieb von KI-Systemen entsteht.

Die zentralen Ergebnisse zeigen, dass der Ressourcenbedarf von Rechenzentren in den kommenden Jahren deutlich steigen wird: Rechenzentren verbrauchten im Jahr 2024 weltweit rund 415 Terawattstunden Strom. Das entspricht etwa 1,5 Prozent des globalen Stromverbrauchs. Bis 2030 könnte dieser Wert auf rund 945 Terawattstunden ansteigen und sich damit mehr als verdoppeln.

Der Anteil von KI-Anwendungen am Stromverbrauch von Rechenzentren wird nach Schätzungen von etwa 20 Prozent im Jahr 2025 auf rund 40 Prozent im Jahr 2030 steigen. Und besonders energieintensiv ist das Training von großen Sprachmodellen. Für das Training von GPT-3 wurden beispielsweise rund 1,3 Gigawattstunden Strom benötigt. Bei GPT-4 lag der Bedarf Schätzungen zufolge bereits bei 50 bis 70 Gigawattstunden und damit um ein Vielfaches höher.

Zahlen richtig einordnen

Die Ergebnisse des Berichts zeigen deutlich, dass KI einen ökologischen Fußabdruck hinterlässt. Gleichzeitig ist es wichtig, die Zahlen richtig einzuordnen.

Rechenzentren verursachen nach aktuellen Schätzungen etwa 1 bis 1,5 Prozent der weltweiten Treibhausgasemissionen. Das ist nicht wenig, liegt aber deutlich unter anderen Branchen. So entfallen auf die Stahl- und Zementindustrie mehr als 15 Prozent der globalen Emissionen. Auch Landwirtschaft und Schwertransport verursachen jeweils deutlich höhere Anteile.

Außerdem werden Rechenzentren nicht ausschließlich für KI genutzt. Sie bilden die Grundlage für zahlreiche digitale Dienste, die wir täglich verwenden. Darunter zählen Streaming-Plattformen, Cloud-Dienste, Videokonferenzen, Websites und die Speicherung großer Datenmengen.

Vergleiche mit Alltagsaktivitäten sind zwar immer mit Vorsicht zu genießen, können aber helfen, die Größenordnungen besser zu verstehen. So verweist Quarks, das Wissenschaftsformat des WDR, auf Berechnungen, nach denen etwa 300 KI-Textanfragen ungefähr so viel Energie benötigen wie das Erhitzen von einem Liter Wasser im Wasserkocher. Deutlich energieintensiver sind hingegen KI-generierte Bilder und insbesondere Videos. Ein 30-sekündiges KI-Video verbraucht so viel Energie wie das Erhitzen von 7 Litern Wasser.

Transparenz bleibt eine Herausforderung

Ein Problem bei der Diskussion um den KI-Energieverbrauch ist die mangelnde Transparenz. Viele der verfügbaren Zahlen beruhen auf Schätzungen oder Unternehmensangaben. Wie hoch der tatsächliche Energieverbrauch einzelner Modelle oder Rechenzentren ist, lässt sich deshalb oft nur näherungsweise bestimmen.

Auch regulatorisch spielt das Thema bislang eine eher untergeordnete Rolle. Der europäische AI Act enthält zwar umfangreiche Vorgaben zu Transparenz, Sicherheit und Risikomanagement. Verbindliche Anforderungen zur Energieeffizienz oder zum Ressourcenverbrauch von KI-Systemen wurden dagegen nur begrenzt berücksichtigt.

KI kann auch Teil der Lösung sein

Bei aller berechtigten Kritik sollte jedoch nicht übersehen werden, dass KI selbst dabei helfen kann, Ressourcen einzusparen. KI wird bereits heute eingesetzt, um Stromnetze effizienter zu steuern, Verkehrsflüsse zu optimieren, Industrieanlagen energieeffizienter zu betreiben oder Wartungsarbeiten vorausschauend zu planen. Auch im Gebäudemanagement können intelligente Systeme helfen, Energieverbräuche zu senken [III]. Der ökologische Nutzen von KI hängt daher nicht nur davon ab, wie viel Energie sie verbraucht, sondern auch davon, wofür sie eingesetzt wird. Unternehmen können sich beispielsweise für ein ressourcenschonendes KI-Tool entscheiden. Nicht jede Aufgabe benötigt die größten und leistungsstärksten KI-Modelle. Viele Standardanwendungen lassen sich auch mit kleineren und energieeffizienteren Modellen bearbeiten.

Fazit

Fest steht: KI benötigt Strom, Wasser, Fläche und Rohstoffe. Mit der zunehmenden Verbreitung von KI-Anwendungen wird dieser Ressourcenbedarf in den kommenden Jahren weiter steigen. Der neue UN-Bericht macht deutlich, dass die Umweltfolgen von KI stärker in den Blick genommen werden sollten. Gleichzeitig spiegeln Reaktionen von Expert:innen auf den Bericht aber auch wieder, dass die Debatte differenziert geführt werden muss [I].

Quellen:

1. Science Media Center Germany, UN-Bericht zum Umweltfußabdruck von KI und Rechenzentren
2. Aczel M et al. (2026): Environmental Cost of AI’s Energy Use : Carbon, Water and Land Footprints. United Nations University Instiute for Water, Environment and Health (UNU-INWEH). DOI: 10.53328/INR26RMA002.
3. Quarks, KI: So viel Energie verbraucht sie wirklich
4. Bundesnetzagentur
5. dpa Infografik GmbH