Wie viel Energie verbraucht KI? (Die echten Zahlen, erklärt)
Eine typische ChatGPT-Anfrage verbraucht etwa 0,3 Wattstunden Strom – ungefähr so viel, wie ein Backofen in einer Sekunde zieht – laut OpenAI und unabhängigen Schätzungen. Auf Netzebene verbrauchten US-Rechenzentren 2023 etwa 176 TWh, rund 4,4 % des nationalen Stroms, und dieser Anteil wächst rasant.
Sie haben wahrscheinlich schon gehört, dass jede ChatGPT-Frage „zehnmal mehr Energie als eine Google-Suche verbraucht“ oder dass KI das Stromnetz verschlingen wird. Das ehrliche Bild ist differenzierter: Die Kosten pro Anfrage sind gering und sinken, während der Gesamtbedarf durch Rechenzentren groß und steigend ist. Beides ist gleichzeitig wahr – und die Zahlen ergeben nur mit Quellenangabe Sinn. Hier sind sie – und falls Sie sich für die andere Hälfte des KI-Fußabdrucks interessieren, haben wir das Gleiche für Wasserverbrauch getan.
Warum verbraucht KI überhaupt Energie?
Die Stromrechnung von KI stammt aus zwei klar unterscheidbaren Aktivitäten, und deren Vermischung sorgt für die meiste Verwirrung.
- Training ist der einmalige Prozess, ein Modell zu erstellen. Tausende spezialisierte Chips laufen wochen- oder monatelang auf Hochtouren, weshalb Trainingskosten in Megawattstunden oder Gigawattstunden angegeben werden.
- Inferenz ist die alltägliche Nutzung – jede Chat-Antwort, jedes Bild, jede Zusammenfassung. Jede Anfrage ist günstig, aber populäre Modelle bedienen Milliarden davon, sodass die Inferenz inzwischen den Großteil des Energieverbrauchs ausmacht.
- Overhead kommt bei beidem dazu: Kühlung, Netzwerktechnik und Stromumwandlung im Rechenzentrum, meist gemessen mit dem PUE-Wert (Power Usage Effectiveness).
Wenn Sie sehr unterschiedliche „KI-Energie“-Zahlen sehen, prüfen Sie, was genau abgedeckt ist. Eine Pro-Anfrage-Schätzung ohne Kühlung oder eine Trainingszahl, die als täglicher Wert dargestellt wird, führen in entgegengesetzte Richtungen in die Irre.
Wie viel Energie verbraucht eine ChatGPT-Anfrage?
Die wichtigste Zahl stammt von OpenAI selbst. Im Juni 2025 schrieb Sam Altman, dass eine durchschnittliche ChatGPT-Anfrage etwa 0,34 Wattstunden verbraucht – „ungefähr so viel, wie ein Backofen in etwas mehr als einer Sekunde oder eine hocheffiziente Glühbirne in ein paar Minuten verbrauchen würde“ (Data Center Dynamics, 2025).
Diese Zahl ist nicht peer-reviewed, und OpenAI hat keine Methodik veröffentlicht. Aber sie stimmt mit unabhängigen Arbeiten überein. Die Forschungsgruppe Epoch AI schätzte eine typische GPT-4o-Anfrage auf etwa 0,3 Wh, basierend auf realistischen Annahmen zu Antwortlänge, modernen H100-Chips und tatsächlicher (nicht maximaler) Leistungsaufnahme (Epoch AI, 2025). Google ging noch weiter und veröffentlichte ein technisches Paper: Die mittlere Gemini-Textanfrage verbrauchte Mitte 2025 etwa 0,24 Wh (Google Cloud, 2025).
Zwei Hinweise sorgen für Ehrlichkeit:
- Die alte „3 Wh“-Schätzung war nicht verrückt – sie war veraltet. Eine oft zitierte Berechnung von 2023 ging von langen Antworten auf älteren A100-Chips mit maximaler Leistungsaufnahme aus. Epochs Überarbeitung zeigte, dass jede Annahme die Zahl nach oben trieb, insgesamt etwa eine 10-fache Überschätzung (Epoch AI, 2025; TechCrunch, 2025).
- Nicht jede Anfrage ist typisch. Epoch merkt an, dass ein 10.000-Token-Dokument eine Anfrage auf ~2,5 Wh bringt, ein 100.000-Token-Input auf ~40 Wh, und Reasoning-Modelle, die „nachdenken“, bevor sie antworten, erzeugen pro Anfrage ein Vielfaches an Tokens. Bild- und Videogenerierung kosten noch mehr – eine Studie von Hugging Face fand, dass Bildgenerierung die energieintensivste gängige KI-Aufgabe ist (MIT Technology Review, 2023).
Die vertretbare Antwort lautet also: einige Zehntel einer Wattstunde für eine normale Textanfrage, bei aufwändigen Aufgaben 10–100x so viel.
Die Zahlen in einer Tabelle
Hier die meistzitierten Werte mit Quellen und Jahresangaben, damit Sie selbst nachschauen können.
| Was | Geschätzter Energieverbrauch | Quelle (Jahr) |
|---|---|---|
| Eine „durchschnittliche“ ChatGPT-Anfrage (OpenAI) | ~0,34 Wh | Sam Altman via DCD (2025) |
| Typische GPT-4o-Anfrage (unabhängige Schätzung) | ~0,3 Wh | Epoch AI (2025) |
| Mittlere Gemini-Textanfrage | ~0,24 Wh | Google (2025) |
| Ältere Pro-Anfrage-Schätzung (inzwischen revidiert) | ~3 Wh | Epoch AI / TechCrunch (2025) |
| Eine Google-Suche (veraltete Angabe) | ~0,3 Wh | Google (2009) |
| 1 Stunde Videostreaming | ~77 Wh (0,077 kWh) | IEA (2020) |
| Training von GPT-3 (einmalig) | ~1.287 MWh | Patterson et al. (2021) |
| Training eines GPT-4-Klasse-Modells (einmalig) | ~20–25 MW für ~3 Monate (≈40–50 GWh) | Epoch AI (2025) |
| US-Rechenzentren, gesamt (2023) | ~176 TWh (4,4 % des US-Stroms) | LBNL / DOE (2024) |
| US-Rechenzentren, Prognose (2028) | 325–580 TWh (6,7–12 %) | LBNL / DOE (2024) |
| Globale Rechenzentren, gesamt (2024) | ~415 TWh (~1,5 % des Weltstroms) | IEA (2025) |
| Globale Rechenzentren, Prognose (2030) | ~945 TWh | IEA (2025) |
Beachten Sie die Abgrenzungen: Pro-Anfrage-Werte beziehen sich nur auf Text-Chat, und Rechenzentrum-Gesamtsummen umfassen alles, was diese Gebäude tun – Streaming, Banking, E-Mail – nicht nur KI.
Training vs. Inferenz: Was kostet mehr?
Das Training sorgt für Schlagzeilen, weil die Einzelzahl groß ist. Forschende schätzen das Training von GPT-3 auf etwa 1.287 MWh – ungefähr der Jahresstromverbrauch von 120 US-Haushalten (Patterson et al., 2021). Für ein Modell der GPT-4-Klasse schätzt Epoch AI, dass das Training rund 20–25 Megawatt kontinuierlich über etwa drei Monate verbrauchte – also etwa 40–50 GWh, was dem Stromverbrauch von rund 20.000 amerikanischen Haushalten in diesem Zeitraum entspricht (Epoch AI, 2025).
Aber das Training passiert einmal. Inferenz passiert Milliarden Mal täglich. Bei ChatGPTs Größenordnung summieren sich selbst 0,34 Wh pro Anfrage zu hunderten Megawattstunden täglich, sodass der Lebenszeit-Energieverbrauch eines populären Modells vom Betrieb, nicht vom Training dominiert wird. Deshalb ist die Pro-Anfrage-Zahl – so klein sie ist – für die Gesamtsumme langfristig wichtiger als jede Trainings-Schlagzeile.
Wie viel Strom verbrauchen Rechenzentren insgesamt?
Hier werden die Zahlen groß – und hier liegt die berechtigte Sorge.
Ein Bericht des Lawrence Berkeley National Laboratory im Auftrag des US-Energieministeriums fand, dass US-Rechenzentren 2023 etwa 176 TWh – 4,4 % des nationalen Stroms – verbrauchten, mit Prognosen von 325–580 TWh bis 2028, also 6,7–12 % des US-Stroms (LBNL / DOE, 2024). Das Wachstum beschleunigte sich von ~7 % pro Jahr (2014–2018) auf 18 % pro Jahr (2018–2023), vor allem wegen KI-Servern.
Weltweit schätzt die Internationale Energieagentur im Bericht Energy and AI Rechenzentren auf etwa 415 TWh im Jahr 2024 (~1,5 % des Weltstroms), mit einer Verdopplung auf rund 945 TWh bis 2030 – etwas mehr als Japans gesamter Stromverbrauch heute – wobei KI der größte Treiber ist und die USA und China fast 80 % des Wachstums ausmachen (IEA, 2025).
Ein Hinweis in beide Richtungen: Das sind Prognosen, keine Messungen, und Rechenzentren betreiben auch viele Nicht-KI-Anwendungen. Wir verfolgen die aktuellen Zahlen auf unserer Seite KI-Statistiken.
Wie vergleicht sich der Energieverbrauch von KI mit Alltagsdingen?
Kontext macht Wattstunden anschaulich. Eine typische Textanfrage (~0,3 Wh) entspricht:
- Etwa 1 Sekunde Ihres Backofens im Betrieb, laut OpenAI-Vergleich (DCD, 2025).
- Ein paar Minuten einer LED-Lampe (eine 10-W-Lampe verbraucht 0,3 Wh in etwa zwei Minuten).
- Ungefähr einer Google-Suche, zumindest laut Googles veralteter Angabe von 2009 mit ~0,3 Wh (Google, 2009). Die virale „10x eine Google-Suche“-Behauptung teilte eine alte, hohe KI-Schätzung durch diese ebenfalls alte Suchzahl – beide stimmen heute nicht mehr.
- Etwa 1/250 einer Stunde Videostreaming, das etwa 77 Wh pro Stunde verbraucht (IEA, 2020).
- Deutlich weniger als das Laden Ihres Handys (~10–15 Wh), wobei die Generierung eines einzelnen KI-Bildes daran heranreichen kann (MIT Technology Review, 2023).
Kurz gesagt: Ihr Chatbot-Konsum ist ein Rundungsfehler in Ihrem persönlichen Energie-Fußabdruck. Die Geschichte ist nicht Ihre Nutzung – sondern die aller zusammen, konzentriert an bestimmten Stellen im Stromnetz.
Warum der Energieverbrauch pro Anfrage sinkt
Die oben genannten Pro-Anfrage-Zahlen sind schon wieder veraltet – und zwar nach unten. Google berichtete, dass der Energieverbrauch der mittleren Gemini-Textanfrage innerhalb eines Jahres um das 33-fache sank, vor allem durch Software – bessere Modellarchitekturen, klügeres Batching und höhere Hardware-Auslastung (Google Cloud, 2025). Jede neue Chipgeneration liefert zudem mehr Rechenleistung pro Watt, und Techniken wie Mixture-of-Experts-Modelle aktivieren pro Anfrage nur einen Teil der Modellparameter.
Der bekannte Haken aus der Ökonomie: Wenn etwas günstiger wird, steigt der Verbrauch. Sinkende Kosten pro Token ermöglichen erst Reasoning-Modelle, längere Kontexte und KI-Video – die pro Aufgabe viel mehr Tokens nutzen. Die Effizienz pro Anfrage steigt, aber die Gesamtnachfrage wächst weiter. Das ist kein Widerspruch; genau dieses Muster unterstellen die Prognosen von LBNL und IEA.
Wie besorgt sollte man sein?
Ausgewogene Antwort: Kein schlechtes Gewissen pro Anfrage, aber den Trend auf Netzebene beobachten.
Pro Anfrage sind die Kosten wirklich gering – vergleichbar mit einer Suche, ein Bruchteil einer Streaming-Minute. Einen Chatbot zu meiden, um „Energie zu sparen“, ist wie einmal auf den Aufzug zu verzichten, um das Klima zu retten.
Auf Systemebene sind die Sorgen real, aber spezifisch. Rechenzentren ballen sich in bestimmten Regionen, wo sie lokale Netze belasten, Strompreise erhöhen und – wenn der neue Bedarf mit Gas statt sauberem Strom gedeckt wird – Emissionssenkungen verlangsamen können. Die IEA nennt auch die Kehrseite: KI, eingesetzt für Netze, Gebäude und Industrie, könnte mehr Energie einsparen, als Rechenzentren verbrauchen – garantiert ist das aber nicht (IEA, 2025). Energie- und Wasser- Fußabdruck steigen und fallen hier gemeinsam: Weniger Rechenleistung bedeutet weniger Strom und weniger Kühlung.
Was wird dagegen getan?
Der Druck zeigt sichtbare Reaktionen in der Branche.
- Stromverträge in nie dagewesenem Maßstab. Microsoft schloss einen 20-Jahres-Vertrag zum Neustart eines Three-Mile-Island-Reaktors ab – 835 MW CO₂-freier Strom für seine Rechenzentren, voraussichtlich ab 2028 (Utility Dive, 2024). Google und Amazon haben ähnliche Atom- und Ökostromverträge abgeschlossen.
- Erneuerbare für Rechenzentren gebaut. Die IEA prognostiziert über 450 TWh neue erneuerbare Stromerzeugung für Rechenzentren bis 2035 (IEA, 2025).
- Effizienz als Produktziel. Spezialchips (TPUs, Inferenz-Beschleuniger), Flüssigkeitskühlung und Modelltricks wie Distillation und Quantisierung senken die Wattstunden pro Token.
- Mehr Transparenz. Googles 2025-Paper pro Anfrage war die erste detaillierte öffentliche Messung eines großen Anbieters; OpenAI folgte mit einer eigenen Zahl. Unabhängige Überprüfung ist noch selten, aber die Richtung stimmt.
Das Fazit
Wie viel Energie verbraucht KI? Etwa 0,3 Wattstunden für eine typische Textanfrage – für sich genommen vernachlässigbar – und etwa 415 TWh pro Jahr für die weltweiten Rechenzentren, mit einer Verdopplung bis 2030. Die Pro-Nutzung-Zahl ist klein und sinkt; die Gesamtsumme ist groß und steigt. Beide verdienen es, mit Quelle genannt zu werden, und keine rechtfertigt Panik oder Gleichgültigkeit. Wer die Technik hinter diesen Zahlen verstehen will, startet am besten in unserem Lernbereich.
Häufig gestellte Fragen
Wie viel Energie verbraucht eine ChatGPT-Anfrage?
Etwa 0,3–0,34 Wattstunden für eine typische Textanfrage, laut OpenAIs eigener Angabe und einer unabhängigen Schätzung von Epoch AI. Das entspricht ungefähr ein paar Minuten einer LED-Lampe. Lange Dokumente und Reasoning-Modelle können eine einzelne Anfrage auf mehrere Wattstunden oder mehr treiben.
Verbraucht das Training eines KI-Modells mehr Energie als der Betrieb?
Das Training ist ein enormer einmaliger Aufwand – GPT-3 benötigte etwa 1.287 MWh, und ein Modell der GPT-4-Klasse laut Epoch AI-Schätzung rund 40–50 GWh. Aber Milliarden täglicher Anfragen bedeuten, dass das Inferenz (alltägliche Nutzung) inzwischen mehr Gesamtenergie verbraucht als das Training bei populären Modellen.
Wie viel Strom verbrauchen Rechenzentren insgesamt?
US-Rechenzentren verbrauchten 2023 etwa 176 TWh – 4,4 % des nationalen Stroms – laut einem Bericht des Lawrence Berkeley National Laboratory, mit Prognosen von 325–580 TWh bis 2028. Weltweit schätzt die IEA den Verbrauch von Rechenzentren 2024 auf etwa 415 TWh, mit einer Verdopplung auf ~945 TWh bis 2030.
Ist eine ChatGPT-Anfrage schlimmer als eine Google-Suche?
Sie liegen inzwischen im gleichen Bereich. Googles Angabe von 2009 für eine Suche lag bei etwa 0,3 Wh – genauso viel wie heutige ChatGPT-Schätzungen. Die populäre Behauptung ‘10x schlimmer’ verglich eine alte 3-Wh-KI-Schätzung mit dieser veralteten Suchzahl, und beide Werte haben sich seither verändert.
Wie vergleicht sich der Energieverbrauch von KI mit Videostreaming?
Eine Stunde Videostreaming verbraucht laut IEA-Analyse etwa 0,077 kWh (77 Wh) – das entspricht etwa 250 typischen ChatGPT-Anfragen. Eine einzelne KI-Anfrage entspricht eher ein paar Sekunden Fernsehzeit als einem Netflix-Marathon.
Warum sinkt der Energieverbrauch pro KI-Anfrage?
Bessere Chips, intelligentere Modellarchitekturen und höhere Auslastung. Google meldete einen 33-fachen Rückgang des Energieverbrauchs pro Gemini-Textanfrage innerhalb eines Jahres. Der Haken: Die Gesamtnachfrage steigt trotzdem, weil die Nutzung schneller wächst als die Effizienz.
Ist der Energieverbrauch von KI ein ernstes Problem?
Pro Anfrage nein – er ist winzig. Das eigentliche Problem ist das Gesamtwachstum: Rechenzentren könnten bis 2028 6,7–12 % des US-Stroms verbrauchen, was lokale Netze belastet und Emissionssenkungen verlangsamt, wenn der neue Bedarf mit fossilen Brennstoffen gedeckt wird. Es lohnt sich, das Thema zu beobachten, aber nicht in Panik zu geraten.
Was tun Tech-Unternehmen gegen den Energieverbrauch von KI?
Sie kaufen sauberen Strom in großem Maßstab – Microsoft hat einen 20-Jahres-Vertrag zum Neustart eines Three-Mile-Island-Reaktors (835 MW) abgeschlossen, und die IEA prognostiziert über 450 TWh neue Erneuerbare für Rechenzentren bis 2035 – außerdem werden effizientere Chips, Modelle und Kühlung entwickelt.
Möchten Sie klar recherchierte Erklärungen wie diese direkt ins Postfach? Abonnieren Sie unseren wöchentlichen KI-Newsletter. Für weitere Zahlen besuchen Sie unsere Seite KI-Statistiken und das Pendant zum Wasserverbrauch von KI, und um die Technik zu verstehen, starten Sie im Lernbereich.
Frequently asked questions
Wie viel Energie verbraucht eine ChatGPT-Anfrage?
Etwa 0,3–0,34 Wattstunden für eine typische Textanfrage, laut OpenAIs eigener Angabe und einer unabhängigen Schätzung von Epoch AI. Das entspricht ungefähr ein paar Minuten einer LED-Lampe. Lange Dokumente und Reasoning-Modelle können eine einzelne Anfrage auf mehrere Wattstunden oder mehr treiben.
Verbraucht das Training eines KI-Modells mehr Energie als der Betrieb?
Das Training ist ein enormer einmaliger Aufwand – GPT-3 benötigte etwa 1.287 MWh, und ein Modell der GPT-4-Klasse laut Epoch AI-Schätzung rund 40–50 GWh. Aber Milliarden täglicher Anfragen bedeuten, dass das Inferenz (alltägliche Nutzung) inzwischen mehr Gesamtenergie verbraucht als das Training bei populären Modellen.
Wie viel Strom verbrauchen Rechenzentren insgesamt?
US-Rechenzentren verbrauchten 2023 etwa 176 TWh – 4,4 % des nationalen Stroms – laut einem Bericht des Lawrence Berkeley National Laboratory, mit Prognosen von 325–580 TWh bis 2028. Weltweit schätzt die IEA den Verbrauch von Rechenzentren 2024 auf etwa 415 TWh, mit einer Verdopplung auf ~945 TWh bis 2030.
Ist eine ChatGPT-Anfrage schlimmer als eine Google-Suche?
Sie liegen inzwischen im gleichen Bereich. Googles Angabe von 2009 für eine Suche lag bei etwa 0,3 Wh – genauso viel wie heutige ChatGPT-Schätzungen. Die populäre Behauptung '10x schlimmer' verglich eine alte 3-Wh-KI-Schätzung mit dieser veralteten Suchzahl, und beide Werte haben sich seither verändert.
Wie vergleicht sich der Energieverbrauch von KI mit Videostreaming?
Eine Stunde Videostreaming verbraucht laut IEA-Analyse etwa 0,077 kWh (77 Wh) – das entspricht etwa 250 typischen ChatGPT-Anfragen. Eine einzelne KI-Anfrage entspricht eher ein paar Sekunden Fernsehzeit als einem Netflix-Marathon.
Warum sinkt der Energieverbrauch pro KI-Anfrage?
Bessere Chips, intelligentere Modellarchitekturen und höhere Auslastung. Google meldete einen 33-fachen Rückgang des Energieverbrauchs pro Gemini-Textanfrage innerhalb eines Jahres. Der Haken: Die Gesamtnachfrage steigt trotzdem, weil die Nutzung schneller wächst als die Effizienz.
Ist der Energieverbrauch von KI ein ernstes Problem?
Pro Anfrage nein – er ist winzig. Das eigentliche Problem ist das Gesamtwachstum: Rechenzentren könnten bis 2028 6,7–12 % des US-Stroms verbrauchen, was lokale Netze belastet und Emissionssenkungen verlangsamt, wenn der neue Bedarf mit fossilen Brennstoffen gedeckt wird. Es lohnt sich, das Thema zu beobachten, aber nicht in Panik zu geraten.
Was tun Tech-Unternehmen gegen den Energieverbrauch von KI?
Sie kaufen sauberen Strom in großem Maßstab – Microsoft hat einen 20-Jahres-Vertrag zum Neustart eines Three-Mile-Island-Reaktors (835 MW) abgeschlossen, und die IEA prognostiziert über 450 TWh neue Erneuerbare für Rechenzentren bis 2035 – außerdem werden effizientere Chips, Modelle und Kühlung entwickelt.
Weiterlesen
Werde gut in KI – eine praktische E-Mail pro Woche.
Tools, Anwendungsfälle und Abkürzungen, die du anwenden kannst. Kein Hype.