Energieverbrauch : KI als Klimahebel: Vom Energie-Sorgenkind zum CO2-Held

Künstliche Intelligenz (KI) treibt den Stromverbrauch von Rechenzentren massiv in die Höhe. Die Internationale Energieagentur rechnet bis 2030 mit einer Verdoppelung auf rund 945 Terawattstunden – mehr als der heutige Stromverbrauch Japans. Ähnliche Trends gelten beim Verbrauch von Wasser und Material, beispielsweise seltenen Erden.

Gleichzeitig wird KI aber auch effizienter – und kann, richtig eingesetzt, einer der Schlüssel zur Dekarbonisierung sein. Entscheidend ist, wie schnell sie effizienter wird – und ob Politik und Regulierung den richtigen Rahmen bieten.

Energieverbrauch pro Anfrage sinkt

Große KI-Modelle wie GPT‑4o oder Claude Sonnet 3.7 benötigen beim Training enorme Energiemengen – beispielsweise für Millionen GPU-Stunden (GPU = Grafikprozessoren, die auf parallele Rechenaufgaben spezialisiert sind und beim KI-Training massiv eingesetzt werden). Auch im Betrieb steigt der Rechenaufwand, etwa durch neue Verfahren wie Chain of Thought (Schlussfolgerungs-Ketten in Textform zur Verbesserung der Denk-Genauigkeit von KI) oder Multi-Agenten-Ansätze (mehrere spezialisierte KI-Instanzen, die kooperieren oder konkurrieren).

Trotzdem sinkt der Energieverbrauch pro Anfrage rasant: Die GPT‑4-Reihe ist heute bis zu 90 Prozent günstiger im Betrieb als zur Veröffentlichung – während die Modelle zeitgleich immer besser werden. Eine durchschnittliche ChatGPT-Anfrage verbraucht laut Sam Altman, CEO von OpenAI, derzeit nur noch etwa 0,34 Wattstunden – Tendenz weiter fallend.

Ähnliche Ergebnisse gibt es auch bei komplexeren KI-Systemen. Das Reasoning-Model GPT‑o3 zum Beispiel ist seit Veröffentlichung im April 2025 um 80  Prozent günstiger geworden. In weniger als einem Vierteljahr. Und da beinahe 90 Prozent der Emissionen und des Verbrauchs bei den Schritten Training und Inferenz (Antwort-Berechnung) anfallen, sind das zentrale Werte, die man kennen muss.

Parallel wird auch die Hardware effizienter: Nvidias aktuelle GPUs liefern deutlich mehr Rechenleistung pro Watt als ihre Vorgänger. Kurz: KI wird immer energieeffizienter – und das in hohem Tempo.

Unternehmen haben einen klaren Anreiz zur Effizienz

Dabei sind die rasanten Effizienzgewinne im KI-Betrieb kein Zufall, sondern folgen einem klaren wirtschaftlichen Anreiz. Denn Training und Betrieb großer KI-Modelle sind sehr ressourcenintensiv. Wer es schafft, mit weniger Energie die gleiche oder sogar bessere Leistung zu erzielen, spart enorme Kosten. Die Strategie dahinter ist immer ähnlich: Zuerst wird ein neues Leistungsniveau erreicht, dann wird mit Methoden wie Destillation (Wissen wird von einem größeren KI-Modell auf ein kleineres übertragen) und Systemoptimierung daran gearbeitet, dieses Niveau möglichst ressourcenschonend bereitzustellen.

Effizienz ist hier kein Nebeneffekt – sie ist ein zentrales Entwicklungsziel. Genau diese ökonomische Logik sorgt dafür, dass der Energieverbrauch pro Anfrage schnell sinkt. Diesem Mechanismus kann man vertrauen, denn, um es mit Charlie Munger, dem legendären Geschäftspartner von Warren Buffett, zu sagen: „Show me the incentive, and I will show you the outcome.“ Solange KI-Anbieter also wirtschaftlich arbeiten und konkurrieren müssen, haben sie starke ökonomische Anreize, so effizient wie möglich zu haushalten. Das ist eine gute Basis, aber nicht ausreichend. Denn Nachhaltigkeit kann daraus folgen, muss aber nicht.

Dennoch steigt der Gesamtverbrauch – das Jevons-Paradox

Und es gibt noch ein Problem: Effizienz senkt den Energieverbrauch pro Nutzung – aber nicht den Gesamtverbrauch. Denn je günstiger und leistungsfähiger KI wird, desto mehr wird sie eingesetzt. Anfragen, Nutzerzahlen und Anwendungsbreite steigen exponentiell. Die Folge: Der Energieverbrauch pro Anfrage sinkt. Aber der Gesamtverbrauch steigt trotzdem – weil die Nutzung explodiert. Dies ist ein klassischer Rebound-Effekt (Jevons-Paradox): Effizienzgewinne führen insgesamt nicht zu weniger Verbrauch, sondern zu mehr.

Mit den genannten Anreizen können wir gezielt das Verhalten der Anbieter beeinflussen. Zusätzlich verschaffen uns technologische Innovationen – etwa durch algorithmische Ansätze wie AlphaEvolve – weitere Handlungsspielräume, um diesen Entwicklungen entgegenzuwirken. Nur geschieht die Zukunft nicht zufällig, sondern wird von denjenigen geschaffen, die sie formen. Und da kommt, neben der technischen, die wichtigste Seite ins Spiel: Die der Rahmengeber.

Politische Steuerung wird zum zentralen Hebel

Technische Effizienz allein reicht nicht. Hier kommt die Politik ins Spiel. Denn die oben genannten Entwicklungen sind kein Naturgesetz. Sie sind politisch und regulatorisch formbar. Wenn der Energieverbrauch durch KI gesellschaftlich und ökologisch tragbar bleiben und das Jevons-Paradox eingedämmt werden soll, braucht es klare Leitplanken, darunter:

• Transparente Verbrauchs- und Emissions-Bilanzierung großer KI-Systeme
• CO2-Bepreisung auch für KI-Betrieb (zum Beispiel pro Tonne verursachtes CO2)
• Energieeffizienz-Standards für Rechenzentren und KI-Infrastrukturen
• Förderung von Low-Carbon-KI: zum Beispiel durch grüne Trainingsinfrastrukturen oder effizientere Chips
• Verpflichtende Umwelt-Folgenabschätzungen vor Rollout großer Modelle

Künstliche Intelligenz kann schon heute erhebliche Fortschritte in zahlreichen Bereichen bringen – etwa bei Genehmigungsverfahren, Standortwahl, Planung, Resilienz oder Gebäudemanagement, wie das Department of Energy in den USA dokumentiert. Doch nur wenn die politische Steuerung mit technischer Innovation Schritt hält, kann KI vom Problem zum Teil der Lösung werden.

Die Politik ist der entscheidende Player – sie kann und muss liefern. Und das Beste: Die Werkzeuge sind längst da. Kein Neuland, kein Tech-Wunder ist nötig. Der CO2-Preis funktioniert. Weil er zwingt, aber nicht vorschreibt. Weil er Lösungen fordert, ohne sie zu beschneiden. Selbiges gilt für Lebenszyklus-Analysen, Folgeabschätzungen, Energieeffizienz-Standards et cetera. Natürlich führt das zu Reibung. Wer auf alte Geschäftsmodelle setzt, spürt den CO2-Preis zuerst – und beschwert sich. Verständlich. Aber genau das ist der Punkt: Friktion erzeugt Innovation. Das Ziel ist nicht, Komfort zu sichern, sondern Lösungen zu forcieren. Und das funktioniert manchmal leider nur, wenn es wehtut.

Aber: Das klappt nur, wenn Bürgerinnen und Bürger verstehen, worum es geht – und es auch einfordern. Denn nur informierte, handelnde Wähler schaffen tatkräftige Politik.

Die Hebel hierfür liegen bei Training und Inferenz. Wir wissen, wer zuständig ist: das Bundesministerium für Wirtschaft und Energie (BMWE) für den Teil Strategie und Gesetzgebung, die Deutsche Emissionshandelsstelle (DEHSt) im Umweltbundesamt für die Umsetzung und Kontrolle. Wir wissen, dass es besser geht – effizienter, klüger, klimafreundlicher. Jetzt geht's darum, es auch zu tun.

Strategisches Werkzeug im Kampf gegen die Klimakrise

Der Energieverbrauch von KI nimmt insgesamt zu. Gleichzeitig steigt ihre Effizienz pro Benutzung in noch größerem Maße. Doch Effizienzgewinne allein reichen nicht aus, wenn die Nutzung ungebremst weiter skaliert. Ohne klare politische Leitplanken droht KI, durch Rebound-Effekte selbst zum zentralen Energieverbrauchs-Treiber zu werden.

Deshalb kommt es jetzt auf Folgendes an:

• Unternehmen müssen weiterhin gezielt Anreize für Effizienz und Nachhaltigkeit setzen. (Im Idealfall entlang von Anthropic-Gründer Dario Amodei’s Idee des „Race to the Top“, heißt sich gegenseitig durch Innovation zum Besten zu bewegen, hier angewandt auf Klimathemen).
• Die Politik muss sicherstellen, dass der gesamte Ressourcenbedarf durch KI nicht unkontrolliert aus dem Ruder läuft.
• Die Wähler sollten darauf achten, dass die Politik sachkundig bleibt und sich engagiert und fokussiert mit den relevanten Aspekten des Themas auseinandersetzt.

Die Botschaft an die Politik ist eindeutig: Begreift KI nicht nur als technologische Entwicklung, sondern als strategisches Werkzeug im Kampf gegen die Klimakrise. Setzt verbindliche Rahmenbedingungen, die Energieeffizienz und CO2-Bilanz in den Mittelpunkt des Betriebs stellen. Wir alle können diesen Wandel mitgestalten.

Benjamin Eidam ist KI-Berater, Dozent, Autor und Keynote-Speaker. Sein Unternehmen Eidam Consulting berät Unternehmen bei der Prozesstransformation durch intelligente Systeme.