Die künstliche Intelligenz macht rapide Fortschritte, KI-Modelle und KI-Agenten können immer mehr Aufgaben übernehmen und selbstständig abarbeiten. GPT, Gemini, Claude und Co können nicht mehr nur Texte, Bilder, Videos oder Computercode erzeugen, sondern auch Prozesse planen, Strukturen optimieren und selbst komplexere Probleme lösen. Das hat allerdings seien Preis: Je leistungsfähiger die großen KI-Modelle werden, desto mehr Rechenkapazität benötigen sie. Hochleistungsprozessoren werden sowohl für das Training als auch für den laufenden Betrieb benötigt.
„KI ist nicht einfach nur Code“
„KI ist nicht einfach nur Code, sie umfasst auch physikalische Infrastruktur und Lieferketten, darunter Rechenzentren, Chips, Elektrizität, Kühlsysteme, Wasser, Flächennutzung, kritische Rohstoffe und schließlich auch Elektroschrott“, konstatieren Miriam Aczel vom Institut für Wasser, Umwelt und Gesundheit der United Nations University (UNU-INWEH) und ihre Kollegen. Wenn es um die potenziellen Umweltfolgen des KI-Booms geht, standen bisher meist der Stromverbrauch und die CO2-Emissionen im Fokus.
In ihrem neuen Bericht betrachtet das Forschungsteam nun auch weitere Konsequenzen der zunehmenden KI-Nutzung, darunter den Wasser-Fußabdruck, den Flächenverbrauch, die Ungleichverteilung der KI-Ressourcen und das Problem der Elektroschrott-Entsorgung. „Dieser Bericht ist kein Plädoyer gegen die künstliche Intelligenz – eine technologische Transformation, die das Leben von Milliarden von Menschen auf der ganzen Welt verbessert“, betont Projektleiter Kaveh Madani, Direktor des UNU-INWEH.
„Es ist ein Appell, diese Technologie verantwortungsvoll einzusetzen und ihren unbeabsichtigten Auswirkungen proaktiv zu begegnen, um sie nachhaltig und gerecht zu gestalten“, so Madani. Angesichts des rasanten Wachstums der KI-Branche bleibe nur ein enges Zeitfenster, um eine nachhaltige, die planetaren Grenzen einhaltende Entwicklung zu gewährleisten.
Auch „grüne“ KI-Rechenzentren lösen nicht alle Probleme
Konkret besagt der Bericht, dass KI-Technologien im Jahr 2025 für rund 20 Prozent des globalen Stromverbrauchs von Rechenzentren verantwortlich waren. Dieser lag bei rund 448 Terawattstunden. Für 2030 prognostizieren die Forschenden jedoch eine rapide Zunahme der KI-Kapazitäten, durch die sich der Stromverbrauch der Rechenzentren auf 945 Terawattstunden verdoppeln könnte. Dies würde rund drei Prozent des globalen Stromverbrauchs entsprechen, so der Report. Den Wasserbedarf durch KI schätzt er für 2030 auf rund 9,3 Billionen Liter, den Flächenverbrauch auf 14.500 Quadratkilometer.
Interessant dabei: Gerade der Umstieg auf einen „grüneren“ Energiemix, um die CO2-Emissionen durch KI-Rechenzentren zu verringern, kommt der Umwelt nicht immer zugute: „Was uns am meisten überrascht hat, ist, wie oft sich aus CO2-Perspektive vermeintlich ‚grünere‘ Alternativen letztlich negativ auf Wasser oder Land auswirken“, sagt Aczel. So verkleinere der Umstieg von Kohle auf Bioenergie den CO2-Fußabdruck um 70 Prozent, dafür vergrößere sich der Wasserbedarf um das 30-Fache und die Flächennutzung um das 100-Fache.
“CO2-arm ist daher nicht automatisch auch wasser- oder flächensparend“, heißt es im Bericht. „Diese Asymmetrien können daher die Umweltprobleme lokaler Kommunen verschärfen, während sich die strategischen Vorteile der KI meist woanders manifestieren.“
Prompts verursachen 80 bis 90 Prozent des Strombedarfs
Der Bericht korrigiert auch eine gängige Annahme darüber, in welcher Phase eine künstliche Intelligenz am meisten Ressourcen benötigt. Bisher stand dabei das Training der KI-Modelle im Fokus. Schätzungen zufolge benötigte allein das Training von GPT-4 zwischen 50 und 70 Gigawattstunden. „Um die wahren Umweltkosten der KI zu verstehen, muss man jedoch auch die Folgen ihres täglichen Betriebs berücksichtigen“, erklären die Forschenden. Denn auch wenn ein einzelner Prompt nicht viel ausmacht, summiert sich dies bei weltweit Milliarden Prompts pro Tag.
Dadurch macht der normale KI-Betrieb inzwischen längst den Löwenanteil des Stromverbrauchs aus: 80 bis 90 Prozent des gesamten Energieverbrauchs entfallen auf das Abarbeiten von Prompts und Aufgaben, so der Bericht. Generiert die KI ein Bild, benötigt sie dafür rund 1450-mal so viel Energie wie die einfache Klassifikation eines Textes. Bei einem Videoclip sind es 415 Wattstunden und damit rund 200.000-mal mehr. Auch Faktoren wie die Länge des Prompts beeinflussen, wie viele Tokens und damit wie viel Rechenleistung das KI-Modell benötigt.
„Viele Leute denken, dass sich der Umwelt-Fußabdruck der KI verkleinern wird, wenn die Technologie besser und effizienter wird“, sagt Madani. „Aber das stimmt nur zum Teil.“ Denn je effizienter und günstiger die KI-Technologie wird, desto mehr Menschen werden sie nutzen. Dadurch steigt jedoch die Zahl der Nutzenden und Anfragen – und damit auch der Rechen- und Strombedarf.
Das Problem der Entsorgung
Und noch ein Problem werde oft unterschätzt: der anfallende Elektroschrott. Weil die Hochleistungsprozessoren oft nur eine kurze Lebensdauer haben, werden sie schon nach wenigen Monaten bis Jahren ausgewechselt – entsprechend viele ausgediente Mikrochips und Platinen fallen an. „Bis 2030 könnte die KI-Infrastruktur dadurch bis zu 2,5 Millionen Tonnen Elektroschrott pro Jahr produzieren – das entspricht etwa der Masse von 250 Eiffeltürmen pro Jahr“, schreiben die Forschenden.
Insgesamt kommt der Bericht zu dem Schluss: „KI birgt ein bemerkenswertes Potenzial, doch um dieses verantwortungsvoll einzulösen, bedarf es eines Systemwandels“, konstatieren Aczel und ihre Kollegen. Echter Fortschritt erfordere die Verankerung von Nachhaltigkeit auf allen Ebenen – vom Hardware- und Modelldesign über Lieferketten, Implementierung und Nutzung bis zur Entsorgung der ausgedienten Komponenten. „Verantwortungsvolle KI ist möglich, wenn Leistungsfähigkeit und verantwortungsvoller Umgang innerhalb der planetaren Grenzen Hand in Hand gehen“, so die Forschenden.
Bericht erntet Kritik von Experten
Allerdings gibt es auch Kritik am KI-Report der UNU: „Es ist aktuell sehr wichtig, verlässliche und belastbare Zahlen zum Ressourcenverbrauch von künstlicher Intelligenz zu veröffentlichen, um die Fülle an Informationen richtig einzuordnen. Leider wird der Bericht diesem Anspruch nicht gerecht: Er ist teilweise schwer nachvollziehbar, beruht auf alten Daten oder stellt diese nicht im angemessenen Kontext dar“, kommentiert beispielsweise KI-Forscher David Kappel von der Universität Bielefeld. So beruhen die im Bericht genannten Zahlen zum Strommix und Stromverbrauch von Rechenzentren weltweit auf Daten von 2015.
Ein weiterer Kritikpunkt mehrerer KI-Experten ist die Tatsache, dass besonders effiziente KI-Modelle wie DeepSeek nicht berücksichtigt werden und auch Fortschritte und neue Entwicklungen bei der Hardware nicht miteinbezogen wurden. „Die technischen Effizienzgewinne der vergangenen Jahre sind bemerkenswert“, sagt Wolfgang Maaß vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). „Quantisierung, Knowledge Distillation, MoE-Architekturen und hardwarespezifisches Optimieren, zum Beispiel durch Flash Attention, ermöglichen bereits heute erhebliche Effizienzsteigerungen.“
Ebenfalls kritisiert wird bei den Angaben zum Wasser-Fußabdruck, dass der Bericht nicht zwischen Verbrauch und Gebrauch unterscheidet. Ersteres bezeichnet Wasser, das nicht mehr weiter nutzbar ist, weil es beispielsweise verdunstet, im Boden versickert oder kontaminiert ist. Nur zur Kühlung oder zur Erzeugung von Strom genutztes Wasser kann dagegen weiterverwendet werden. „Wenn das Wasser nach der Energiegewinnung auch noch für andere Dinge zur Verfügung steht, dann ist dies weit weniger problematisch“, erklärt der Hydrologe Thorsten Wagener von der Universität Potsdam.
Quelle: United Nations University – Institute for Water, Environment and Health, 2026, Report: Environmental Cost of AI’s Energy Use
