Was kostet ein Bild?

Was kostet es, ein Bild zu malen, einen Song zu komponieren oder einen Film zu drehen? Was, ein Buch zu schreiben oder einen Blogartikel?

Ideen, Fähigkeiten, Kenntnisse, Übung, Geduld, Disziplin, Zeit, Ausdauer, Mut und Kritikfähigkeit mögen die ersten naheliegenden Antworten auf diese Fragen sein.

Die Antworten werden komplexer, wenn generative KI-Systeme für diese kulturellen und kreativen Praktiken hinzugezogen werden. Dann stehen auch Strom, Wasser, CO₂-Emissionen und Atommüll mit auf der Rechnung.

Wie alles zusammenhängt

Das Internet ist neuerdings voll mit Bildern und Videos, die mit KI-Systemen generiert wurden. Auch generierte Texte sind mittlerweile allgegenwärtig, KI-generierte Bücher werden auf den großen Marktplätzen des Webs gehandelt (Abre numa nova janela) und KI-generierte Musik über Streamingplattformen ausgespielt (Abre numa nova janela).

Der Produktionsprozess KI-generierter Medien ist in der Regel der folgende: Auf der Webseite eines KI-Tools wird im Browser ein Textprompt eingegeben, der nach dem Abschicken einen Text, ein Bild oder ein Video zurückliefert. Dieser Stand kann dann durch weitere Prompts verändert werden, bis das Ergebnis gefällt oder verworfen wird.

Mit jedem Abschicken wird ein entfernter Computer beauftragt, aus dem Prompt das gewünschte Produkt zu erzeugen und es zurückzuschicken. Der Vorgang folgt dem bekannten EVA-Prinzip (Abre numa nova janela) der Datenverarbeitung: Eingabe, Verarbeitung, Ausgabe. Der interessante Schritt hier ist die Verarbeitung, da er sehr viel Rechenleistung auf entfernten Rechnern und damit sehr viel Energie erfordert.

Die notwendige Rechenleistung für generative KI-Prozesse steht auf herkömmlichen privaten Laptops und Bürocomputern in der Regel nicht zur Verfügung, das Generieren eines Bildes ist zwar möglich, dauert aber sehr lange. Damit es schneller geht, braucht es Grafikkarten, deren besonderer Chip (Graphical Processing Unit, GPU) bestens geeignet ist, die speziellen mathematischen Operationen durchzuführen, die für die Übersetzung des Sprachprompts in Bilder, Videos und Texte nötig sind.

Diese Grafikkarten sind umso teurer, je leistungsfähiger sie sind, und um so leistungsfähig zu sein, brauchen sie entsprechend viel Strom. Im Betrieb werden sie heiß, weshalb sie gekühlt werden müssen, oft mit Wasser. Da Grafikkarten nur im Verbund mit einem Computer ihren Dienst tun können, kommen dessen Energieverbrauch und Wärmeentwicklung noch dazu, denn auch die Kühlsysteme verbrauchen Strom. Und Wasser. Aber dazu mehr in einem kommenden Beitrag.

Seit der Veröffentlichung von ChatGPT am 30. November 2022 haben generative KI-Systeme eine bemerkenswerte Entwicklung durchgemacht. War es auch in den Jahren vorher schon möglich, mit generativer KI zu interagieren, ermöglichte es das leicht zu benutzende Interface von ChatGPT auch Personen ohne Computerkenntnisse, mit KI zu arbeiten. Binnen Kurzem registrierten sich Millionen Interessierter (Abre numa nova janela). Dieser Trend nahm in den folgenden Jahren noch zu und weitete sich auf die zahlreichen anderen generativen KI-Tools aus, die jeden Tag veröffentlicht werden. Die Seite Futurepedia katalogisiert Tausende (Abre numa nova janela) KI-basierter Anwendungen und wird ständig aktualisiert.

Diese Entwicklung bringt es mit sich, dass die Rechenzentren der Firmen wachsen, die KI-Systeme hosten und ihre Rechenleistung zur Verfügung stellen. Damit wachsen auch der Energieverbrauch, die Wärmeentwicklung, die CO₂-Emissionen und der Kühlwasserbedarf.

Trainieren und generieren

Bevor ein solches generatives KI-System zum Einsatz kommt, muss ein Modell trainiert werden. Aus gigantischen Datenmengen, also Texten, Bildern, Videos oder Musiktiteln, die aus dem Internet und anderen Datenbanken stammen, werden typische Merkmale schrittweise in ein Modell überführt, das anschließend in der Lage ist, neue Texte, Bilder, Videos und Musiktitel zu generieren. Dieses maschinelle Lernen wird mit künstlichen neuronalen Netzen durchgeführt, die die Eigenschaften von Neuronen im menschlichen Hirn nachbilden sollen (s. Abb. 1 für ein einfaches Klassifizierungsbeispiel).

(Abre numa nova janela)

Der Trainingsvorgang mit den gigantischen Datenmengen ist nicht nur zeitaufwändig, sondern auch sehr energieintensiv. Wenn er nicht die gewünschten Ergebnisse zeitigt, muss er wiederholt werden, und regelmäßig müssen die Modelle mit neuen Daten aktualisiert, also nachtrainiert werden.

In der Entwicklung von KI-Systemen gibt es also zwei energieintensive Phasen: die Entwicklungs- oder Trainingsphase, die nie abgeschlossen ist, wenn KI-Modelle aktuell gehalten werden sollen, sowie die Nutzungsphase, in der täglich oft Millionen Menschen (und andere Maschinen!) mit KI-Systemen neue digitale Artefakte auf den Computern der großen Rechenzentren erzeugen.

Zahlen, bitte!

Computer brauchen seit dem Aufkommen generativer KI immer mehr Strom. Während ein durchschnittlicher PC im Jahr 87 kWh Strom für den Betrieb benötigt (Abre numa nova janela), setzt ein Server in einem kleinen Rechenzentrum ca. 6000 kWh um, also fast 70 Mal so viel.¹ Der heimische PC kann komplett heruntergefahren werden und verbraucht damit in den Zeiten, in denen er nicht genutzt wird, keinen Strom. Server in Rechenzentren haben eine weitaus höhere Auslastung und laufen oft rund um die Uhr. Die internationale Energieagentur IEA prognostiziert ein weltweites Wachstum des Energiebedarfs in Rechenzentren um das Doppelte bis 2030, vor allem duch den aktuellen KI-Boom und die dafür notwendigen Rechenaufwände (s. Abb. 2).

(Abre numa nova janela)

Woher kommt der Strom?

Um unseren Energiebedarf zu decken, müssen Primärenergieträger wie Steinkohle, Braunkohle, Erdgas, Erdöl, Uran und erneuerbare Energieträger (Sonne, Wind, Wasser) in Sekundärenergieträger wie Heizöl, Benzin, Koks, Briketts oder elektrische Energie umgewandelt werden. In diesem Umwandlungs- und Übertragungsprozess kommt es zu Verlusten, bspw. zu Abwärme. Die schließlich verwendbare Energie wird als Nutz- oder Endenergie bezeichnet. Sie kommt in Haushalten, der Industrie und auch in Rechenzentren zum Einsatz.²

Die Primärenergieversorgung hat sich von 1973 bis 2022 mehr als verdoppelt, wie die folgende Abbildung zeigt. Am 30. November 2022 wurde ChatGPT veröffentlicht, was einen neuen Boom von KI-Systemen und -Tools zur Folge hatte, deren Energiebedarf in der Erhebung noch nicht abgebildet ist (s. Abb. 3).

(Abre numa nova janela)

Eine Studie der Internationalen Energieagentur IEA (Abre numa nova janela) arbeitet genauer heraus, wie der Energieverbrauch von KI im globalen Zusammenhang aussieht. Darin wird deutlich, wo die Rechenzentren mit dem höchsten Energieverbrauch liegen. Die Region Nord-Virginia rund um Washington D.C. hat z. B. laut Karte einen Energieverbrauch von 12 GW, was 25 % des Strombedarfs der Region entspricht. (s. Abb. 4 und Bericht der IEA (Abre numa nova janela)).

(Abre numa nova janela)

Ein Branchentool (Abre numa nova janela) für Rechenzentrumsinvestor*innen macht es möglich, die Regionen der Karte genauer zu untersuchen und dabei mit der Satellitenansicht auch die Umgebung zu analysieren, z. B. die Region Nord-Virginia (Abre numa nova janela).³

Wie hängen KI und CO₂-Emissionen zusammen?

Sasha Luccioni (Abre numa nova janela) forscht bei Hugging Face⁴ zu Energie und Nachhaltigkeit von KI-Systemen. In einem Video (Abre numa nova janela), das Teil eines technischen Online-Kurses über KI-Entwicklung ist, zeigt Luccioni den Zusammenhang von CO₂-Emissionen und KI-Training in den verschiedenen Regionen der Welt, indem der dortige Energiemix betrachtet wird (s. Abb. 5).

(Abre numa nova janela)

Gemäß der Tabelle in Abb. 5 wird für eine Kilowattstunde Elektrizität in der Region us-east-1 (Nord-Virginia) ungefähr halb soviel CO₂ emittiert wie in der Region ap-east-1 (Hongkong). Der Grund liegt in den verwendeten Primärenergieträgern der jeweiligen Region: Während Nord-Virginia seine Energie für Rechenzentren hauptsächlich aus Erdgas zieht, setzt Hongkong auf Kohle. Ein Vergleich der letzten und ersten Zeile der Tabelle (Kanada und Indien) macht den Zusammenhang von KI, CO₂-Emissionen und dem Energiemix eines Landes noch deutlicher: Der Anteil von Wasserkraft (engl.: hydropower) zur Energieerzeugung in Kanada liegt im Vergleich zu anderen Ländern sehr viel höher und die CO₂-Emissionen sind damit sehr viel niedriger als bspw. in Indien. Dort wird hauptsächlich Kohle verstromt, was den enormen CO₂-Ausstoß pro 1 kWh Strom erklärt. Abb. 6 stellt den Strommix der verglichenen Länder gegenüber.

(Abre numa nova janela)

Nicht zu unterschlagen sind an dieser Stelle Bemühungen in den “fossilen” Ländern, auch erneuerbare Energien für den Strom in Rechenzentren zu erschließen, wie dieser Artikel (Abre numa nova janela) es z. B. für Indien aufzeigt.

Was kostet ein Bild?

Die großen Zahlen, mit denen hier hantiert wird, liegen möglicherweise jenseits unseres Vorstellungsvermögens. Hilfreich ist daher eine Studie von Luccioni et al. (2023), die detailliert die CO₂-Emissionen bei der Entwicklung und Nutzung von KI-Systemen betrachtet.

Abb. 7 aus der Studie zeigt, dass Bildgenerierung im Vergleich zu anderen Aufgaben für die größten CO₂-Emissionen verantwortlich ist. Textklassifizierung, die bspw. für die automatisierte Moderation von Kommentaren in Social Media und Foren eingesetzt wird, liegt am Ende der Skala. Textgenerierung liegt im Mittelbereich (CO₂-Angaben jeweils bezogen auf 1000 Anfragen an das jeweilige Modell).

Wie schon erläutert, geht der Nutzung eines KI-Systems das Training voraus. Dieses ist in der Regel nicht abgeschlossen, weil Modelle besser werden, wenn sie mit aktuellen Daten aus der Interaktion nachtrainiert werden. Luccioni et al. haben auch hierzu Untersuchungen angestellt und den Stromverbrauch berechnet. Dabei wurde deutlich, dass die Trainingskosten die Nutzungskosten weit übersteigen - jedenfalls so lange, bis ein populäres Modell (z. B. GPT 4 bei ChatGPT) bei Millionen Nutzenden täglich zum Einsatz kommt.

CO₂-Emissionen verstärken den Treibhauseffekt und treiben den Klimawandel voran. Das gilt auch für digitale Technologien: Die Rechenzentren, die KI-Modelle betreiben, verbrauchen enorme Mengen Strom. Wie stark jede unserer KI-Anfragen das Klima belastet, hängt maßgeblich vom Energiemix ab – ob der Strom aus erneuerbaren Energien oder fossilen Brennstoffen kommt.

Ein weiterer Aspekt wird in der Studie von Luccioni et al. deutlich: Große Modelle, die alle möglichen Aufgaben erfüllen können wie Textzusammenfassung, Textgenerierung, Bildgenerierung, Codegenerierung etc. sind energie- und CO₂-intensiver als Modelle, die auf eine bestimmte Aufgabe trainiert wurden (Luccioni et al., 2023, S. 13).

Die Entwicklung hin zu einigen wenigen marktführenden All-in-One-Systemen wie ChatGPT, Claude und Gemini deuten an, dass hier in naher Zukunft neue Formen von Betriebssystemen entstehen, die Alltagsaufgaben mit Hilfe von sogenannten KI-Agenten durch einfache Textaufforderungen erledigen sollen. Dieser Schritt zu mehr Arbeitserleichterung und Bequemlichkeit hat hinsichtlich der Energiekosten und CO₂-Emissionen also ebenso einen Preis.

Wie bezahlen wir den Preis?

Es ist ja nicht so, dass den kleinen und großen Anbietern von KI-Systemen und die Stromkosten und CO₂-Emissionen der boomenden Technologie nicht schon selbst aufgefallen wären. Viele haben sich verpflichtet, bis 2030 oder 2045 CO₂-neutral zu werden. Da nimmt es nicht wunder, dass auch Atomkraft wieder ins Spiel kommt.

Microsoft will das 1979 havarierte Atomkraftwerk Three Mile Island in Harrisburg, Pennsylvania, wieder anfahren (Abre numa nova janela) und kauft dem Unternehmen den gesamten Strom für seine KI-Rechenzentren ab. Welche Herausforderungen das mit sich bringt, zeigt ein Beitrag in nature (Abre numa nova janela): Der Austausch verrosteter Leitungen und Turbinen sowie die Abhängigkeit von russischem Uran machen das Projekt komplexer als es zunächst aussieht. Russland ist auch während des Ukraine-Krieges Lieferant für Uran, weil dieses von den US- und EU-Sanktionen ausgenommen ist. Nun fahre allerdings die USA die eigene Uran-Anreicherung weiter hoch, wie nature schreibt.

Amazon hat in der Region ein neues Rechenzentrum (Abre numa nova janela) neben dem Atomkraftwerk Susquehanna (Abre numa nova janela) gekauft. Auch Google ist mit der Bestellung von mehreren nuklearen Smart Modular Reactors (SMRs) bei Kairos Power (Abre numa nova janela) in die Strategie eingestiegen, CO₂-Neutralität mit Atomkraft zu erreichen. Das Branchenportal Data Center Frontier gibt an, ein Baustellenfoto eines SMR von Kairos (Abre numa nova janela) zu zeigen.

Atomkraft generiert kein CO₂. Aber ob die Investition in die katastrophenbehaftete Nukleartechnologie (Tschernobyl, Fukushima, Harrisburg) auch dazu führt, dass für neue oder renovierte Atomkraftwerke fossile Brennstoffe aus dem Mix genommen werden, wird sich zeigen. Zudem bringen der Primärenergieträger Uran sowie der radioaktive Abfall, für den es bis heute kein Recycling und auch keine sichere Endlagerung gibt, Probleme mit sich, die schon seit Jahrzehnten bekannt und ungelöst sind.

Wenn’s irgendwo billiger wird, muss es woanders teurer werden.

Dazu kommt, dass die petromaskuline⁵ und fossilenergiefreundliche Trump-Administration die Nutzung von Gas für Rechenzentren wieder antreibt. Ein ausführlicher Artikel (Abre numa nova janela) macht deutlich, dass Pennsylvania reich an Erdgas ist, das durch Fracking gewonnen wird. Vertreter aus dem Trump-Umfeld sehen es als “existential risk” an, das KI-Wettrennen zu verlieren und daher Gaskraftwerke als schnelle Lösung, um den aktuellen Vorsprung zu halten. Von den Warnungen der Klimaschützer*innen halten sie nichts.

Lösungen, bitte!

KI hat gerade Hochkonjunktur. In jeder Branche, jeder Disziplin, für jeden Beruf und jede Arbeit wird eine Zukunft gezeichnet, in der KI allgegenwärtig sein würde oder dominiert. Man sitzt bei einem Essen mit Freund*innen und überlegt, was aus dem eigenen Job in einigen Jahren wird und was die Kinder lernen oder studieren sollen.

Die Abhängigkeit von Strom, die Emissionen von CO₂ bei der Umwandlung fossiler Energieträger, der Ausbau von Atomenergie und der Wirkung dieser Entwicklungen auf die Bewohnbarkeitsbedingungen des Planeten sind dabei selten das Thema. Dabei scheint unsere Zukunft nicht nur davon abzuhängen, wie sich KI in allen Bereichen des Lebens durchsetzt, sondern gleichzeitig auch, wie sich der enorme Energiebedarf auf unsere Welt auswirkt. Das Eine ist ohne das Andere nicht denkbar.

Ermutigend ist, dass Sasha Luccioni nicht allein ist mit ihrer Forschung zu den Kehrseiten der KI-Medaille. Ein Beitrag im MIT Review (Abre numa nova janela) z. B. erläutert verschiedene Ansätze, mit denen den hohen Energie- und CO₂-Kosten von KI technisch begegnet werden kann:

• Hardware-Optimierung: Forschende vom MIT Lincoln Laboratory haben gezeigt, dass das “Herunterregeln” von GPUs auf etwa 30% ihres Energieverbrauchs nur minimale Auswirkungen auf die Leistung von KI-Modellen hat, während gleichzeitig die Hardware leichter zu kühlen ist.

• Effizienteres Training: Etwa die Hälfte der Energie beim Training wird aufgewendet, um die letzten 2-3 Prozentpunkte an Genauigkeit zu erreichen - ein früherer Trainingsabbruch könnte viel Energie sparen.

• Algorithmische Verbesserungen: Das Mooresche Gesetz (Abre numa nova janela) gilt quasi auch für den KI-Zusammenhang: Effizienzgewinne durch neue Modellarchitekturen, die komplexe Probleme schneller lösen können, verdoppeln sich alle acht bis neun Monate. Das Konzept des “Negaflop” beschreibt Rechenoperationen, die dank algorithmischer Verbesserungen gar nicht erst durchgeführt werden müssen - etwa durch das “Pruning” unnötiger Komponenten neuronaler Netze oder Kompressionstechniken.

• Intelligente Energienutzung: Forschende untersuchen, wie Rechenoperationen zeitlich so aufgeteilt werden können, dass sie dann ausgeführt werden, wenn mehr erneuerbare Energien wie Solar- und Windkraft ins Netz eingespeist werden. Langzeit-Energiespeicher in Rechenzentren könnten überschüssige erneuerbare Energie speichern und bei Bedarf nutzen.

• Standortoptimierung: Die Wahl des Standorts kann erhebliche Auswirkungen haben, wie Luccioni et al. schon gezeigt haben. Kühlere Standorte wie ein Rechenzentrum von Meta in Nordschweden reduzieren den Kühlbedarf – solange es dort noch kühl ist, möchte man hinzufügen. Zudem wird zunehmend auch der “embodied carbon” - also die Emissionen beim Bau der Rechenzentren selbst - berücksichtigt, weshalb Unternehmen nachhaltigere Baumaterialien erforschen.

Dass die Abwärme von Rechenzentren in Deutschland besser genutzt werden muss, schreibt ein neues Gesetz in Deutschland vor, wie Bernward Janzing in der taz (Abre numa nova janela) erläutert. Forschende und auch die Politik haben also das Problem erkannt und gehen es auf unterschiedliche Weise an, wie diese Auswahl von Maßnahmen zeigt.

In einem anderen Beitrag weisen Luccioni et al. (2025) allerdings darauf hin, dass es durch Effizienzsteigerungen bei der Energiegewinnung auch zu so genannten Rebound-Effekten kommen kann: Mehr Einsparungen führen zu größerer Nutzung, womit sich unterm Strich nichts zum Positiven verändern könnte.

Was sollen wir tun?

Technischen Problemen mit technischen Lösungen zu begegnen, ist ein bekannter Reflex, der sich vom Industriezeitalters bis in die Gegenwart durchzieht. Während bspw. de la Vera & Ramge (2024) diesen Technikoptimismus als ethischen Imperativ verstanden wissen wollen, um die Herausforderungen unserer Zeit zu lösen, gibt es auch Kritik.

So weist Rainer Mühlhoff (2025) darauf hin, dass technologischer Determinismus und Techno-Optimismus vor allem im Silicon Valley von einer libertären Ideologie geprägt seien, die bekanntermaßen jegliche Einflussnahme auf Märkte und Regulierungsmaßnahmen ablehnt. Mühlhoff: “Die Techno-Optimisten im Silicon Valley vertreten offensiv die Überzeugung, dass technologischer Fortschritt nicht nur unausweichlich, sondern von Natur aus wünschenswert und moralisch geboten sei - dass er jedoch aktuell durch liberale und nachhaltigkeitsorientierte Politik behindert werde.” (S. 72)

Aber um eben diese “Behinderung” geht es, wenn wir uns eine Zukunft vorstellen wollen, in der Künstliche Intelligenz zum Nutzen aller Menschen eine tragende Rolle spielen soll. Und diese Zukunft kann nicht nur technologisch gedacht werden, sondern muss vor dem Hintergrund universaler Werte und in demokratischen Systemen imaginiert werden. Die aktuelle “Disruption” durch KI, die sich auf alle Bereiche von Bildung, Arbeit und Privatleben auswirkt, zeitigt Kosten, die auch von denen getragen werden müssen, die sie verursachen.

Bei allen Fortschritten in Forschung und Entwicklung hin zu mehr Nachhaltigkeit im KI-Sektor ist eine Einhegung der ungebremsten Entwicklung durch die Politik unabdingbar. In den USA ist aktuell eine besorgniserregende Verquickung der Trump-Administration mit zahlreichen Vertreter*innen von Techno-Ideologien zu beobachten, die Mühlhoff mit nachvollziehbaren Argumenten als Anfang eines neuen Faschismus’ markiert.

Was heißt das für uns?

• Narrative dekonstruieren: Wir sollten die Heilsversprechungen, die mit “Künstlicher Intelligenz” verbunden werden, kritisch hinterfragen: Ist die Welt, die da auf uns zukommt, die Welt, in der wir leben wollen? Ist es die einzig vorstellbare oder können wir andere Narrative entwickeln, die vom Menschen ausgeht und nicht von der Technik?

• Verantwortung einfordern: Das Anthropozän ist die logische Folge einer Technikentwicklung seit dem Industriezeitalter, die sich zu wenig um die externalisierten Kosten geschert hat. Der “Fortschritt” fand auf Kosten des Planeten statt, von dem wir leben (Latour). Wenn also mächtige männliche Technikvisionäre auf die Idee kommen, den Planeten zu verlassen (Bezos und Musk: Rakete zum Mars; Thiel: Schwimmende Inseln), weil ihnen die aktuelle Entwicklung aussichtslos erscheint, dann sollten wir sie nicht aus der Verantwortung lassen.⁶

• Für die Energiewende einstehen: KI und Energiemix sind eng miteinander verknüpft. Dass erstmals mehr Energie aus Erneuerbaren als aus Kohle (Abre numa nova janela) erzeugt wurde, ist eine erfreuliche Nachricht. Aber dass diese Entwicklung kein Selbstgänger ist, lässt sich in der USA beobachten, wo Erneuerbare diskreditiert werden und fossile Energien sowie Atomkraft neue Höhenflüge feiern können - ermöglicht durch eine Politik, die sich um wissenschaftliche Erkenntnisse zum Klimawandel nicht schert und stattdessen Kleptokratie Tür und Tor öffnet.
  Schauen wir ins eigene Land, so stehen wir bei der Energiewende einigermaßen gut da. Erneuerbare reduzieren CO₂-Emissionen bei der Energieumwandlung und sind gut fürs Klima. Damit diese Entwicklung durch die aktuelle Regierung nicht ausgebremst wird, ist es wichtig, auf diese Zusammenhänge immer wieder hinzuweisen.
  Und schließlich ist eine klare Haltung zur Atomenergie gefragt. Das Abschalten deutscher Meiler war ein sinnvoller Schritt, da klar ist, dass Atomkraft unwirtschaftlich ist, ein unlösbares Problem mit dem Umgang des fast ewig strahlenden Mülls hat und in der aktuellen Bedrohungsituation jedes laufende Atomkraftwerk ein noch größeres Sicherheitsrisiko wäre als schon zu Friedenszeiten.⁷

• Politische Vorstellungskraft und Einfallsreichtum leben: Während Techno-Optimisten und Techno-Deterministen an die naturgegebene Kraft des Fortschritts durch Technik glauben, glaube ich an die erneuerbare Energie der menschlichen Vorstellungskraft. Wir sollten uns mehr Raum für das Spekulieren nehmen und gemeinsam Zukünfte entwickeln, in denen nicht nur wir Menschen uns wohl fühlen, sondern der ganze Planet. Cecilia Rikap gibt hierzu hilfreiche Denkanstöße (Abre numa nova janela).

• Regulierungen einfordern: Es ist ein Irrglaube, dass “die unsichtbare Hand des Marktes” die aktuelle Entwicklung regeln wird. Das Kapitel “Marktversagen” im Buch “Vom Ende der Welt - Chronik eines angekündigten Untergangs” von Oreskes & Conway (2015, S. 55ff. ) legt mit einem Blick zurück aus der Zukunft dar, wie ein verfehlter Glaube an den Markt im Zeitalter des Neoliberalismus wissenschaftliche Erkenntnisse diskreditiert und strategisch alle möglichen Reaktionen auf das lange bekannte Problem des Klimawandels vereitelt hat. Daher sollten wir dem Narrativ widerstehen, dass die Regulierung der KI-Entwicklung für uns zum Nachteil sein werde. Der EU AI Act (Abre numa nova janela) ist ein erster Schritt in die richtige Richtung, jedoch sind die Auswirkungen der rasanten Entwicklung digitaler Technologien auf den Planeten und die Menschheit so vehement, dass schnelle Reaktionen wie nationale Gesetzgebungen und eine Besteuerung der KI-Produktion notwendig sind.

Fazit

Was kostet es, ein Bild zu malen, einen Song zu komponieren oder einen Film zu drehen? Was, ein Buch zu schreiben oder einen Blogartikel? Das waren meine Fragen, als ich diesen Text begonnen habe. Die Antwort darauf wird in Zukunft oft aus einer Mischkalkulation von menschlichem Aufwand und der Nutzung von KI-Systemen bestehen. Dazu kommen externalisierte Kosten, die bisher in die verfügbaren KI-Produkte nicht eingepreist sind.

Für einen klaren Fokus in diesem Text habe ich nur auf den Energiebedarf von KI geschaut und dabei weitere externalisierte Kosten wie den immensen Wasserbedarf sowie die Umweltschäden in der Produktions- und Entsorgungskette der Hardware absichtlich ausgelassen. Aber in vier Wochen erscheint der nächste Newsletter, vielleicht ist das dann mein Thema.

Sag’s weiter

Vielen Dank, dass du bis hierher gelesen hast. Wenn du den Text interessant fandest, schick ihn gern an Freund*innen und Kolleg*innen und lade sie ein, den kostenlosen Newsletter zu abonnieren. Und wenn du magst, kannst du meine Arbeit auch mit einer Mitgliedschaft unterstützen.

Referenzen

Daggett, C. N. (2023). Petromaskulinität: Fossile Energieträger und autoritäres Begehren (D. Frühauf, Übers.). Matthes & Seitz Berlin.

de la Vera, R. L., & Ramge, T. (2024). Technikoptimismus. In K. Gondlach, B. Brinkmann, M. Brinkmann, & J. Plath (Hrsg.), Regenerative zukünfte und künstliche intelligenz: Band 1: PLANET (S. 361–366). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-43586-8_29 (Abre numa nova janela)

Greshko, M. (2024). Nuclear power for AI: What it will take to reopen Three Mile Island safely. Nature, 634(8033), 272–273. https://doi.org/10.1038/d41586-024-03162-2 (Abre numa nova janela)

Luccioni, A. S., Jernite, Y. & Strubell, E. (2023). Power Hungry Processing: Watts Driving the Cost of AI Deployment? https://doi.org/10.48550/arXiv.2311.16863 (Abre numa nova janela)

Luccioni, A. S., Strubell, E., & Crawford, K. (2025). From Efficiency Gains to Rebound Effects: The Problem of Jevons’ Paradox in AI’s Polarized Environmental Debate. Proceedings of the 2025 ACM Conference on Fairness, Accountability, and Transparency, 76–88. https://doi.org/10.1145/3715275.3732007 (Abre numa nova janela)

Mühlhoff, R. (2025). Künstliche Intelligenz und der neue Faschismus. Reclam.

Oreskes, N., & Conway, E. M. (2015). Vom Ende der Welt: Chronik eines angekündigten Untergangs. Oekom.

Bildnachweis: Teaserbild von Mike Petrucci (Abre numa nova janela) auf Unsplash (Abre numa nova janela)

1. “Ein kleines Rechenzentrum mit 100 m² und weniger als 140 Servern verbraucht etwa 876.000 kWh pro Jahr.” Quelle: https://www.serverroom-security.com/blog/rechenzentrum-stromverbrauch (Abre numa nova janela). Der Beitrag gibt auch Einblicke in die Optimierungsmöglichkeiten von Rechenzentren. ↩

2. Seite „Primärenergie“. In: Wikipedia – Die freie Enzyklopädie. Bearbeitungsstand: 10. Juli 2025, 10:39 UTC. URL: https://de.wikipedia.org/w/index.php?title=Prim%C3%A4renergie&oldid=257775058 (Abre numa nova janela) (Abgerufen: 27. September 2025, 07:34 UTC) ↩

3. Aus urheberrechtlichen Gründen zeige ich hier keine Abbildungen aus dem Tool. Die verlinkte Ansicht von Nord-Virginia macht klar, wieviel neue Rechenzentren in der Region entstehen werden und wo sich diese befinden sollen. Der Strombedarf in MW ist nur für eingeloggte Mitglieder sichtbar. ↩

4. Hugging Face (Abre numa nova janela) ist eine Plattform, auf der KI-Modelle und Daten veröffentlicht und zur Nachnutzung verwendet werden können. In einem TED-Talk (Abre numa nova janela) vermittelt Luccioni einen Eindruck ihrer Forschung und geht auf drei aktuelle Herausforderungen von KI-Systemen ein, auch auf das Thema Nachhaltigkeit im Zusammenhang mit KI-Systemen. ↩

5. Cara New Dagget (2023) hat ausgehend von der ersten Amtszeit Trumps ein interessantes Buch über diesen Begriff geschrieben. ↩

6. Amüsant und gruselig zugleich ist der Bericht von Douglas Rushkoff (Abre numa nova janela) “Prepper mit Milliarden: Das Mindset der Tech-Elite”. Darin reflektiert er, wie er einige Tech-Milliardäre zu den Möglichkeiten beraten soll, die untergehende Welt hinter sich zu lassen. ↩

7. Da zentrale Kraftwerke in Kriegszeiten ein Sicherheitsrisiko darstellen, wird in der Ukraine umgebaut, wie die taz berichtet (Abre numa nova janela). ↩