Der wahre Umweltpreis von KI-Datenzentren

Stellt man einem KI-Chatbot eine Frage, erscheint die Antwort innerhalb von Sekunden. Bittet man um ein Bild, wird es nahezu ebenso schnell erzeugt. Das wirkt beinahe mühelos.

Hinter dem Bildschirm zeigt sich jedoch eine ganz andere Realität. Jede Eingabe wird an ein Lagerhaus voller surrender Maschinen geschickt, die Strom benötigen und damit zugleich Wasser und Flächen beanspruchen.

Ein neuer Bericht der Vereinten Nationen hat diese drei Kosten gemeinsam beziffert – und die Ergebnisse fallen deutlich höher aus, als es die bisherigen Kohlenstoffzahlen allein vermuten liessen.

Die Kosten hinter KI-Eingaben

Bei diesen Lagerhäusern handelt es sich um Datenzentren, deren Ausbau schneller voranschreitet, als die Stromnetze ihn problemlos verkraften können.

Bis 2030 könnten die ausschliesslich für KI vorgesehenen Datenzentren jährlich rund 945 Terawattstunden Strom verbrauchen. Das entspricht beinahe dem Dreifachen des Stromverbrauchs mehrerer der bevölkerungsreichsten Staaten der Welt.

Schon heute ist der Fussabdruck gewaltig: 2025 verbrauchten Datenzentren weltweit etwa 448 Terawattstunden. Wären sie ein Land, lägen sie damit beim Stromverbrauch weltweit auf Platz 11.

Ausserhalb der Projektionen wird erwartet, dass sich dieser Bedarf bis 2030 ungefähr verdoppelt.

Dr. Miriam Aczel vom Institut für Wasser, Umwelt und Gesundheit der Universität der Vereinten Nationen (UNU-INWEH) ist Hauptautorin des Berichts.

Wie sie erklärte, konzentrierten sich die meisten bisherigen Bewertungen ausschliesslich auf die Kohlenstoffemissionen beim Training grosser Modelle.

Doch jede verbrauchte Stromeinheit bringt auch Kosten für Wasser und Flächen mit sich.

Drei Fussabdrücke statt nur eines

Eine Senkung der Kohlenstoffemissionen kann die beiden anderen Belastungen unauffällig erhöhen.

Der Ersatz von Kohle durch Bioenergie – also Energie aus der Verbrennung pflanzlicher Stoffe – kann den Kohlenstoff-Fussabdruck der Stromerzeugung um etwa 70 Prozent reduzieren.

Der verborgene Preis dafür ist hoch: Derselbe Wechsel kann den Wasser-Fussabdruck um mehr als das 30-Fache und den Flächen-Fussabdruck um das 100-Fache steigern.

Was in einer Kohlenstoffbilanz sauber wirkt, kann andernorts unbemerkt Flüsse und landwirtschaftliche Flächen belasten.

„Am meisten überraschte uns, wie häufig Entscheidungen, die aus Kohlenstoffperspektive am umweltfreundlichsten aussehen, sich bei Wasser oder Flächen als schlechter erweisen“, sagte Aczel.

Diese Diskrepanz überraschte das Team. Ein grünes Etikett, das stillschweigend in die Irre führt.

Wohin die Energie der KI fliesst

Die öffentliche Sorge richtet sich vor allem auf das Training, also die aufwendige Phase, in der ein Modell erstmals lernt.

Die Forschenden stellten jedoch fest, dass die Inferenz – die tägliche Beantwortung von Eingaben – schätzungsweise 80 bis 90 Prozent des Energieverbrauchs eines KI-Systems ausmacht.

Nicht jede Eingabe verursacht dieselben Kosten, und die Unterschiede sind enorm. Eine gewöhnliche Chat-Antwort benötigt rund 200-mal so viel Energie wie eine einfache Textsortierung, während ein einzelnes KI-Bild etwa das 1.450-Fache dieser Vergleichsmenge verbrauchen kann.

Eine Untersuchung mit Dutzenden Modellen bestätigte dieses Muster.

Anschaulich gesagt: Ein einziges KI-Bild könnte eine kleine LED-Lampe etwa 17 Minuten lang leuchten lassen. Ein komplexes Video entspricht dagegen 42 Stunden.

Allein ChatGPT verarbeitet schätzungsweise 2,5 Milliarden Eingaben pro Tag. Um die dabei entstehenden Kohlenstoffemissionen auszugleichen, wären Baumsetzlinge auf einer Fläche von der Grösse Manhattans erforderlich.

Effizienz mit gegenteiliger Wirkung

Viel Berichterstattung über KI beruht auf einer beruhigenden Annahme: Wenn die Technologie effizienter wird, müsste ihr ökologischer Preis automatisch sinken.

Der Bericht widerspricht dieser Vorstellung entschieden. Ökonomen bezeichnen diese Falle als Rebound-Effekt, der nach einem Denker des 19. Jahrhunderts manchmal auch Jevons-Paradoxon genannt wird.

Wird etwas günstiger und leichter zugänglich, nutzen Menschen es wesentlich häufiger.

Professor Kaveh Madani, Direktor des Instituts und Leiter des Teams, formuliert es direkt: Effizientere und billigere KI führt tendenziell zu mehr KI – bis der gesamte Fussabdruck die durch Effizienz eingesparten Belastungen übersteigt.

Lokale Kosten, weit entfernte Vorteile

Die Belastungen durch KI entstehen selten dort, wo ihre Vorteile ankommen. In Irland entfielen 2023 nach nationalen Angaben rund 21 Prozent des gesamten gemessenen Stromverbrauchs auf Datenzentren – mehr als auf alle städtischen Haushalte zusammen.

Der Netzbetreiber hat neue Genehmigungen im Raum Dublin bis 2028 ausgesetzt.

In von Dürre betroffenen Teilen Mexikos konkurrieren neue Rechenstandorte um knapper werdende Wasservorräte.

In Uruguay war ein wasserintensives Datenzentrum geplant, während eine Dürre im Jahr 2023 die Reserven der Hauptstadt erschöpfte und Leitungswasser untrinkbar machte.

Auch die Hardware hinterlässt eine eigene Spur. Bis 2030 könnten KI-Geräte jährlich bis zu 2,5 Millionen Tonnen Elektroschrott erzeugen, von denen ein grosser Teil in ärmere Länder mit wenigen Schutzvorkehrungen verschifft wird.

Nur etwa 32 Staaten beherbergen diese Datenzentren, und der grösste Teil der Rechenleistung konzentriert sich auf lediglich zwei Länder.

Was Offenlegung verändern könnte

Vor diesem Bericht wurde der ökologische Preis von KI überwiegend anhand von Kohlenstoff gemessen – eine einzelne Zahl als Stellvertreter für ein viel umfassenderes Bild.

Nun stellt eine gemeinsame Bilanz Kohlenstoff, Wasser und Flächen nebeneinander und macht sichtbar, wie oft ihre Auswirkungen auseinanderlaufen.

Die Ergebnisse haben bereits politisches Gewicht. Wenige Wochen nach dem Bericht forderten die Vereinten Nationen KI-Unternehmen dazu auf, ihre Kohlenstoff-, Wasser- und Flächen-Fussabdrücke offenzulegen.

Zugleich wurden die Unternehmen aufgefordert, ihre Datenzentren bis 2030 mit erneuerbarer Energie zu betreiben.

Vergleichbare öffentliche Kennzahlen würden es Regulierungsbehörden und Kunden ermöglichen, ein Unternehmen mit einem anderen abzuwägen.

Die nächsten Schritte sind konkret: Regierungen können Datenzentren in die Wasser- und Flächenplanung einbeziehen, während Unternehmen ihre Standardeinstellungen als Umweltentscheidungen behandeln können.

Der Bericht endet zuversichtlich und argumentiert, dass Leistungsfähigkeit und Sorgfalt gemeinsam wachsen können, sobald die tatsächlichen Kosten sichtbar sind.

Der Bericht wurde als UNU-INWEH-Forschungsbericht veröffentlicht.