Wie durstig ist Künstliche Intelligenz? ChatGPT (GPT-3) und der Wasserverbrauch

Künstliche Intelligenz kann erstaunlich „durstig“ sein: Für jedes kurze Gespräch, das Nutzerinnen und Nutzer mit der GPT-3-Version von OpenAIs ChatGPT führen, können bis zu 500 Milliliter Wasser anfallen – etwa so viel wie in einer Einweg-Wasserflasche. In einer ähnlichen Grössenordnung liegt der Wasserbedarf, wenn das System eine E‑Mail mit 100 Wörtern entwirft.

In diese Zahl fliesst nicht nur Wasser ein, das direkt zur Kühlung der Server im Rechenzentrum eingesetzt wird. Mitgerechnet ist auch Wasser, das in Kraftwerken verbraucht wird, die den Strom erzeugen, mit dem die Rechenzentren betrieben werden.

Gleichzeitig betonte die Studie, die diese Schätzwerte ermittelt hat, dass der Wasserverbrauch von KI-Systemen stark schwanken kann – je nachdem, wo und zu welchem Zeitpunkt der Computer läuft, der eine Anfrage beantwortet.

Aus meiner Sicht – als wissenschaftlicher Bibliothekar und Professor für Bildungswissenschaften – bedeutet KI-Kompetenz daher mehr, als nur gute Prompts zu formulieren. Dazu gehört auch, die technische Infrastruktur zu verstehen, die damit verbundenen Abwägungen zu erkennen und die gesellschaftlichen Entscheidungen einzuordnen, die KI begleiten.

Viele Menschen halten KI grundsätzlich für schädlich, nicht zuletzt wegen Schlagzeilen über ihren grossen Energie- und Wasserfussabdruck. Diese Belastungen sind real, aber sie erzählen nicht die ganze Geschichte.

Wer den Blick von „KI als Ressourcenfresser“ hin zu einem konkreten Verständnis des tatsächlichen Fussabdrucks lenkt – woher die Auswirkungen stammen, warum sie variieren und wie man sie reduzieren kann –, ist deutlich besser in der Lage, Innovation und Nachhaltigkeit gegeneinander abzuwägen.

2 versteckte Wasserströme

Hinter jeder KI-Anfrage stehen zwei Wasserströme.

Der erste entsteht direkt vor Ort durch die Kühlung der Server, die enorme Wärmemengen produzieren. Häufig kommen Verdunstungskühltürme zum Einsatz – grosse Anlagen, die Wassernebel über heisse Leitungen oder offene Becken sprühen. Die Verdunstung führt Wärme ab, entzieht das Wasser jedoch der lokalen Versorgung, etwa einem Fluss, einem Reservoir oder einem Grundwasserleiter. Andere Kühlsysteme können mit weniger Wasser auskommen, benötigen dafür aber mehr Strom.

Der zweite Wasserstrom fällt in den Kraftwerken an, die die elektrische Energie für das Rechenzentrum liefern. Kohle-, Gas- und Kernkraftwerke benötigen grosse Wassermengen für Dampfkreisläufe und zur Kühlung.

Auch Wasserkraft verbraucht relevante Wassermengen, weil aus Stauseen Wasser verdunstet. Solarthermische Kraftwerke mit Konzentration, die ähnlich wie klassische Dampfkraftwerke arbeiten, können ebenfalls wasserintensiv sein – insbesondere dann, wenn sie auf Nasskühlung setzen.

Windturbinen und Solarpanels hingegen benötigen nach dem Bau nahezu kein Wasser mehr, abgesehen von gelegentlicher Reinigung.

Klima und Zeitpunkt sind entscheidend

Der Standort kann den Wasserbedarf drastisch verändern. Ein Rechenzentrum im kühlen, feuchten Irland kann häufig Aussenluft oder Kältemaschinen nutzen und über Monate hinweg mit sehr geringem Wasserverbrauch laufen. Ein Rechenzentrum in Arizona im Juli dagegen ist womöglich stark auf Verdunstungskühlung angewiesen. Heisse, trockene Luft macht dieses Verfahren zwar besonders wirksam, doch genau weil Verdunstung der Mechanismus der Wärmeabfuhr ist, steigt der Wasserverbrauch deutlich.

Auch der Zeitpunkt spielt eine Rolle. Eine Studie der University of Massachusetts Amherst zeigte, dass ein Rechenzentrum im Winter unter Umständen nur halb so viel Wasser benötigt wie im Sommer. Und mittags während einer Hitzewelle laufen Kühlsysteme auf Hochtouren; nachts ist die Nachfrage geringer.

Neuere Ansätze bieten Alternativen. So setzt die Immersionskühlung darauf, Server in Flüssigkeiten zu tauchen, die keinen Strom leiten – etwa synthetische Öle. Dadurch lässt sich Wasserverdunstung nahezu vollständig vermeiden.

Ausserdem gibt es ein neues Design von Microsoft, das für die Kühlung nach eigenen Angaben gar kein Wasser benötigt: Eine spezielle Flüssigkeit wird in abgedichteten Leitungen direkt an Computerchips vorbeigeführt. Sie nimmt Wärme auf und gibt sie in einem geschlossenen Kreislauf wieder ab, ohne dass Verdunstung erforderlich ist. Trinkwasser würde in den Rechenzentren weiterhin in geringem Umfang für Toiletten und andere Mitarbeitereinrichtungen gebraucht, doch die Kühlung würde nicht mehr auf lokale Wasservorräte zugreifen.

Allerdings sind solche Lösungen bisher nicht der Standard – vor allem wegen der Kosten, der komplexeren Wartung und der Schwierigkeit, bestehende Rechenzentren auf neue Systeme umzurüsten. Die meisten Betreiber setzen weiterhin auf Verdunstungssysteme.

Eine einfache Fähigkeit, die Sie nutzen können

Auch das abgefragte KI-Modell ist entscheidend. Denn je nach Komplexität unterscheiden sich Hardwareanforderungen und Rechenleistung – und damit der Ressourcenbedarf. Manche Modelle verbrauchen deutlich mehr als andere. So ergab eine Studie, dass bestimmte Modelle über 70-mal mehr Energie und Wasser benötigen können als besonders effiziente.

Den Wasserfussabdruck einer KI-Antwort können Sie selbst in drei Schritten abschätzen – ohne komplizierte Mathematik.

Schritt 1 – Suchen Sie nach belastbarer Forschung oder offiziellen Angaben. Unabhängige Analysen schätzen, dass eine Antwort mittlerer Länge von GPT-5 – also etwa 150 bis 200 Wörter Ausgabe oder ungefähr 200 bis 300 Tokens – rund 19.3 Wattstunden verbraucht. Eine ähnlich lange Antwort von GPT-4o liegt bei etwa 1.75 Wattstunden.

Schritt 2 – Verwenden Sie eine praxisnahe Kennzahl für Wasser pro Einheit Strom, die sowohl Kühlung als auch Stromerzeugung abbildet.

Unabhängige Forschende und Branchenberichte nennen als sinnvollen heutigen Bereich etwa 1.3 bis 2.0 Milliliter pro Wattstunde. Der niedrigere Wert steht für effiziente Standorte mit moderner Kühlung und einem „saubereren“ Strommix. Der höhere Wert beschreibt eher typische Anlagen.

Schritt 3 – Setzen Sie nun alles zusammen: Multiplizieren Sie den Energieverbrauch aus Schritt 1 mit dem Wasserfaktor aus Schritt 2. Das Ergebnis ist der Wasserfussabdruck einer einzelnen KI-Antwort.

Dazu genügt diese Ein-Zeilen-Formel:

Energie pro Prompt (Wattstunden) × Wasserfaktor (Milliliter pro Wattstunde) = Wasser pro Prompt (in Millilitern)

Für eine Anfrage mittlerer Länge an GPT-5 sollten Sie dabei die Werte 19.3 Wattstunden und 2 Milliliter pro Wattstunde verwenden. 19.3 x 2 = 39 Milliliter Wasser pro Antwort.

Für eine Anfrage mittlerer Länge an GPT-4o ergibt sich: 1.75 Wattstunden x 2 Milliliter pro Wattstunde = 3.5 Milliliter Wasser pro Antwort.

Wenn Sie effizientere Rechenzentren annehmen und 1.3 Milliliter pro Wattstunde einsetzen, sinken die Werte: auf etwa 25 Milliliter für GPT-5 und 2.3 Milliliter für GPT-4o.

Ein aktueller technischer Bericht von Google nennt für einen medianen Text-Prompt an das Gemini-System lediglich 0.24 Wattstunden Strom und etwa 0.26 Milliliter Wasser – ungefähr das Volumen von fünf Tropfen. Der Bericht sagt jedoch nicht, wie lang dieser Prompt ist; daher lässt er sich nicht direkt mit dem Wasserverbrauch von GPT vergleichen.

Diese unterschiedlichen Schätzungen – von 0.26 Millilitern bis 39 Millilitern – zeigen, wie stark Effizienz, KI-Modell und die Infrastruktur der Stromerzeugung ins Gewicht fallen.

Vergleiche können Kontext liefern

Um ein Gefühl dafür zu bekommen, wie viel Wasser solche Anfragen tatsächlich benötigen, hilft der Vergleich mit vertrauten Wasserverbräuchen.

In der Masse summiert sich der Verbrauch: OpenAI gibt etwa 2.5 Milliarden Prompts pro Tag an. Darin enthalten sind Anfragen an die Systeme GPT-4o, GPT-4 Turbo, GPT-3.5 und GPT-5 – ohne öffentliche Aufschlüsselung, wie viele Prompts jeweils auf ein bestimmtes Modell entfallen.

Unabhängige Schätzungen zusammen mit Googles offizieller Angabe liefern eine Grössenordnung für die mögliche Spannweite:

• Alle Google-Gemini-Prompts (Median): etwa 650,000 Liter pro Tag.
• Alle GPT 4o Prompts mittlerer Länge: etwa 8.8 Millionen Liter pro Tag.
• Alle GPT 5 Prompts mittlerer Länge: etwa 97.5 Millionen Liter pro Tag.

Zum Vergleich: In den USA werden pro Tag etwa 34 Milliarden Liter Wasser für das Bewässern von privaten Rasenflächen und Gärten verwendet. Ein Liter entspricht etwa einem Viertel Gallone.

Generative KI verbraucht also Wasser – aber zumindest derzeit sind die Tagesmengen im Vergleich zu verbreiteten Anwendungen wie Rasenbewässerung, Duschen oder Wäschewaschen gering.

Doch der Wasserbedarf ist nicht unveränderlich. Die Offenlegung von Google zeigt, was möglich ist, wenn Systeme konsequent optimiert werden – mit spezialisierten Chips, effizienter Kühlung und intelligenter Steuerung von Rechenlasten. Auch Wasserrecycling und die Ansiedlung von Rechenzentren in kühleren, feuchteren Regionen können helfen.

Ebenso wichtig ist Transparenz: Wenn Unternehmen ihre Daten veröffentlichen, können Öffentlichkeit, Politik und Forschung besser erkennen, was machbar ist, und Anbieter fairer vergleichen.

Leo S. Lo, Dean of Libraries; Advisor to the Provost for AI Literacy; Professor of Education, University of Virginia

Dieser Artikel wurde unter einer Creative-Commons-Lizenz von The Conversation erneut veröffentlicht. Lesen Sie den Originalartikel.