Ein Rechenzentrum ist nicht dasselbe wie „KI“ und eine sofortige Wattstunde ist nicht dasselbe wie eine Netzwerk-Terawattstunde.

Abschnitt: Technologie & KI Autor: IN Leselänge: ~27 Min Quellen und weiterführende Literatur: 22 Artikel Themen: KI, Elektrizität, Rechenzentren, Inferenz, Training, PUE, Wasser, ERÚ, IEA SEO / Arbeitstitel: Wie viel Strom verbraucht künstliche Intelligenz?

Wie viel Strom verbraucht künstliche Intelligenz? Die Frage klingt einfach, bis wir feststellen, dass wir nicht ein Konto vergleichen. Das Rechenzentrum ist keine künstliche Intelligenz. Training ist keine Schlussfolgerung. Eine schnelle Wattstunde ist keine Netz-Terawattstunde. Und das tschechische Netto 58 TWh ist kein ChatGPT-Konto in Brünn. Der Artikel sucht daher nicht nach einem Prozent, um die Schlagzeile zu erobern. Es sucht nach dem Nenner: welches Jahr, welche Grenze, Messung oder Szenario und was noch nicht dazugehört.

1. Vier Zahlen auf einer Tabelle sind nicht ein Anteil von „KI“

In der Redaktion liegen vier Ausgaben auf einem Tisch. Der Reporter möchte den weltweiten Anteil von Rechenzentren in einen Satz über künstliche Intelligenz verwandeln. Analyst hält ihn zurück: IEA misst Rechenzentren im Jahr 2024, nicht reinen KI-Anteil. Der Aktivist gibt einen Median von 0,24 Wh pro Textaufforderung von Gemini Apps an und multipliziert ihn mit einer unbekannten Anzahl von Abfragen. Energetik wird für 2024 einen tschechischen Nettoverbrauch von 58 TWh und einen weltweiten Anstieg des Rechenzentrumsverbrauchs von etwa 70 TWh zwischen 2024 und 2025 ausweisen. ManagerCloud legt Microsofts 37.026.353 MWh Strom für das Geschäftsjahr 2025 auf den Tisch und fragt, wie viel davon KI ist ^{[3][9][14][16]}.

Auf den ersten Blick ist es umstritten, ob künstliche Intelligenz energetisch klein oder groß ist. Tatsächlich hat jeder einen anderen Nenner. Globaler Reporter-Account aller Rechenzentren. Analystendefinition der IEA. Aktivistische Inferenzeinheit für einen Dienst und eine Methodik. Energetiker der Jahresbilanz des Staates. Business Account Manager inklusive Cloud für Kunden, die keine generative KI nutzen müssen.

Daher können sie teilweise alle richtig sein und die gemeinsame Überschrift dennoch falsch. Eine Zahl ohne Jahr, Rand und Umfang ist keine Information. Es ist der Rohstoff für Missverständnisse.

Ein Rechenzentrum ist nicht dasselbe wie „KI“ und eine sofortige Wattstunde ist nicht dasselbe wie eine Netzwerk-Terawattstunde.

– Anderer Kontext

2. KI-Strom hat mindestens sechs Schichten

Die erste Schicht besteht aus Chip und Berechnung. Dies hängt vom Beschleuniger, der Nutzung, der Stapelverarbeitung, der Kontextlänge, der Anzahl der Ausgabetokens und davon ab, ob das System im einfachen oder anspruchsvolleren Modus läuft. Die IEA gibt an, dass eine High-End-GPU bis zu 1000 W verbrauchen kann und dass der für den GPT-4 verwendete Cluster schätzungsweise etwa 10 MW für die GPU allein oder etwa 22 MW mit der restlichen IT und Kühlung beträgt ^[2].

Die zweite Ebene ist das Training. Es ist ein Einwegprodukt, hochwertig und konzentriert. Die dritte ist die Inferenz, d. h. die Bereitstellung: wiederholte Operation nach jeder Abfrage, Zusammenfassung, Übersetzung, Bildgenerierung oder Agentenausführung. Die vierte Ebene ist die Rechenzentrumsinfrastruktur. PUE gibt an, wie viel Strom über der IT-Last durch Kühlung und andere Vorgänge verbraucht wird. Das fünfte ist Wasser, das sich vor Ort vom Wasser unterscheidet, das im Energiesektor verwendet wird. Das sechste ist das Elektrizitätssystem, einschließlich lokaler Netze und JahresnetzeGleichgewicht.

Somit ist der Satz „KI hat Strom verbraucht“ der Anfang der Diagnose, nicht ihr Ende. Der Fehler kann im Modell, in der Berechnung, in der Kühlung, im Netz, im Emissionsfaktor, im Wasserumfang liegen oder darin, dass sich das Szenario 2030 wie eine Rechnung für 2024 liest.

Diese Schichtung verändert auch die politische Frage. Zum anderen wird die Anbindung eines großen Campus geplant, zum anderen wird der Uhlík einer Dienstleistung bewertet und zum anderen wird entschieden, ob das Unternehmen einen anspruchsvollen Agenten-Workflow für eine Aufgabe nutzen soll, die von einem kleineren Modell bewältigt werden kann. Das Netzwerk betrachtet „KI“ nicht als abstrakte Fähigkeit. Erkennt Anforderungen an Leistung, Verbrauch, Zeit, Standort und Zuverlässigkeit. Der Benutzer sieht das Netzwerk nicht mehr. Er sieht die Antwort auf dem Bildschirm. Zwischen diesen beiden Ansichten liegt das Rechenzentrum, seine Kühlung,Stromverträge und Betriebsregeln.

Deshalb ist es so einfach, außerhalb von sich selbst zu sprechen. Eine Person beschäftigt sich mit dem globalen Klima, die zweite mit dem lokalen Transformator, die dritte mit der API-Rechnung und die vierte mit dem Wasser an der Kühlstelle. Das Wort Konsum kann jeder verwenden. Allerdings sprechen sie nicht von derselben Grenze. Ein guter Satz über Strom-KI muss sagen, auf welcher Ebene sie steht. Ist dies nicht der Fall, sieht es wie eine allgemeine Erklärung aus, die nur ein Glied in der Kette beschreibt.

3. Die beste Zahl ist die, deren Nenner Sie tragen

Die Energiedebatte braucht nicht den stärksten Satz. Es braucht eine Zahl, die weiß, was sie misst. Ein billiger Fehler besteht darin, den Anteil der Rechenzentren aufzurunden, damit der lokale Druck auf das Netzwerk verschwindet. Es ist ein teurer Fehler, unter Berücksichtigung des Jahres 2024 eine Prognose für 2030 zu erstellen. Noch teurer ist es, 0,24 Wh mit einer unbekannten Anzahl von Aufgaben zu multiplizieren und so zu tun, als ob der Textmedian eines Dienstes die globale Infrastruktur erklärt.

Eine Zahl ist gut, wenn wir sie ohne versteckte Verwirrung in einen Satz einfügen können. Jahr. Bevölkerung. Einheit. Limit. Messung oder Szenario. Was ist drin und was nicht.

Die gleiche Regel gilt für Vergleiche, um dem Leser zu helfen. Haushalte, Staaten oder Firmen sind nützliche Orientierungshilfen, solange sie orientierend bleiben. Wenn die IEA ein großes Rechenzentrum mit Haushalten vergleicht, zeigt sich das Ausmaß des Stromverbrauchs und -verbrauchs. Es heißt nicht, dass der Haushalt das gleiche Tagesprofil, den gleichen Standort, den gleichen Tarif oder die gleiche Bedeutung für das Netz hat ^[2]. Wenn wir den weltweiten Zuwachs an Gleichstrom und den tschechischen Nettoverbrauch gegenüberstellen, sehen wir eine Wachstumsordnung. Wir sagen nicht, dass es sich um dasselbe Gebiet oder dieselben Entscheidungen handelt.

Die beste Zahl ist also nicht unbedingt die größte oder kleinste. Es ist eine Zahl, die überprüft werden kann. Wenn die Ressource 415 TWh, Jahr 2024 und alle Rechenzentren angibt, kann damit gearbeitet werden. Wenn in der Ressource 0,24 Wh angegeben sind, der Median aus der Textaufforderung und der Methodik von Google, kann auch damit gearbeitet werden. Ein Fehler tritt auf, wenn eine Zahl beginnt, die Arbeit einer anderen zu erledigen.

4. Das Rechenzentrum ist keine künstliche Intelligenz

IEA im Bericht Energie und KI berichtet, dass Rechenzentren im Jahr 2024 etwa 415 TWh Strom verbrauchen werden, etwa 1,5 Prozent des weltweiten Stromverbrauchs. Seit 2017 ist ihr Verbrauch dem Bericht zufolge um etwa 12 Prozent pro Jahr gestiegen. Von diesen 415 TWh kamen laut IEA 45 Prozent aus den USA, 25 Prozent aus China und 15 Prozent aus Europa ^[1][2].

Das ist ein solider Bezugspunkt. Es handelt sich jedoch nicht um ein reines KI-Konto. Rechenzentren bedienen Streaming, Enterprise Cloud, E-Commerce, Speicherung, Datenbanken, herkömmliche Server und viele andere Dienste. KI-fokussierte Zentren sind eine Untergruppe, die schneller wächst, weil sie eine große Anzahl von Beschleunigern für das Training und die Ausführung von Modellen enthalten. Wenn der Anteil künstlicher Intelligenz am Weltstrom 1,5 Prozent beträgt, ändert sich der Messgegenstand.

Dies bedeutet nicht, dass Rechenzentren vernachlässigbar sind. Der lokale Druck auf das Netzwerk kann hoch sein, auch wenn der globale Anteil gering erscheint. Die IEA weist immer wieder auf Nachfragekonzentrationen und Anschlussbeschränkungen hin. Es muss nur gesagt werden: Rechenzentren im Jahr 2024, nicht künstliche Intelligenz insgesamt.

Darüber hinaus kann ein lokales Problem das Gegenteil einer globalen Schlagzeile sein. Ein Weltanteil von rund 1,5 Prozent im Jahr 2024 sieht in einem Satz klein aus. In einer bestimmten Region können mehrere Projekte die Netzwerkplanung, den Bedarf an Backup-Ressourcen und das Bautempo verändern. Energie wird nicht nach dem Weltdurchschnitt entschieden. Die Entscheidung richtet sich nach dem Knoten, der Leitung, der Kapazitätsreservierung und dem Zeitpunkt des Verbrauchs.

Daher ist es zutreffender zu sagen, dass KI einer der Treiber für die neue Nachfrage nach Rechenzentren ist. Es ist nicht korrekt zu sagen, dass jedes Rechenzentrum KI ist. Und es ist nicht korrekt, sich mit einem globalen Prozentsatz zufrieden zu geben, wenn die lokale Verbindung ihre Kapazität erreicht. Ein Satz muss beide Seiten tragen: Das globale Konto aller DCs und lokale elektrische Beschränkungen sind nicht dasselbe.

5. 485 TWh und +17 Prozent ist das Rechenzentrumskonto, nicht das ChatGPT-Konto

Im Update Schlüsselfragen zu Energie und KI Die IEA berichtet, dass der Stromverbrauch von Rechenzentren im Jahr 2025 rund 485 TWh oder fast 500 TWh erreichte und etwas über 1,5 Prozent des weltweiten Stromverbrauchs lag. Im Jahresvergleich wuchs es laut IEA um 17 Prozent. Die Differenz gegenüber 2024 ergibt einen Anstieg von ca. 70 TWh ^[3][4][5].

Das ist ein großer Schritt im Energiebereich. Es handelt sich jedoch weiterhin ausschließlich um Rechenzentren. Legt man den tschechischen Nettoverbrauch von 58 TWh im Jahr 2024 daneben, erhält man einen Größenordnungsvergleich: Der weltweite jährliche Zuwachs an Gleichstrom ist größer als der jährliche Nettoverbrauch der Tschechischen Republik. Es wird nicht behauptet, dass die Tschechische Republik für KI bezahlt, und auch nicht, dass jede neue TWh Chatbots gehört ^[16].

Die IEA prognostiziert für 2030 rund 950 TWh, rund 3 Prozent des weltweiten Strombedarfs. Älterer Bericht Energie und KI Im Basisfall wurde mit ca. 945 TWh gearbeitet. Beide Werte gehören zum Zukunftsszenario, nicht zur Bilanzierung von 2024 oder 2025 ^[1][3].

6. KI-fokussierte Zentren wachsen schneller als alle Rechenzentren

In einer Pressemitteilung zum Jahr 2025 gibt die IEA an, dass der Verbrauch von KI-fokussierten Rechenzentren im Vergleich zum Vorjahr um etwa 50 Prozent gestiegen sei. Das ist schneller als der gesamte Rechenzentrumsverbrauch, der laut 17 Prozent liegt, und schneller als der weltweite Stromverbrauch, der laut Pressemitteilung bei etwa 3 Prozent liegt ^[5].

Das ist der Grund, KI ernst zu nehmen. Nicht, weil jedes Rechenzentrumskonto durch KI überschrieben werden sollte, sondern weil ein Teil davon schnell wächst. Im Basisszenario für 2030 gibt die IEA an, dass KI-fokussierte Zentren das Dreifache des Basisniveaus überschreiten und etwa 465 TWh erreichen können. Die Definition gilt für Zentren mit einer großen Anzahl von Beschleunigern für Trainings- und Laufmodelle ^[4].

Auch hier gilt ein Vorbehalt. 465 TWh im Jahr 2030 sind nicht der gemessene Anteil künstlicher Intelligenz am gesamten weltweiten Strom. Es handelt sich um ein Szenario für eine definierte Kategorie von Rechenzentren. Es eignet sich für die Frage, wie man das Netzwerk vorbereitet. Es eignet sich nicht für einen Satz ohne Jahreszahl und ohne Definition.

7. Training ist keine Schlussfolgerung

Ausbildung ist Modellbau. Inferenz ist ihre Verwendung. Das Training kann energetisch konzentriert und medial sichtbar sein, da es als große Kampagne an vielen Beschleunigern stattfinden wird. Die Schlussfolgerung ist weniger offensichtlich, da sie sich über Milliarden einzelner Anfragen erstreckt, deren Kosten von der Länge der Eingabe, Ausgabe, dem Modell, der Dosierung und dem Modus abhängen.

In ihrer Arbeit zur KI-Energie berichten Luccioni, Jernite und Strubell über historische Unternehmensschätzungen: wie von Patterson et al. zitiert. Bei Google entfielen im Jahr 2022 etwa 60 Prozent der ML-Leistung auf Inferenz und 40 Prozent auf Training; Laut einem zitierten AWS-Material aus dem Jahr 2019 dienten 80 bis 90 Prozent der ML-Cloud der Schlussfolgerung ^[7][8][21].

Diese Zahlen dürfen nicht als heutiges Weltverhältnis eingefroren werden. Die Mischung ändert sich mit Argumentationsmodi, Agenten, Video, längerem Kontext und neuen Modellen. Aber sie verdeutlichen einen wichtigen Grundsatz: Eine gute Ausbildung ist nicht alles. Der Alltagsbetrieb der Modelle kann in der Summe entscheidend sein, auch wenn eine Antwort klein erscheint.

Ein weiterer Unterschied verbirgt sich in der Schlussfolgerung: die Anzahl der Schritte. Eine einfache Abfrage kann einen Modellaufruf bedeuten. Agentenarbeit kann einen Plan, eine Suche, das Lesen von Dokumenten, mehrere Entwürfe, eine Überprüfung, eine Korrektur und einen weiteren Durchgang umfassen. Der Benutzer sieht immer noch eine Aufgabe. Das Rechenzentrum sieht mehr Rechenleistung. Daher können die durchschnittlichen Kosten einer Eingabeaufforderung nicht direkt auf Jobs übertragen werden, die viele Eingabeaufforderungen enthalten.

Hier trifft Energie auf Produktdesign. Wenn eine Anwendung für jede Abfrage einen teuren Modus festlegt, kann dies verschwenderisch sein. Indem man es nur dort einschaltet, wo das einfache Modell nicht ausreicht, kann man sparen, ohne an Qualität zu verlieren. Der Unterschied zwischen Training und Inferenz ist also nicht nur eine technische Definition. Als Faustregel gilt, wo nach Einsparungen zu suchen ist: einmal beim Bau eines Modells, ein zweites Mal bei jeder Verwendung.

8. 42,4 GWh eines GPT-4-Trainings sind kein globaler Anteil

Die IEA schätzt die Energie pro GPT-4-Training unter Berufung auf Epoch AI auf etwa 42,4 GWh. Im Hintergrund ist von einer Trainingsdauer von etwa 14 Wochen, 25.000 GPUs und einem Auslastungsfaktor von 84 Prozent die Rede. Der tägliche Verbrauch von etwa 0,43 GWh wird im Bericht mit etwa 28.500 Haushalten in fortgeschrittenen Volkswirtschaften an einem bestimmten Tag verglichen ^[2][20].

Das ist eine gute Zahl, um eine Vorstellung von der Größenordnung zu bekommen. Es handelt sich nicht um eine globale Aktie. Es misst eine einzelne Trainingssitzung, nicht nachfolgende Schlussfolgerungen, nicht ein ganzes Rechenzentrum, nicht alle Experimentiterationen und nicht jeden Dienst auf dem Markt. Die IEA verwendet auch Größenordnungsanalogien: Ein großes Rechenzentrum kann einen Verbrauch haben, der mit etwa 100.000 Haushalten vergleichbar ist, und das größte im Bau befindliche Rechenzentrum kann bis zu etwa 2 Millionen Haushalte verbrauchen. Solche Analogien helfen der Größe. Sie sind nicht die buchhalterische Identität der TschechenHaushalte ^[2].

Die Trainingszahlen gehören also zu Sätzen mit exakter Grenze. Eine Trainingseinheit. Schätzen. Spezifisches Modell. Spezifische Annahmen. Sobald wir sie in einen Satz über die gesamte künstliche Intelligenz umgewandelt haben, ändern wir den Tipp auf das Jahr und die Kampagne auf Verkehr.

9. Die Eingabeaufforderung für 0,24 Wh entspricht nicht dem 415-TWh-Netz

In der Studie von Elsworth und Co-Autoren gibt Google einen Wert von 0,24 Wh, 0,03 g CO2e und 0,26 ml Wasser für die mittlere Eingabeaufforderung zur Textgenerierung in Gemini Apps an. Die Methodik umfasst Beschleuniger, Gast-CPU und DRAM, Leerlaufkapazität und Flotten-PUE. Google meldet einen flottenweiten PUE-Wert von 1,09 und einen Leistungsabfall auf durchschnittlich 33 Mal in den 12 Monaten bis Mai 2025 ^[9][10][11].

Dies ist eine wichtige Korrektur des alten Eindrucks, dass jede Textantwort zwangsläufig von großer Bedeutung sei. Es ist jedoch genauso gefährlich, es umgekehrt als universelle Ausrede zu verwenden. Es handelt sich um den Median der Textaufforderungen eines Dienstes, einer Methodik und einer Flotte. Es werden keine Videos, Agenten, lange Überlegungen, andere Anbieter, andere PUEs oder das Ende sehr anspruchsvoller Aufgaben gemessen.

So testen Sie die Eingabeaufforderung im Netzwerk

Verfügt die Ressource über die Anzahl der Aufgaben und deren Mischung? Ist es der Median, der Mittelwert oder das Ende der Verteilung? Handelt es sich um Text, Bild, Video, Code-Agent oder eine lange Suche? Gehört es in die PUE-Nummer? Handelt es sich um eine Flotte mit einem PUE von 1,09 oder um ein anderes Rechenzentrum? Ohne Zählen und Mischen addieren sich Wh und TWh nicht.

10. Selbst wenn es sich bei den normalen Suchen um einfachen KI-Text handelte, sind es immer noch weniger als 4 TWh

IEA v Schlüsselfragen zu Energie und KI stellt die Hypothese auf: Selbst wenn alle gängigen Suchanfragen eine einfache KI-Textabfrage wären, würde der Verbrauch weniger als 4 TWh pro Jahr betragen, also weniger als 1 Prozent des aktuellen Rechenzentrumsverbrauchs ^[3][4].

Dieser Satz ist gerade deshalb nützlich, weil er eng ist. Es geht um einfache Textabfragen. Es geht hier nicht um Agenten, die Dutzende Anrufe tätigen. Es geht nicht um die Videogenerierung. Es geht nicht um langen Kontext, die Suche nach privaten Dokumenten oder das Training eines neuen Modells. Und was am wichtigsten ist: Sie reden nicht über die gesamte Rechenzentrumsrechnung.

Daraus folgt nicht, dass die Schlussfolgerung immer klein ist. Daraus folgt, dass die gemeinsame Texteingabeaufforderung und die globale Dateninfrastruktur unterschiedliche Einheiten sind. Wenn jemand die Anzahl der Aufgaben, deren Mischung und die Maße pro Aufgabe kennt, kann er abschätzen. Wenn er nur den Median eines Dienstes hat und ein Gespür für das Volumen des Internets hat, hat er keinen Account. Es gibt einen Multiplikator ohne einen Faktor.

Die praktischen Auswirkungen sind einfach. Ein Unternehmen, das KI für die Dokumentensuche, den Kundensupport oder den Code-Agent einsetzt, muss sich nicht auf eine einheitliche Eingabeaufforderung verlassen. Es sollte seine eigene typische Aufgabe messen: wie viele Aufrufe getätigt werden, wie lange die Eingabe dauert, wie viel Ausgabe verworfen wird, wie oft die Arbeit wiederholt wird und wann der teurere Modus aktiviert wird. Erst dann können wir über den Verbrauch des erhaltenen Ergebnisses sprechen.

11. PUE ist kein Modellverbrauch

PUE, Power Usage Effectiveness, ist das Verhältnis des Gesamtstroms des Rechenzentrums zum Strom der IT-Last. Wenn Google einen Flotten-PUE von 1,09 meldet, bedeutet dies, dass für jede 1 kWh IT-Last zusätzlich 0,09 kWh Infrastruktur anfallen. Diese Infrastruktur umfasst Kühlung, Strom und andere betriebliche Gemeinkosten ^[9][10].

PUE ist also keine Eigenschaft des Modells. Es ist keine „Transformator-Völlerei“. Es ist Eigentum des Rechenzentrums und seines Betriebs. Unterschiedlicher Campus, unterschiedliches Klima, unterschiedliche Kühlung und unterschiedliche Kapazitätsauslastung können zu unterschiedlichen Ergebnissen führen. In ihrer Arbeit aus dem Jahr 2019 verwendeten Strubell, Ganesh und McCallum einen globalen durchschnittlichen PUE von 1,58 aus dem Jahr 2018. Dies ist Teil ihrer Schätzung und kann nicht ohne Änderung auf Google 2025 oder den tschechischen Verkehr übertragen werden ^[6].

Gleichzeitig zeigt PUE, warum Training, Inferenz und Kühlung nicht vermischt werden sollten. Wenn wir nach der Berechnung des Modells fragen, interessiert uns die IT-Auslastung. Wenn wir nach dem Netzwerk fragen, interessiert uns das gesamte Rechenzentrum. Wenn wir nach Kohlenstoff oder Wasser fragen, kommen Energiemix, Ort und Zeit hinzu.

PUE ist auch keine Entschuldigung. Ein niedriger PUE bedeutet, dass das Rechenzentrum nur wenig Overhead für die IT-Last hat. Es heißt nicht, dass die IT-Belastung selbst gering ist. Ein sehr effizientes Zentrum mit einer großen Anzahl an Beschleunigern kann viel Strom verbrauchen. Umgekehrt kann ein schlechterer PUE bei weniger Verkehr lokal von geringerer Bedeutung sein. Daher sollte PUE nicht als eigenständiges Gütesiegel verwendet werden. Gehört zum absoluten Verbrauch, zur Kapazitätsauslastung und zur Stromquelle.

Eine gute Frage ist: Wie viel Strom fließt in die IT, wie viel fügt die Infrastruktur hinzu und wie oft wird die Rechenleistung tatsächlich genutzt? Wenn Beschleuniger auf einen Spitzenwert warten, kann in der Methodik als Teil der Bereitstellung ungenutzte Kapazität auftauchen. Bei hoher Auslastung ändern sich die Kosten für Latenz und Kühlung. PUE hilft beim Lesen des Datenverkehrs. Es schließt die Energierechnung nicht ab.

12. Elektrizität ist kein Kohlenstoff und Kohlenstoff ist kein Wasser

Eine TWh Strom hat nicht überall den gleichen Kohlenstoffgehalt. Dies hängt vom Produktionsmix, der Abholzeit und dem Ort ab. Die ERO für die Tschechische Republik meldet eine Nettostromproduktion von 69 TWh im Jahr 2024, 3,9 Prozent weniger als im Vorjahr. Der Export minus Importsaldo sank von 9,2 auf 6,7 TWh. Die installierte Leistung von Photovoltaikkraftwerken stieg von 3,3 auf 4 GWe, und die Produktion aus PV-Anlagen stieg im Jahresvergleich um 24,2 Prozent. Sowohl Kern- als auch Dampf gingen im Jahresvergleich zurück ^[16][17].

Diese Zahlen geben keinen Aufschluss über die Kohlenstoff-Fußabdruck einer tschechischen Eingabeaufforderung. Sie geben dem Nenner einen Kontext. Der gleiche Verbrauch im Netz mit einem anderen Mix hat unterschiedliche Emissionsauswirkungen. Die gleiche Berechnung zu einem anderen Zeitpunkt kann eine andere Grenzressource haben. Und derselbe Datenverkehr kann einen unterschiedlichen Wasser-Fußabdruck haben, abhängig von der Kühlung und dem Wasser, die bei der Stromerzeugung verwendet werden.

Daher ist es falsch, Strom, Kohlenstoff und Wasser ohne Gültigkeit in einem Satz zusammenzufassen. Strom ist ein physisches Verbrauchskonto. Kohlenstoff hängt von der Produktion ab. Wasser hängt von der Kühlung, dem Standort und der Methodik ab. Wenn diese Schichten unterschieden werden, ist die Debatte weniger spektakulär, aber zutreffender.

Im tschechischen Kontext ist dieser Vorbehalt besonders wichtig. ERO liefert jährliche Daten zu System, Produktion, Verbrauch und Bilanz. Es wird nicht gesagt, welchen Kohlenstoff-Fußabdruck ein bestimmter KI-Dienst hat, den ein tschechischer Nutzer über eine ausländische Cloud aufruft. Für eine solche Antwort müsste bekannt sein, wo die Berechnung zu welchem ​​Zeitpunkt stattgefunden hat, mit welcher Stromquelle und welche vertraglichen Instrumente der Anbieter nutzt. Der jährliche tschechische Mix ist der Kontext, nicht das GPS einer Eingabeaufforderung.

Ebenso ist Wasser kein universeller Schuldvermittler. Die Kühlung in einer trockenen Region hat eine andere Bedeutung als die Probenahme an einem Ort mit einem anderen Wasserhaushalt. Wasser zur Stromerzeugung ist nicht dasselbe wie vor Ort verdunstetes Wasser. Beides kann relevant sein. Sie dürfen jedoch nicht ohne Markierung addiert und mit einer Zahl verglichen werden, die nur eine davon misst.

13. Wasser vor Ort ist kein vollständiger Wasser-Fußabdruck und Li ist keine Widerlegung von Google

Li, Yang, Islam und Ren schätzen, dass für das GPT-3-Training in den USA in Microsoft-Rechenzentren möglicherweise insgesamt 5,4 Millionen Liter Wasser verbraucht wurden, davon 0,7 Millionen Liter vor Ort. Für die GPT-3-Schlussfolgerung geben sie je nach Ort und Zeit etwa 500 ml Wasser für 10 bis 50 Antworten mittlerer Länge an. Hierbei handelt es sich um Wasser vor Ort sowie Wasser außerhalb des Standorts, d. h. Wasser, das mit der Stromerzeugung verbunden ist ^[12][13].

Im Gegensatz dazu meldet Google gemäß seiner Methodik und seinem Betrieb im Jahr 2025 einen Wert von 0,26 ml Wasser für die mittlere Gemini-Apps-Texteingabe ^[9][11]. Diese beiden Zahlen sind kein direkter Streit über eine Sache. Li spricht über GPT-3, ein anderes Jahr, einen anderen Umfang und die Einbeziehung von Wasser in die Energie. Google spricht von einem mittleren Prompt in Gemini Apps, einer anderen Infrastruktur und einer anderen Grenze.

Daraus folgt nicht, dass eine Zahl wahr und die andere eine Lüge ist. Daraus folgt, dass Wasser ohne Zielfernrohr noch gefährlicher ist als Strom ohne Jahr. Der 500-ml-Bereich sollte nicht für jede aktuelle Abfrage in eine Konstante geändert werden. Und 0,26 ml sollten nicht für alle Aufgaben und Anbieter auf die Obergrenze geändert werden.

14. 626.155 Pfund CO2e aus dem Jahr 2019 sind nicht der ChatGPT von 2026

Strubell, Ganesh und McCallum schätzten im Jahr 2019, dass das Training eines großen Transformers mit neuronaler Architektursuche 626.155 Pfund CO2e erreichen könnte. Sie verwendeten unter anderem einen US-Netzfaktor von 0,954 lb/kWh und einen PUE von 1,58. Laut der Arbeit von So und Co-Autoren handelte es sich um eine Forschungspipeline, die mit der Suche nach Architektur verbunden war. BERT, das ohne eine solche Suche auf der GPU trainiert wurde, lag in ihrer Tabelle eine Größenordnung weiter unten ^[6].

Diese Zahl spielte eine wichtige Rolle. Es wurde daran erinnert, dass die Forschungssuche nach Modellen ein physisches Konto hat. Es ist jedoch nicht korrekt, den Kohlenstoff-Fußabdruck von ChatGPT im Jahr 2026 anzugeben. Hardware, Rechenzentren, PUE, Energiemix, Modelle, Bereitstellungsmethode und Nutzungsumfang haben sich geändert. Darüber hinaus handelte es sich um Training und Architekturabruf, nicht um gewöhnliche Schlussfolgerungen.

Die alte Zahl gehört also zur Messgeschichte und zum Argument, dass die Energie der KI sichtbar sein sollte. Es gehört nicht in die aktuelle globale Aktienschlagzeile. Wenn die Liniendarstellung zur Buchhaltung wird, hilft sie nicht mehr.

15. Die 37 TWh von Microsoft sind das Konto des Unternehmens, nicht der Anteil der künstlichen Intelligenz an der Welt

Das Environmental Data Fact Sheet von Microsoft listet 37.026.353 MWh Strom für das Geschäftsjahr 2025 auf, also etwa 37,0 TWh. Es handelt sich um ein unternehmensweites Konto. Es umfasst globale Operationen und Cloud-Dienste für Kunden, die KI nutzen können, aber auch viele Dienste, die nicht direkt mit generativer KI zusammenhängen ^[14].

Diese Zahl ist nützlich für die Frage, wie groß Energieunternehmen von Cloud-Anbietern geworden sind. Als direkter Beitrag künstlicher Intelligenz zur weltweiten Elektrizitätsversorgung ist es nicht sinnvoll. Rechnet man es zu den 415 TWh an Rechenzentren hinzu, zählt man leicht einen Teil derselben Welt doppelt oder verwechselt das Unternehmenskonto mit der Kategorie Infrastruktur.

Der korrekte Satz ist enger gefasst: Microsoft als Unternehmen meldete im jeweiligen Geschäftsjahr einen Stromverbrauch im zweistelligen TWh-Bereich. Davon wissen wir nicht, wie viel KI, wie viel andere Cloud-Dienste und wie viel der Rest des Datenverkehrs ausmacht. Ohne interne Zuordnung und Methodik bleibt die Nummer ein Unternehmenskonto und kein Musterkonto.

Geschäftskonten sind immer noch wertvoll. Sie zeigen, dass die digitale Infrastruktur im Energiebereich kein Randthema mehr ist. Wenn ein großer Anbieter wächst, wirken sich seine Entscheidungen über Standort, Stromeinkauf, Backup und Kühlung auf öffentliche Netze und Investitionen aus. Sie müssen nur die beiden Sätze getrennt halten. Erstens: Cloud-Unternehmen haben hohe und wachsende Energierechnungen. Zweitens: Der Anteil der generativen KI lässt sich nicht ohne Zuordnung aus einem Unternehmenskonto ablesen.

Diese Unterscheidung schützt beide Seiten des Streits. Kritik muss nicht übertrieben sein, um ernst zu sein. Die Verteidigung kann sich nicht darüber verstecken, dass der genaue KI-Anteil nicht öffentlich ist. Eine fehlende Zuordnung ist kein Nullbeweis. Es ist ein Grund, das Fazit sorgfältiger zu formulieren.

16. Tschechische 58 TWh sind der Maßstab des Landes. In Brünn gibt es kein ChatGPT-Konto

ERÚ gibt in einem Bericht vom 18. Februar 2025 an, dass der Nettostromverbrauch in der Tschechischen Republik im Jahr 2024 bei 58 TWh lag, 0,6 Prozent weniger als im Vorjahr. Er erwähnt auch den Ausfall des lokalen Verbrauchs großer Unternehmen. Im gleichen Zusammenhang meldet ERO eine Nettoproduktion von 69 TWh, 3,9 Prozent weniger als im Vorjahr ^[16][17][18].

Der Vergleich mit der IEA ist überzeugend, wenn er zutreffend bleibt. Der weltweite Anstieg des Rechenzentrumsverbrauchs zwischen 2024 und 2025 ist mit etwa 70 TWh größer als der jährliche tschechische Nettoverbrauch. Dies zeigt die Größenordnung des Wachstums der globalen Infrastruktur. Es heißt weder, dass die Tschechische Republik weniger KI verbraucht hat, noch dass das tschechische Rechenzentrum mit einem solchen Volumen betrieben wird. Die Datei enthält keine ERÚ-Zahlen zum Verbrauch bestimmter tschechischer Rechenzentren in TWh.

Vor dem Vergleich mit Tschechien

Vergleichen Sie den jährlichen Nettoverbrauch eines Landes mit dem jährlichen Wachstum der Rechenzentren weltweit oder mit der Schlussfolgerung einer einzelnen Anwendung? Beträgt die Satzproduktion 69 TWh oder der Verbrauch 58 TWh? Ist es ein tschechischer Mix, globales Wachstum oder ein Unternehmenskonto? Ohne diese drei Antworten dient die tschechische Zahl eher einer Rhetorik als einem Maß.

17. Die Frage ist nicht, wie viel „KI“ verbrauchen wird. Darin steht, welches Konto, welches Jahr und welche Grenze

Die Energierechnung einer KI kann nicht durch eine kleine Aufforderung storniert werden. Sie können sich nicht einmal durch die Umbenennung aller Rechenzentren in KI aufblähen lassen. Wir brauchen weniger Aufkleber und mehr Nenner.

Wenn jemand einen Prozentsatz sagt, muss er das Jahr sagen. Das Jahr 2024 mit 415 TWh Rechenzentren ist nicht das Jahr 2030 mit einem Szenario von rund 950 TWh. Muss Grenze sagen. Alle Rechenzentren sind keine KI-fokussierten Zentren, KI-fokussierte Zentren sind keine einzelne Eingabeaufforderung und eine einzelne Eingabeaufforderung ist kein Videoagent. Es muss Umfang heißen. Handelt es sich um IT-Auslastung, PUE, Kohlenstoff, Wasser vor Ort, Gesamtwasser oder um den Strombezug des Unternehmens? Und sie müssen sagen, ob es sich um eine Messung, eine Schätzung, eine Unternehmensmethodik oder ein Szenario handelt.

Drei Tests des Nenners

Jahr: Messung 2024, Aktualisierung 2025 oder Szenario 2030? Grenzen: alle Rechenzentren, KI-fokussierte Zentren, Schulung, Inferenz oder ein Dienst? Geltungsbereich: Strom, Kühlung, Kohlenstoff, Wasser vor Ort, Gesamtwasser oder Firmenkonto?

Ohne Jahr, Definition und Grenzen, Schulung, Schlussfolgerung und Abkühlung darf die Aktie nicht zur Schlagzeile werden.

– Anderer Kontext

Die richtige Frage ist also nicht, wie viel KI verbrauchen wird. Es lautet: Welchen Bericht lesen Sie gerade, Rechenzentren, KI-fokussierte Zentren, eine Schulung, mittlere Eingabeaufforderung, Wasser oder Unternehmen, in welchem ​​Jahr und was ist sonst noch der Anteil künstlicher Intelligenz im World Wide Web?

Verwandte Texte in dieser Reihe

• ChatGPT vs. Gemini vs. Claude vs. Grok… — Die Rangliste misst nicht Wattstunden.
• IEA Energie und KI: 415 TWh Rechenzentren im Jahr 2024 sind eine Infrastrukturrechnung, keine einzige Chat-Rechnung.