Zum Energieverbrauch von KI kursieren Zahlen, die sich um Größenordnungen unterscheiden. Bevor man rechnet, lohnt der Blick darauf, warum das so ist.
Warum die Zahlen schwanken
Anbieter berichten unterschiedlich und lückenhaft
Modellgröße und Antwortlänge gehen selten in die Angabe ein
Manche Werte enthalten die Kühlung, andere nicht
Trainings- und Nutzungsverbrauch werden vermischt
Konsequenz
Einzelne Verbrauchszahlen je Anfrage taugen nicht als Grundlage für Entscheidungen. Was trägt, sind Verhältnisse: Ein kleineres Modell verbraucht weniger als ein größeres, eine vermiedene Anfrage verbraucht nichts.
Die zwei Phasen
Training
Einmalig je Modellversion
Sehr hoher Verbrauch in kurzer Zeit
Vom Anwender nicht beeinflussbar
Verteilt sich auf alle späteren Nutzungen
Nutzung
Dauerhaft, je Anfrage
Einzeln gering, in Summe größer als das Training
Vom Anwender beeinflussbar
Steigt mit dem Erfolg der Anwendung
Was auf Anwenderseite wirkt
Modellgröße an die Aufgabe anpassen
Eine Klassifizierung in fünf Kategorien braucht kein Spitzenmodell. Kleinere und quantisierte Modelle senken Verbrauch und Kosten gleichzeitig.
Wiederkehrende Antworten zwischenspeichern
Dieselbe Frage zweimal zu berechnen ist der häufigste vermeidbare Aufwand.
Kontext kürzen
Nicht den gesamten Dokumentenbestand mitschicken, sondern gezielt suchen. Das spart Rechenleistung und verbessert die Antwort.
Nach Standort und Kühlung fragen
Rechenzentren verbrauchen neben Strom auch Wasser. Beim Anbieter danach zu fragen ist zulässig und selten.
Der wirksamste Hebel liegt nicht in der Modellwahl, sondern in der Frage, wie viele Anfragen überhaupt nötig sind.
Dazu gibt es keine belastbare allgemeine Zahl. Die veröffentlichten Werte gehen je nach Quelle, Modellgröße und Messmethode weit auseinander. Wer eine einzelne Zahl zitiert, zitiert eine Annahme.
Ist ein eigener Betrieb sparsamer?
Selten. Große Rechenzentren arbeiten in der Regel effizienter als einzelne Serverräume. Für den Eigenbetrieb sprechen meist rechtliche Gründe, nicht ökologische.
Was kann ein Unternehmen konkret tun?
Für einfache Aufgaben kleinere Modelle einsetzen, unnötige Aufrufe vermeiden – etwa durch Zwischenspeicherung wiederkehrender Antworten – und beim Anbieter nach Standort und Energiequelle des Rechenzentrums fragen.
Green AIEnergieNachhaltigkeitRechenzentrum
⚡
Über den Autor
Alexander MüllerHerausgeber und Redaktion
Seit 2012 selbstständig im SEO, seit 2024 mit Schwerpunkt auf generativer Suche und dem betrieblichen Einsatz von Sprachmodellen. Betreibt mehrere frei zugängliche Fachprojekte zu KI, SEO und KI.