Die Stromrechnung der KI und der CO2-Fußabdruck der Rechenleistung
In den frühen Morgenstunden im intelligenten Rechenzentrum von Loudoun County, Virginia, werfen die kalten weißen LED-Lichter regelmäßige Lichtflecken zwischen den Reihen von Schränken. Die bläulichen Server geben bei einer konstanten Temperatur von 22 °C ein scharfes Geräusch von sich und erhalten die Ordnung der digitalen Welt geordnet aufrecht.
Diese Region, die als „Datenkorridor“ der Welt bekannt ist, beherbergt die dichteste Ansammlung von supergroßen Rechenzentren der Welt. Die intelligenten Rechenzentren von Technologiegiganten wie Google, Amazon und Microsoft befinden sich alle hier, und diese Einrichtungen unterstützen den Hochgeschwindigkeitsbetrieb globaler digitaler Projekte.
Um neun Uhr morgens in Peking reichte der Praktikant Xiao Tao eine Suchanfrage nach dem „Globalen KI-Industriebericht 2025“ am Computermonitor ein. In dem Moment, in dem er die Eingabetaste drückte, begann ein interkontinentaler Stromverbrauch leise. Gleichzeitig sprach Emma, eine freie Schriftstellerin in London, Tausende von Kilometern entfernt, mit ChatGPT und fragte nach „den Auswirkungen des europäischen Eisenbahnbaus im 19. Jahrhundert auf die internationale Ordnung“. Jede Ladeaktion von „denkt nach“ im Dialogfenster verwandelte sich in Wärme der Serverchips in dem fernen Rechenzentrum.
Hinter diesen beiden scheinbar unbedeutenden Klicks verbirgt sich ein schockierender Vergleich des Energieverbrauchs. Wenn Sie ein Schlüsselwort in die Suchmaschine eingeben, verbrauchen Ihre Fingerspitzen nur 0,3 Wattstunden Strom, was eine Haushalts-LED-Leuchte zwei Minuten lang beleuchten kann. Wenn Sie jedoch zu ChatGPT wechseln, um ein tiefgreifendes Gespräch zu beginnen, steigt der Energieverbrauch sofort an: Ein Frage-Antwort-Dialog mit 10 Interaktionen verbraucht Dutzende Male mehr Strom als eine Suche, und der Energieverbrauch bei der Erstellung eines Bildes oder Videos ist noch höher.
Unterschiedliche Energieverbrauchskurven
Die herkömmliche Suchmaschine funktioniert wie ein effizienter Bibliothekar. Wenn Sie ein Schlüsselwort angeben, hilft sie Ihnen, die passenden Seiten im Index zu finden. Der Rechenaufwand für diesen Prozess ist relativ begrenzt, da er hauptsächlich aus Verschieben und Sortieren besteht.
ChatGPT sucht keine fertigen Antworten, sondern „schafft“ neue Inhalte. Es muss Milliarden von Parametern aktivieren, um Wahrscheinlichkeitsvorhersagen durchzuführen und die menschliche Sprachlogik zu simulieren. Dieser Wandel von der Suche zur Erzeugung lässt die Rechenintensität geometrisch ansteigen.
Das bedeutet, dass wir, wenn wir es gewohnt sind, die KI zu fragen „Wie koche ich Rindfleisch mit Rotwein“ anstatt selbst nach Rezepten im Internet zu suchen, unmerklich eine zusätzliche Wärmebelastung für die Erdatmosphäre verursachen. Hinter dieser Bequemlichkeit verbirgt sich die Übertragung der Rechenkosten der gesamten Gesellschaft. Wir genießen die intellektuellen Vorteile der KI, überlassen aber die Umweltkosten der Zukunft.
Noch beeindruckender ist der „Mutterkörper“, der diese Intelligenz stützt: Schätzungen zufolge verbraucht das Training eines GPT-4-Modells (ca. 90 bis 100 Tage) mehr als 50 Millionen Kilowattstunden Strom. Diese riesige Stromrechnung reicht aus, um eine Tesla-Flotte Tausende von Kilometern um den Äquator der Erde zu fahren. Hinter jedem Ladebalken mit der Anzeige „denkt nach“ verbirgt sich ein Sturm an Rechenleistung, der sich aus der Wärme von Siliziumchips stapelt.
Lange Zeit wurde die digitale Wirtschaft als ein Wachstumsmodell mit „geringem Anlagevermögen“ und „niedrigem Energieverbrauch“ angesehen. Software, Algorithmen und Plattformen scheinen alle in einem Raum zu laufen, der relativ von der physischen Welt entkoppelt ist. Mit der exponentiellen Ausweitung des Umfangs von KI-Modellen wird diese Wahrnehmung jedoch schnell korrigiert.
Training und Inferenz großer Modelle sind im Wesentlichen hochdichte Rechenprozesse, und das Ende der Berechnung ist zweifellos der Stromverbrauch. Von GPUs, CPUs bis zu spezialisierten Beschleunigungschips, von der Serverkühlung bis zum Betrieb von Netzwerkgeräten frisst fast jeder Glied ständig elektrische Energie. Noch wichtiger ist, dass KI keine einmalige Investition ist, sondern ein sich ständig weiterentwickelndes technisches System: Je größer das Modell, je mehr Parameter und je breiter die Anwendung, desto höher ist die Nachfrage nach Rechenleistung und desto tiefer die Abhängigkeit von Strom.
In diesem Sinne wird Rechenleistung zu einer neuen industriellen Produktivität, und Strom ist das Kerninput, das diese Produktivität stützt. So wie das Eisenzeitalter nicht auf Kohle verzichten kann und das Ölzeitalter nicht auf Rohöl, kann das KI-Zeitalter auch nicht auf eine stabile, reichliche und vorhersehbare Stromversorgung verzichten.
Von dem Licht, das „zwei Minuten lang eine LED beleuchtet“, bis zu der „Flotte, die Tausende von Runden um die Erde fährt“, ist die Energieverbrauchsspur der digitalen Technologie kein einfaches Wachstum der Größenordnung, sondern eine exponentielle Veränderung. Der verbrauchte Strom verwandelt sich von einem sanften Bach in ein gieriges Ungeheuer.
Wenn wir auf die Anfangszeit des Internets um das Jahr 2000 zurückblicken, hatte ein Computer nur eine Leistung von 200 Watt, und der tägliche Stromverbrauch des Serverclusters einer mittleren Website betrug weniger als 100 Kilowattstunden. Die digitale Energieeffizienz war wie ein dünnes Kapillargefäß, das unter dem riesigen Gehäuse der industriellen Zivilisation verborgen lag. Zu dieser Zeit war der Stromverbrauch der globalen Rechenzentren noch sehr begrenzt und konnte nicht einmal mit dem monatlichen Energieverbrauch der Stahlindustrie mithalten.
Jedoch, mit der Welle der KI hat dieser Sprung der Energieeffizienz sich zu einem Energiesturm entwickelt. Berichte der Internationalen Energieagentur zeigen, dass der Stromverbrauch der globalen Rechenzentren im Jahr 2024 auf 415 TWh (Terawattstunden) gestiegen ist. In dieser globalen Rechnung teilen sich die Vereinigten Staaten, China und Europa 45 %, 25 % bzw. 15 % des Anteils. Noch erstaunlicher ist, dass der Energieverbrauch der Rechenzentren seit 2017 mit einer durchschnittlichen jährlichen Rate von 12 % rasant wächst, was mehr als das Vierfache der Wachstumsrate des globalen Stromverbrauchs ist.
Diese Expansion zeigt ein beunruhigendes „superlineares“ Merkmal. Wenn der Umfang der Modellparameter von GPT-2 zu GPT-4 um das Tausendfache wächst, dehnt sich das dahinterliegende Schwarze Loch der Rechenleistung im gleichen Verhältnis aus: Der Stromverbrauch für das Training eines GPT-4 reicht aus, um alle Bewohner von Peking einen ganzen Tag lang mit Strom zu versorgen. Das bedeutet, dass mit jedem kleinen Schritt der Iteration der Rechenleistung die Energielücke um ein Vielfaches größer wird.
Im Jahr 2023 stieg der KI-bezogene Energieverbrauch von Cloud-Giganten wie Amazon, Microsoft und Google stark an, wobei GPU-Cluster als Kernbrennstoff den größten Teil des Stroms verbrauchten. Gleichzeitig betrug die natürliche Wachstumsrate der globalen Stromversorgung nur 2,1 %. Obwohl saubere Energie sich schnell entwickelt, kann sie mit dem unersättlichen Stromverbrauch von KI-Algorithmen nicht Schritt halten.
Tatsächlich tragen Begriffe wie „Cloud“ und „Cloud Computing“ selbst eine offensichtliche irreführende Tendenz. Es ist nicht leicht und unbeschwert, sondern die physischen Einrichtungen, die das Cloud-Computing stützen, bestehen aus schwerem Stahl, dichten Kupferdrähten und hell erleuchteten Kraftwerken.
Wenn die Entwicklungsgeschwindigkeit der digitalen Zivilisation die Tragfähigkeit der Strominfrastruktur übersteigt, ist die Stromknappheit keine Prophezeiung mehr, sondern eine Überlebensgrenze, die das intelligente Zeitalter bewältigen muss. Zu diesem Zeitpunkt müssen wir ein vernachlässigtes Thema neu betrachten: Strom ist längst nicht mehr nur das Blut, das den industriellen Betrieb stützt, sondern die Nahrung, die die intelligente Zivilisation nährt.
Im Dampfmaschinenzeitalter trieb die Verbrennung von Kohle die Zahnräder an, und Strom war nur ein Helfer, der die Förderbänder in Fabriken antrieb. Selbst bei Stromausfall konnten Arbeiter die grundlegende Produktion mit menschlicher Kraft aufrechterhalten. Im Elektrozeitalter zog Strom in die Haushalte ein und wurde zur grundlegenden Garantie für das Beleuchten von Glühlampen und das Betreiben von Kühlschränken. Aber ohne Strom konnten die Menschen mit Kerzen und Brennholz noch ein grundlegendes Leben führen.
Im intelligenten Zeitalter ist Strom jedoch die Energiequelle für das Denken, Lernen und Entscheiden der KI. Ohne Strom kann ChatGPT keinen einzigen Satz erzeugen, die Lidar-Sensoren von autonomen Fahrzeugen hören auf zu scannen, die Verkehrsampeln der intelligenten Stadt werden lahmgelegt, und selbst das KI-Diagnosesystem im Krankenhaus verliert die Fähigkeit, CT-Bilder zu analysieren … Der „Tod“ eines intelligenten Systems beginnt oft mit der Unterbrechung der Stromversorgung. Diese Abhängigkeit von „unterstützend“ zu „unverzichtbar“ hat die Wertposition von Strom vollständig umgestaltet: Er ist keine ersetzbare Energie mehr, sondern die Voraussetzung für die Existenz von Intelligenz.
Warum verbraucht KI so viel Strom?
Wenn wir jeden Sprung der digitalen Zivilisation zurückverfolgen, lässt sich leicht ein wiederkehrendes Gesetz erkennen: Jede Effizienzsteigerung geht mit einem gleichzeitigen Anstieg des Strombedarfs einher und hinterlässt klare Spuren in der Geschichte der technologischen Entwicklung.
Im Jahr 2007, als Steve Jobs das erste iPhone im Moscone Center in San Francisco vorstellte, waren die meisten Menschen von dem leichten Gefühl „die Welt in der Tasche zu tragen“ beeindruckt. Nur wenige erkannten jedoch, dass der Preis dieser Bequemlichkeit bald auf die Strominfrastruktur in der ganzen Welt übertragen werden würde.
Die Popularisierung von Smartphones ließ die Zahl der Nutzer des mobilen Internets von weniger als 1 Milliarde auf 5,5 Milliarden im Jahr 2024 ansteigen. Um dieses allgegenwärtige digitale Meer zu stützen, gab es einen wilden Wettbewerb beim Bau von globalen Kommunikationsbasisstationen. Die Zahl der Basisstationen stieg von 500.000 im Jahr 2007 auf mehr als 10 Millionen im Jahr 2024. Insbesondere mit dem Einzug des 5G-Zeitalters musste die Dichte der Basisstationen stark erhöht werden, da der Abdeckungsradius hochfrequenter Signale viel kleiner ist als der von 4G. Allein die Anzahl der weltweit eingesetzten 5G-Basisstationen übersteigt 4 Millionen.
Hinter dieser Konnektionsrevolution verbirgt sich ein erstaunlicher vierfacher Anstieg des Stromverbrauchs in 18 Jahren. Im Jahr 2024 entspricht der Gesamtstromverbrauch der globalen mobilen Basisstationen dem gesamten Stromverbrauch Ägyptens in einem Jahr. Die fließenden Kurzvideos und die Millisekunden schnellen sozialen Interaktionen unter den Fingern der Menschen werden tatsächlich von Millionen von nie erlöschenden Kraftwerken auf der Erdoberfläche aufrechterhalten. Dies hat jedoch nur die Tür zum mobilen Internetzeitalter geöffnet. Als das KI-Zeitalter kam, wechselte diese Energieverbrauchskurve von einem stetigen Anstieg direkt zu einem fast senkrechten Sprint.
Das Go-Spiel im Four Seasons Hotel in Seoul, Südkorea, im Jahr 2016 war nicht nur der Moment, in dem AlphaGo Lee Sedol besiegte, sondern auch ein Wendepunkt für die qualitative Veränderung des menschlichen Bedarfs an Rechenleistung. Vor diesem Zeitpunkt war das Mooresche Gesetz noch die goldene Regel der Technologiebranche, aber nach diesem Spiel übertraf der Hunger der KI nach Rechenleistung die Geschwindigkeit der Hardware-Iteration.
Seit 2016 wächst der weltweite Bedarf an Rechenleistung für KI-Chips jährlich mit einer erstaunlichen Rate von 50 %. Dieses Wachstum ist nicht mehr linear, sondern exponentiell. Der damit verbundene Stromverbrauch steigt fast synchron mit einer Rate von 45 % rasant an. Bis 2023 näherte sich der Gesamtstromverbrauch von Chips, die weltweit speziell für KI-Aufgaben verwendet werden, 200 Milliarden Kilowattstunden. Diese Zahl ist unvorstellbar, sie übersteigt sogar den gesamten jährlichen Stromverbrauch eines mittleren Landes wie Malaysia.
Im November 2022 tauchte ChatGPT plötzlich auf, sodass generative KI den Energieverbrauchsrekord erneut brach. Die Zahl der ChatGPT-Nutzer überschritt innerhalb von nur zwei Monaten die Marke von 100 Millionen. Diese Explosion der Nutzerzahl führte zu einem exponentiellen Rückgang der Inferenzkosten und einem exponentiellen Anstieg des Gesamtenergieverbrauchs. Derzeit entspricht der tägliche Stromverbrauch von ChatGPT dem täglichen Stromverbrauch von etwa 100.000 normalen Haushalten. Wenn Sie die KI bitten, ein Gedicht zu schreiben oder einen Code zu debuggen, laufen Tausende von Top-GPUs von NVIDIA in dem fernen Rechenzentrum mit voller Geschwindigkeit.
Allerdings hat das derzeitige Stromversorgungssystem diese qualitative Veränderung der Nachfrage noch nicht vollständig eingeholt.
Obwohl große Technologiegiganten versprechen, Kohlenstoffneutralität zu erreichen, machen fossile Energiequellen (Kohle, Öl, Erdgas) im globalen Strommix nach wie vor etwa 55 % aus, wenn man die aktuelle makroenergetische Struktur betrachtet. Das bedeutet, dass obwohl wir vor dem Bildschirm eine saubere und effiziente KI-Oberfläche sehen, die energetische Grundlage dahinter immer noch einen starken Kohlenstofffußabdruck hat.
Daten zeigen, dass die Kohlenstoffemissionen der globalen Rechenzentren im Jahr 2025 350 Millionen Tonnen erreichen, was einem Drittel der Kohlenstoffemissionen der globalen Luftfahrtindustrie entspricht. Dies bringt die KI in ein peinliches Paradoxon – Wir hoffen, dass wir mit intelligenten Mitteln wie KI die Kohlenstoffemissionen reduzieren können, aber KI selbst wird zu einem der wichtigen Faktoren, die den Klimawandel verschlimmern.
Um wirklich zu verstehen, warum KI so viel Strom verbraucht, müssen wir ihre beiden Kernabschnitte durchschauen: Training und Inferenz. Ersteres ist eine monatelange supergroße parallele Berechnung, wie das Goldschmelzen in einem riesigen digitalen Hochofen. Sein Wesen ist es, Rechenleistung gegen Erkenntnis einzutauschen, d. h. der Prozess, bei dem die Maschine durch wiederholte Berechnungen Regeln aus Daten findet, so wie Menschen durch umfangreiches Lesen und Üben kognitive Fähigkeiten entwickeln. Letzteres ist die Echtzeit-Antwort für Hunderte Millionen Nutzer. Sein Wesen ist es, auf der Grundlage erlernter Parameter und Regeln neue eingehende Informationen zu verarbeiten und Ergebnisse zu erzeugen, ähnlich wie Menschen Fragen mit ihrem erlernten Wissen beantworten. Jeder Klick im Inferenzprozess verbraucht eine kleine Menge Strom, aber genau diese kleinen Mengen summieren sich zu dieser beispiellosen Energieherausforderung.
Um die teure Stromrechnung und den zunehmenden Druck der öffentlichen Meinung zu verringern, müssen Technologiegiganten Rechenzentren in Gebieten bauen, die reich an Wasserkraft, Windenergie und geothermischen Ressourcen sind. Microsoft baute sein Rechenzentrum am Meer der Orkney-Inseln in Schottland, nutzte den lokalen Seewind mit einer durchschnittlichen jährlichen Geschwindigkeit von 10 m/s zur Stromerzeugung und kühlte gleichzeitig die Server mit