Nachhaltige KI braucht nachhaltige Hardware | KI-Ideenwerkstatt für Umweltschutz

Kohlekraftwerk umgeben von Wald und einem Fluss. — Das Kohlekraftwerk Werdohl-Elverlingsen wurde 2014 stillgelegt. Seit 2018 wird es als Batterie-Speicherkraftwerk genutzt.

Künstliche Intelligenz verbreitet sich zunehmend und durchdringt immer mehr Lebensbereiche - aktuell meist in Form großer Sprachmodelle (Large Language Models, kurz LLMs). Obwohl KI große Datenmengen verarbeiten, Prozesse optimieren, Monitoring verbessern und vieles mehr kann, bringen insbesondere LLMs einen enormen Energie- und Ressourcenverbrauch mit sich. Im folgenden Fachbeitrag haben wir dahingehend aktuelle Daten und Fakten zusammengetragen.

Ursache: exponentielles Wachstum großer KI-Sprachmodelle

Mehr Trainingskosten durch immer größere Modelle bedeutet mehr Energie- und Ressourcenverbrauch. Wegen Intransparenz der Branche bieten Abbildungen wie aus dem aktuellen Stanford AI Index Report [1] einen unpräzisen Blick in die Vergangenheit – es zeigt sich trotz aller Unsicherheiten aber ein deutlicher Trend, der aufgrund der logarithmischen Skala nicht linear ist, sondern exponentiell:

Eine Grafik zeigt den exponentiellen Anstieg von Trainingskosten versch. KI-Modelle von 1950 2020

Von 2010 bis 2024 mehr als Verdoppelung der Kapazität in Deutschland auf über 2.730 Megawatt, bis 2030 wird weiterhin ein beschleunigtes Wachstum auf über 4.800 MW erwartet [2]:

Eine Grafik, ansteigend, zeigt die IT-Anschlussleistung in Megawatt von 2010 bis 2024 sowie eine Prognose bis 2030, in der ein beschleunigtes Wachstum auf über 4.800 MW erwartet wird.

Folgen: Energie und Klima

Mittlerweile ist der CO2-Fußabdruck von Datenzentren laut der Expertin Kate Crawford (Autorin „Atlas of AI“ [3]) bereits „größer als jener der gesamten Luftfahrtindustrie“. [4]
Im September 2024 zeigte eine Analyse des Guardian, dass die realen In-House-Emissionen der Rechenzentren von Google, Microsoft, Meta und Apple von 2020 bis 2022 um 662 Prozent bzw. 7,62-fach höher waren als offiziell angegeben. [5] Amazon konnte dabei als größter Emittent (mit mehr als doppelt so hohem CO2-Ausstoß wie Apple an zweiter Stelle) nicht berücksichtigt werden, da das andere Geschäftsmodell die Isolierung von Emissionen aus Rechenzentren erschwert.
Internationale Energieagentur (10.4.2025): Der Stromverbrauch von Rechenzentren wird sich bis 2030 auf ca. 945 TWh verdoppeln – etwas mehr als der gesamte Energieverbrauch Japans. KI wird dabei mit prognostizierter Vervierfachung der Nachfrage der stärkste Treiber sein.
Ralph Hintemann (Borderstep, DC2HEAT – Interview vom 23.5.2025): „Rechenzentren werden den Hauptanteil an den CO2-Emissionen der Digitalisierung haben. […] Weltweit belegt KI ungefähr 20 Prozent der Rechenzentrumskapazitäten. Um das zu vergleichen: Wir verbrauchen für KI weltweit aktuell ungefähr so viel Strom wie ganz Holland im Jahr.“ [6]
In Irland aufgrund relativ niedriger Steuern für BigTech-Konzerne beliebten EU-Standort war der Energiebedarf von Rechenzentren bereits 2024 „höher als der aller urbanen Behausungen zusammen“. [7]
Halbleiterproduktion: Energieverbrauch hat sich in den letzten acht Jahren von 58.326 GWh (2015) auf 131.278 GWh (2023) mehr als verdoppelt (+125 Prozent). Direkte Emissionen haben sich von 2015 bis 2021 nahezu verdoppelt, bis 2023 ist jedoch ein Rückgang um ca. 30 Prozent zu beobachten. Indirekte Emissionen haben im gesamten Zeitraum um „nur“ 71 Prozent zugenommen, was auf verstärkte Nutzung von Zertifikaten für erneuerbare Energien hindeutet. Indirekte „Scope 3“-Emissionen entlang der Wertschöpfungskette haben sich von 11,7 (2015) auf 87,4 Mio. Megatonnen CO2-Äquivalente (2023) versiebenfacht. [8]

Aktuelle Trends im Energiebereich:

Weiterbetrieb von Kohlekraftwerken, die infolge des Ausbaus erneuerbarer Energien nicht mehr wettbewerbsfähig sind wie z.B. aktuell 2.000 Megawatt in Pakistan. [9]
Laufzeitverlängerung alter AKWs, bspw. eines 1121-Megawatt-Kraftwerks durch Meta für die nächsten 20 Jahre [10] oder geplante Reaktivierung eines stillgelegten 837-Megawatt-Blocks von „Three Mile Island“ durch Microsoft [11]
Renaissance der Atomkraft wird angekündigt [12]: Google plant bspw. aktuell drei neue AKW mit jeweils mindestens 600 Megawatt Leistung, um das geplante Tempo beim Ausbau von KI-Rechenzentren halten zu können, sowie weitere Kleinreaktoren mit 50 bis 75 Megawatt ab 2030.
Ausbau erneuerbarer Kapazitäten geht in steigende KI-Nachfrage statt Transformation des Energiesystems
Stromnetze kommen auch hierzulande bereits lokal an ihre Grenzen [13] und nachfragebedingt gibt es in den USA bereits Preissteigerungen [14]
Da AKW-Kapazitäten nicht kurzfristig zur Verfügung stehen, kommen mobile Gasturbinen ohne Filter mit verheerender Klima- und Ökobilanz zum Einsatz, in den USA bereits heute [15] und in Deutschland in naher Zukunft [16]
Demgegenüber besteht weiterhin großes Potenzial bei der Abwärmenutzung von Rechenzentren, bspw. sollen in einem geplanten Berliner Neubaugebiet 4500 Wohnungen, 200 Gewerbeeinheiten sowie Kitas und Schulen künftig mit der Abwärme zweier Rechenzentren beheizt werden (jährlich ca. 6000t CO2 Einsparung) [17], das Projekt BytesHeat stellt Tools [18] für zukünftige Projekte bereit und im Projekt DC2HEAT wird Abwärmenutzung mit KI optimiert [19]

Folgen: Ressourcen

Wasserverbrauch „ist ein komplexes Thema, weil Rechenzentren auf drei verschiedene Weisen Wasser verbrauchen“ (Ralph Hintemann, s.o.):
- 1. braucht die Produktion der IT sehr viel Wasser, wozu es aber wenig Informationen und auch noch kaum Bewusstsein gibt [20]
- 2. indirekt über den Stromverbrauch der Rechenzentren, wenn Wasser über Kühltürme fossiler oder nuklearer Kraftwerke verdampft
- 3. in den Rechenzentren selbst, primär für effiziente Kühlung – der dortige Verbrauch kann enorm sein (>1 Mrd. Liter pro Jahr für ein einziges Rechenzentrum)

Daher ist relevant, ob es sich um Trinkwasser, Regenwasser oder Brauchwasser handelt und in welcher Gegend Wasser verbraucht wird. Eine Bloomberg-Recherche [21] zeigt, dass in den USA genau dort zusätzlich Wasser für KI-Zwecke genutzt wird, wo es dringend benötigt wird: 2/3 der seit 2022 errichteten oder geplanten Datenzenten befinden sich an Orten, die bereits unter Wassermangel leiden. Aber auch hierzulande zeichnen sich ähnliche Probleme ab: in Neuenhagen bei Berlin wurden 2023 trotz Versorger-Veto, welcher das Absinken des Grundwassers und Versorgungsengpässe befürchtete, Brunnen für ein geplantes Rechenzentrum genehmigt [22]. Eine durchschnittliche Konversation mit ChatGPT verbraucht ein Glas Wasser – pro Gespräch und Nutzer*in. [23]

Kritische Rohstoffe und Schadstoffe bei der Hardwareproduktion:
- Zentrales Problem sind auch hier fehlende Daten, aber eine Interface-Studie [24] von 2024 illustriert die Komplexität und Dramatik des ökologischen Fußabdrucks der Halbleiterproduktion. Die Knappheit benötigter Rohstoffe, fragwürdige Herkunft seltener Erden sowie große Defizite bei Entsorgung und Recycling (s.u.) sind lange bekannt, aber weitere Herausforderungen werden immer größer.
- Zwar wird der exorbitante Wasserverbrauch der Chipindustrie (s.o.) inzwischen mehr thematisiert, doch die Problematik ist komplexer: Neben dem CO2-Fußabdruck von Produktion und Lieferketten müssen auch Schadstoffeinträge, insbesondere sogenannter Ewigkeitschemikalien (PFAS), in den Blick genommen werden. Studienautorin Julia Hess hat auf der AI Conference des Bundesumweltministeriums 2024 [25] veranschaulicht, dass mangelnde Datentransparenz eine umfängliche Bewertung und Differenzierung verschiedener Hardwaretypen behindert.

Elektroschrott:
- Selbst konservativ geschätzt wird der kumulierte Elektronikschrott allein aus Hardware für große KI-Sprachmodelle (LLMs) bis 2030 weltweit neun Millionen Tonnen betragen und in einem Szenario mit stärkerer Verbreitung generativer KI könnte das Volumen des durch LLMs generierten Elektroschrotts auf 16,1 Millionen Tonnen ansteigen [26]: „Zum Vergleich: Die Gesamtmenge an Elektroschrott, die 2022 kurz vor dem Feldzug von LLMs produziert wurde, betrug 62 Millionen Tonnen. Diese Menge würde 1,55 Millionen 40-Tonnen-Lkw füllen“.

Mögliche Lösungswege wurden bereits am Ende des letzten Fachbeitrags dargestellt. Wichtigste Hebel für nachhaltige KI sind demzufolge:

mehr Transparenz für ökologische und ökonomische Kosten-Nutzen-Rechnung,
zielgerichtete, kontextabhängige Modellauswahl und Green Coding,
effizienzoptimierte Hardware im Bestand durch Wasserkühlung, spezifische Hardware je nach Use Case und Abwärmenutzung,
neue Ansätze in Hardwarearchitektur, Chipdesign und -produktion für möglichst geringen Energie-, Wasser- und Rohstoffverbrauch im gesamten Lebenszyklus,
mehr und besseres Recycling bzw. Nutzung von refurbished Hardware, wo sinnvoll,
andere Anreize und Geschäftsmodelle für nachhaltige KI „by design“, damit durch die Einbeziehung ökologischer Kosten mehr Umwelteffizienz zu deutlicher Kostenersparnis führt,
mehr Forschung zur gesamten Bandbreite nachhaltiger KI,
sowie last but not least: im Bewusstsein der Herausforderungen eine neue Kulturtechnik informierter und reflektierter Anwendung von KI.

Entsprechend der Diskussion bei der AI Conference des Bundesumweltministeriums [27] müsste dafür eine ganzheitliche Politik

Diskurse um „grüne KI“ mit Industrie und geopolitischen Debatten [28] verschränken,
mit Blick auf die globale Dimension des Problems schneller und effizienter regulieren,
Monopole einhegen, um Macht- und Konzentrationsfragen zu lösen,
(aus Halbleiterperspektive) das Problem an der Wurzel und Stellschrauben in Design, Fertigung und Nutzung mitdenken und
durch nachhaltige Innovationen Wettbewerbsfähigkeit ebenso fördern, wie das Wachstum von Ansätzen, die zeigen, dass und wie es anders gehen kann.

Statt im KI-Wettrüsten zwischen großen Technologiekonzernen und Wirtschaftsräumen den Anschluss finden zu wollen, liegt die Zukunft vielmehr darin, mehr Offenheit zu wagen: Offene Daten und (Innovations-)Modelle könnten dabei helfen, durch nachhaltige KI zukunftsfähige Lösungen und Geschäftsmodelle zu etablieren, die ökologisch wie ökonomisch längerfristig tragfähig sind. Zweifellos sind dazu viele Schritte auf vielen Ebenen zu gehen – umso wichtiger ist es, dass Wissenschaft, Wirtschaft, Politik und Zivilgesellschaft gemeinsam daran arbeiten, bestehende Grenzen im Denken und Handeln zu überschreiten, damit ökologische und planetare Grenzen nicht überschritten werden.

Über den Autor

Reinhard Messerschmidt ist stellvertretender Auftragskoordinator und arbeitet als interdisziplinärer Sozialwissenschaftler und promovierter Philosoph seit 2017 zu Digitalisierung und Nachhaltigkeit mit Fokus auf KI und Technikgestaltung für das Gemeinwohl.

1 https://hai-production.s3.amazonaws.com/files/hai_ai_index_report_2025.pdf

2 https://www.bmwk.de/Redaktion/DE/Publikationen/Technologie/stand-und-entwicklung-des-rechenzentrumsstandorts-deutschland.pdf?__blob=publicationFile&v=10

3 https://katecrawford.net/atlas

4 https://www.zeit.de/2025/12/ressourcen-ki-mineralien-knappheit-konflikt/seite-2

5 https://www.theguardian.com/technology/2024/sep/15/data-center-gas-emissions-tech

6 https://reset.org/rechenzentren-werden-den-hauptanteil-an-den-co2-emissionen-der-digitalisierung-haben-ralph-hintemann-borderstep-institute-im-interview/

7 https://www.golem.de/news/irland-rechenzentren-brauchen-bald-mehr-strom-als-alle-einwohner-2407-187371.html

8 https://www.interface-eu.org/publications/semiconductor-emission-explorer

9 https://www.heise.de/news/Aus-Kohlekraftwerken-Pakistan-verspricht-2000-MW-fuer-KI-und-Bitcoin-Mining-10396225

10 https://www.heise.de/news/Kernkraft-fuer-KI-Facebook-Konzern-Meta-mit-Atomstrom-Deal-fuer-20-Jahre-10425034.html

11 https://www.tagesschau.de/ausland/amerika/usa-atomkraftwerk-microsoft-100.html

12 https://www.golem.de/news/elementl-power-google-plant-drei-kernkraftwerke-fuer-ki-rechenzentren-2505-196034.html