UN-Bericht zeigt die wahren Umweltkosten von KI: Strom, Wasser und Land

Stellen Sie einem KI-Chatbot eine Frage, und die Antwort kommt in Sekunden. Bitten Sie um ein Bild, und es erscheint beinahe ebenso schnell. Das wirkt fast mühelos.

Hinter dem Bildschirm sieht es jedoch ganz anders aus. Jede Eingabe wandert in ein Lager voller surrender Maschinen – Datenzentren –, die mit Strom betrieben werden und dabei zugleich Wasser- und Flächenressourcen beanspruchen.

Ein neuer Bericht der Vereinten Nationen hat diese drei Kosten erstmals gemeinsam vermessen. Das Ergebnis fiel deutlich grösser aus, als es reine CO₂-Zahlen je vermuten liessen.

Die Kosten hinter Prompts

Diese Lagerhallen sind Datenzentren – und sie wachsen schneller, als es die Stromnetze vielerorts bequem verkraften können.

Bis 2030 könnten allein die für KI vorgesehenen Anlagen rund 945 Terawattstunden pro Jahr verbrauchen. Das entspricht nahezu dem Dreifachen der Strommenge, die mehrere der bevölkerungsreichsten Länder der Welt nutzen.

Schon heute ist der Bedarf gewaltig: 2025 zogen Datenzentren weltweit etwa 448 Terawattstunden – genug, um als „Land“ betrachtet auf Platz 11 der grössten Stromverbraucher der Welt zu liegen.

Externe Prognosen gehen davon aus, dass sich diese Nachfrage bis 2030 ungefähr verdoppelt.

Dr. Miriam Aczel vom United Nations University Institute for Water, Environment and Health (UNU-INWEH) ist die Hauptautorin des Berichts.

Sie betonte, dass die meisten bisherigen Bewertungen vor allem den CO₂-Ausstoss beim Training grosser Modelle erfasst haben.

Doch jede verbrauchte Einheit Strom hat auch einen Preis in Form von Wasser- und Flächenverbrauch.

Drei Fussabdrücke statt nur einem

Wer den CO₂-Ausstoss senkt, kann die beiden anderen Belastungen unbemerkt erhöhen.

So kann der Umstieg von Kohle auf Bioenergie – Stromerzeugung durch das Verbrennen pflanzlicher Biomasse – den CO₂-Fussabdruck von Elektrizität um etwa 70 Prozent reduzieren.

Der verborgene Preis ist allerdings hoch: Derselbe Wechsel kann den Wasserfussabdruck um mehr als das 30-Fache und den Flächenfussabdruck um das 100-Fache vergrössern.

Eine Entscheidung, die in einer CO₂-Grafik „sauber“ aussieht, kann andernorts still und leise Flüsse und Felder belasten.

„Was uns am meisten überrascht hat, ist, wie oft die Entscheidungen, die aus CO₂-Sicht am grünsten wirken, am Ende für Wasser oder für Land schlechter sind“, sagte Aczel.

Diese Diskrepanz traf das Team unvorbereitet: ein grünes Etikett – und doch subtil irreführend.

Wohin die Energie fliesst

In der öffentlichen Debatte dreht sich viel um das Training – die teure Phase, in der ein Modell zunächst „lernt“.

Die Forschenden stellten jedoch fest, dass die Inferenz – die alltägliche Arbeit, Prompts zu beantworten – schätzungsweise 80 bis 90 Prozent der Energie eines KI-Systems verschlingt.

Hinzu kommt: Nicht jeder Prompt kostet gleich viel, und die Unterschiede sind enorm. Eine typische Chat-Antwort benötigt etwa 200-mal so viel Energie wie eine einfache Textsortieraufgabe; ein KI-Bild kann ungefähr das 1.450-Fache dieses Ausgangswerts verbrauchen.

Eine Studie, die Dutzende Modelle untersuchte, bestätigte dieses Muster.

Anschaulich bedeutet das: Ein einzelnes KI-Bild hält eine kleine LED-Lampe etwa 17 Minuten lang am Leuchten. Ein komplexes Video reicht dagegen für 42 Stunden.

Allein ChatGPT verarbeitet schätzungsweise 2,5 Milliarden Prompts pro Tag – und um die dadurch entstehenden CO₂-Emissionen auszugleichen, bräuchte es Baumsetzlinge auf einer Fläche in der Grössenordnung von Manhattan.

Effizienz, die nach hinten losgeht

Viele Berichte über KI folgen einer beruhigenden Annahme: Wenn die Technik effizienter wird, müsse ihre Umweltbelastung von selbst sinken.

Der Bericht widerspricht dieser Vorstellung deutlich. Ökonominnen und Ökonomen nennen die Falle den Rebound-Effekt, teils auch Jevons-Paradoxon – benannt nach einem Denker des 19. Jahrhunderts.

Wenn etwas billiger und einfacher wird, wird es meist sehr viel häufiger genutzt.

Professor Kaveh Madani, der das Institut leitet und das Team führte, formuliert es schlicht: Effizientere, günstigere KI führt tendenziell zu mehr KI – bis der gesamte Fussabdruck die Einsparungen durch Effizienz übersteigt.

Lokale Lasten, entfernte Vorteile

Die Belastungen durch KI entstehen oft dort, wo die Vorteile kaum ankommen. In Irland machten Datenzentren nach nationalen Angaben 2023 rund 21 Prozent des gesamten gemessenen Stromverbrauchs aus – mehr als alle städtischen Haushalte zusammen.

Der Netzbetreiber hat neue Genehmigungen rund um Dublin bis 2028 ausgesetzt.

In dürregeplagten Regionen Mexikos konkurrieren neue Rechenstandorte um schwindende Wasservorräte.

In Uruguay wurde ein wasserintensives Datenzentrum geplant, just als eine Dürre im Jahr 2023 die Reserven der Hauptstadt aufzehrte und Leitungswasser zeitweise unsicher zum Trinken machte.

Auch die Hardware hinterlässt eine eigene Spur: KI-Ausrüstung könnte bis 2030 bis zu 2,5 Millionen Tonnen Elektroschrott pro Jahr verursachen – ein grosser Teil davon wird in ärmere Länder mit wenigen Schutzvorkehrungen verschifft.

Ausserdem beherbergen nur etwa 32 Staaten solche Datenzentren, und der Grossteil der Rechenleistung konzentriert sich auf nur zwei.

Was Offenlegung verändern könnte

Vor diesem Bericht wurde die Umweltbelastung von KI meist vor allem über CO₂ bewertet – eine einzelne Kennzahl als Stellvertreter für ein viel grösseres Gesamtbild.

Nun stellt eine einheitliche Bilanzierung CO₂, Wasser und Land nebeneinander und zeigt, wie oft diese Dimensionen auseinanderlaufen.

Die Ergebnisse haben bereits politisches Gewicht. Wenige Wochen nach Veröffentlichung forderten die Vereinten Nationen KI-Unternehmen auf, ihre CO₂-, Wasser- und Flächenfussabdrücke offenzulegen.

Zudem wurden die Firmen aufgefordert, ihre Datenzentren bis 2030 mit erneuerbarer Energie zu betreiben.

Vergleichbare, öffentlich verfügbare Kennzahlen würden Regulierungsbehörden und Kundinnen und Kunden ermöglichen, Anbieter direkt miteinander abzuwägen.

Die nächsten Schritte sind konkret: Regierungen können Datenzentren in die Wasser- und Flächenplanung integrieren, und Unternehmen können Standardeinstellungen als Umweltentscheidungen begreifen.

Der Bericht schliesst mit einem hoffnungsvollen Ton und argumentiert, dass Leistungsfähigkeit und Sorgfalt gemeinsam wachsen können, sobald die tatsächlichen Kosten sichtbar sind.

Der Bericht wurde als UNU-INWEH Research Report veröffentlicht.