Ist KI schlecht für die Umwelt? Die echte Antwort für 2026

Ja, KI ist schlecht für die Umwelt, und die Zahlen stehen nicht mehr zur Debatte. Der globale Stromverbrauch von Rechenzentren soll laut der Internationalen Energieagentur von 415 TWh im Jahr 2024 auf rund 945 TWh bis 2030 steigen, größtenteils wegen KI. Cornell-Forscher gehen davon aus, dass allein KI-Server bis 2030 24 bis 44 Millionen Tonnen CO₂ ausstoßen und 731 bis 1.125 Millionen Kubikmeter Wasser pro Jahr verbrauchen werden. Das entspricht dem Hinzufügen von 5 bis 10 Millionen Autos auf US-Straßen und dem Haushaltswasserverbrauch von 6 bis 10 Millionen Amerikanern.

Das ist die schlechte Nachricht, und sie ist real. Die längere Antwort ist nützlicher: Der Fußabdruck von KI hängt enorm davon ab, welches Modell du nutzt, wo es läuft und wofür du es einsetzt. Ein einzelner Text-Prompt an Gemini verbraucht etwa 0,24 Wh und 0,26 ml Wasser. Derselbe Prompt an DeepSeek-R1 kann rund 29 Wh verbrauchen, mehr als das 100-Fache. In diesem Artikel bekommst du ein klares Urteil, die fünf Gründe, warum KI 2026 der Umwelt schadet, und eine Vergleichstabelle nach Modell. Du siehst außerdem praktische Schritte, die du gehen kannst, wenn du weiterhin KI nutzen willst, ohne das Problem zu verschlimmern.

Das Wichtigste in Kürze

• KI schadet der Umwelt, aber die Kosten pro Prompt sind kleiner als die viralen „Flasche-Wasser“-Schlagzeilen suggerieren. Ein einzelner ChatGPT-Prompt verbraucht laut OpenAI-CEO Sam Altman etwa 0,34 Wh und 0,000085 Gallonen Wasser, ungefähr ein Fünfzehntel eines Teelöffels.
• Der Strombedarf von Rechenzentren dürfte sich bis 2030 mehr als verdoppeln. Der Energy-and-AI-Bericht der IEA prognostiziert 415 TWh im Jahr 2024 → 945 TWh im Jahr 2030, wobei KI für fast die Hälfte des Wachstums verantwortlich ist.
• Die Wahl des Modells zählt mehr, als du denkst. Die Lücke zwischen den effizientesten und den ineffizientesten KI-Systemen beträgt laut einer von Fachkollegen geprüften Studie von Jegham et al. mehr als das 65-Fache.
• Generatives Video spielt in einer ganz anderen Liga. Ein einzelnes 10-sekündiges Sora-2-Video verbraucht etwa 1 kWh Strom und 4 Liter Wasser, das ist rund 2.000-mal mehr pro Sekunde Output als ein Text-Prompt.
• KI kann der Umwelt auch helfen. Das Grantham Institute schätzt, dass KI bei gutem Einsatz die globalen Emissionen bis 2035 um 3,2 bis 5,4 Milliarden Tonnen senken könnte, während die Boston Consulting Group das Potenzial auf 5 bis 10 Prozent aller Treibhausgasminderungen bis 2030 beziffert.

Wie schlecht ist KI 2026 für die Umwelt?

Die kurze Antwort: schlecht genug, um relevant zu sein, aber pro Nutzer noch nicht katastrophal. Rechenzentren verbrauchen heute laut IEA rund 1,5 Prozent des weltweiten Stroms, ein Wert, der bis 2030 auf fast 3 Prozent steigen soll. Sie sind für etwa 0,5 Prozent der weltweiten CO₂-Emissionen verantwortlich. Diese Zahlen sind klein im Vergleich zu Verkehr oder Stahl, wachsen aber schneller als fast jeder andere Sektor.

Die eigentliche Sorge gilt dem Trend. In den USA sollen Rechenzentren bis 2030 zusätzlich 240 TWh Strombedarf schaffen, ein Anstieg um 130 Prozent. In China sind es 175 TWh, ein Sprung um 170 Prozent. Die IEA rechnet damit, dass rund 40 Prozent dieser neuen Nachfrage weiterhin aus Gas und Kohle stammen werden. Deshalb sieht das regionale Bild hässlich aus, auch wenn der globale Durchschnitt beherrschbar wirkt. In Dublin verbrauchen Rechenzentren bereits 79 Prozent des städtischen Stroms. In Virginia erreichten sie 2024 26 Prozent des landesweiten Verbrauchs.

Wasser ist der zweite Druckpunkt. Ein einzelnes Hyperscale-Rechenzentrum kann bis zu 5 Millionen Gallonen Wasser pro Tag verbrauchen, so viel wie 16.000 durchschnittliche US-Haushalte. Allein das Training von GPT-3 ließ laut einer Studie der UC Riverside in Microsofts US-Anlagen schätzungsweise 700.000 Liter sauberes Süßwasser verdunsten.

Das Fazit: KI zerstört den Planeten heute nicht, aber die nächsten fünf Jahre entscheiden, ob daraus ein großes Klimaproblem oder ein beherrschbares wird. Die Standortentscheidungen, die Wahl der Modelleffizienz und der Strommix, die jetzt festgelegt werden, bestimmen das Ergebnis.

Für die vollständige Aufschlüsselung, wohin das Wasser fließt, haben wir die vollständige Aufschlüsselung des Wasserverbrauchs von KI und wie viel Strom KI 2026 wirklich verbraucht als tiefergehende Begleitartikel erstellt.

Warum ist KI schlecht für die Umwelt? Die 5 echten Gründe

Der Schaden lässt sich in fünf klar getrennte Bereiche gliedern. Überflieg die Tabelle und lies dann den Abschnitt, der dich am meisten beunruhigt.

1. Der Strombedarf ist die Schlagzeile

2024 machten Rechenzentren einen 1,5-Prozent-Anteil am weltweiten Strom aus. Bis 2030 erwartet die IEA, dass sie fast 3 Prozent erreichen, wobei KI-Workloads fast die Hälfte des gesamten Wachstums antreiben. Beschleunigte Server für KI wachsen um 30 Prozent jährlich; alles andere wächst um 9 Prozent.

Das Stromnetz kann das nicht auffangen, ohne mehr fossile Brennstoffe zu verbrennen. Die IEA prognostiziert, dass bis 2030 rund 40 Prozent der neuen Nachfrage weiterhin aus Gas und Kohle stammen werden. Die Gasverstromung für Rechenzentren soll sich laut einer Analyse von Carbon Brief von 120 TWh im Jahr 2024 auf 293 TWh bis 2035 mehr als verdoppeln.

2. Der Wasserverbrauch ist größer, als die meisten denken

Das Training eines großen Modells braucht Wasser zur Kühlung und indirekt noch mehr Wasser, weil auch die Wärmekraftwerke, die den Strom erzeugen, Kühlwasser benötigen. Eine Megawattstunde Rechenzentrumsstrom verbraucht laut dem Environmental and Energy Study Institute 1.900 Liter Wasser direkt und indirekt weitere 4.540 Liter.

Cornell-Forscher gehen davon aus, dass allein KI-Server bis 2030 731 bis 1.125 Millionen Kubikmeter Wasser pro Jahr beziehen werden, der Haushaltswasserverbrauch von 6 bis 10 Millionen Amerikanern. Laut SNHU liegen über 50 Prozent der seit 2022 gebauten neuen Rechenzentren in wasserarmen Regionen.

Wenn du die ChatGPT-spezifischen Zahlen willst: Unser Deep Dive zu wie viel Wasser ChatGPT wirklich pro Prompt verbraucht behandelt den Wert von 0,000085 Gallonen pro Anfrage und die virale Behauptung „eine Flasche Wasser pro E-Mail“, die sich als stark übertrieben herausstellte.

3. Die CO₂-Emissionen steigen schneller, als sich der Sektor dekarbonisieren kann

Laut derselben Cornell-Studie werden KI-Server bis 2030 allein in den USA jährlich 24 bis 44 Millionen Tonnen CO₂ zusätzlich verursachen, was 5 bis 10 Millionen zusätzlichen Autos auf der Straße entspricht. Amazons Gesamtemissionen stiegen 2024 gegenüber 2023 um 6 Prozent, und 42 Prozent der Führungskräfte gaben Capgemini gegenüber an, ihre Klimaziele wegen des KI-Wachstums zu überdenken.

Worst-Case-Prognosen von Morgan Stanley beziffern die Emissionen generativer KI bis 2030 auf 2,5 Milliarden Tonnen CO₂, heute etwa 40 Prozent der gesamten US-Emissionen. Der Forscher Alex de Vries Gao berechnete in der Fachzeitschrift *Patterns* (2025), dass der KI-Boom 2025 so viel CO₂ freisetzte wie die gesamte Stadt New York.

4. Elektroschrott häuft sich schnell an, weil die Hardware schnell wechselt

KI-Server laufen auf hochmodernen GPUs, die alle zwei bis drei Jahre ausgetauscht werden, um mit den Anforderungen der Modelle Schritt zu halten. Research Square schätzte 2024, dass KI-bedingter Elektroschrott bis 2030 16 Millionen Tonnen erreichen könnte. Diese Hardware enthält Quecksilber, Blei, Arsen und andere giftige Stoffe, die Boden und Grundwasser verunreinigen, wenn sie entsorgt wird.

Elektroschrott ist der am wenigsten beachtete Teil des KI-Fußabdrucks. Die meiste Umweltberichterstattung lässt ihn komplett aus, weil er in der täglichen Abrechnung pro Prompt nicht auftaucht.

5. Kritische Rohstoffe verbinden KI mit dem Bergbau

KI-Infrastruktur braucht Kupfer für die Stromversorgung, Lithium und Kobalt für Backup-Batterien und eine lange Liste an Seltenerdelementen für die Chips selbst. Das UN Environment Programme warnt, dass die KI-Nachfrage den weltweiten Kupferverbrauch fast verdoppeln könnte. Der Abbau von Seltenen Erden ist wasserintensiv und findet oft in Ländern mit schwachem Umweltschutz statt, wodurch die Kosten der KI in Gemeinden exportiert werden, die kaum etwas vom Nutzen abbekommen.

Wie viel Energie verbraucht ein einzelner KI-Prompt wirklich?

Hier verzerren Schlagzeilen am stärksten. Ein einzelner Text-Prompt ist klein. In der Summe ist es enorm. Die folgende Tabelle zeigt die aktuellsten von Fachkollegen geprüften und herstellereigenen Zahlen pro Modell.

Drei Dinge fallen auf. Erstens beträgt die Spanne zwischen den effizientesten und den ineffizientesten Systemen laut Jegham et al. mehr als das 65-Fache, wenn man den Spitzenwert von 29 Wh bei DeepSeek-R1 mit dem Wert von 0,44 Wh für LLaMA-3.1-8B vergleicht. Zweitens können Reasoning-Modelle wie DeepSeek-R1 und die o-Serie von OpenAI 50- bis 100-mal mehr Energie verbrauchen als eine Standardanfrage, weil sie vor der Antwort nachdenken. Drittens: Günstig in der Nutzung heißt nicht sauber im Betrieb: DeepSeeks niedriger API-Preis verbirgt einen der höchsten Energie-Fußabdrücke pro Prompt in der Tabelle.

Für die tiefste Aufschlüsselung sieh dir die Energiezahlen pro Prompt für ChatGPT und den Effizienzvergleich zwischen ChatGPT und Gemini an.

Warum generatives Video schlechter abschneidet als generativer Text

Text ist das günstige Ende. Bild- und Videogenerierung spielen in einer ganz anderen Liga. Ein einzelnes KI-Bild verbraucht laut einer Studie der ACM Digital Library etwa eine halbe Smartphone-Ladung. Ein 10-sekündiges Sora-2-Video verbraucht laut einer Analyse von Reclaimed Systems etwa 0,936 kWh Strom, knapp über 4 Liter Süßwasser und stößt rund 466 Gramm CO₂ aus. Der Energieverbrauch vervierfacht sich, wenn sich die Videolänge verdoppelt, ein 20-sekündiger Clip kostet also nicht doppelt so viel, sondern das Vierfache.

Würde Sora 2 auch nur einen Bruchteil der Nutzung von TikTok erreichen, sähen die Prognosen düster aus. Eine Analyse schätzte, dass Sora 2 allein durch kurze KI-Videos jährlich rund 1,9 Millionen Tonnen CO₂ ausstoßen könnte, etwa 23 Prozent des gesamten Unternehmens-CO₂-Fußabdrucks von Meta im Jahr 2024.

Welcher KI-Chatbot ist 2026 am umweltfreundlichsten?

Das ist die Frage, die fast niemand direkt beantwortet. Basierend auf herstellereigenen Angaben und von Fachkollegen geprüften Messungen, veröffentlicht bis Mai 2026, hier unser Ranking von am umweltfreundlichsten bis am schädlichsten für Text-Prompts. Die Werte gelten pro Anfrage, niedriger ist besser. Für das Bild auf Tool-Ebene rankt unser Leitfaden zur umweltfreundlichsten KI die grünsten Chatbots und speziellen grünen Tools. Unter den speziellen Tools behandelt unser GreenPT-Test einen datenschutzorientierten Chatbot, der auf leichteren, energieeffizienten Modellen basiert, und unser Viro-AI-Test betrachtet einen Multi-Modell-Chatbot, der für jede Nachricht saubere Energie finanziert.

1. Google Gemini ist mit 0,24 Wh / 0,26 ml / 0,03 g CO₂ pro Median-Prompt der umweltfreundlichste Mainstream-Chatbot auf dem Markt. Google veröffentlicht eigene Messungen und läuft auf einem der saubersten Hyperscale-Stromnetze; berichtete von einer 33-fachen Reduzierung der Energie pro Prompt innerhalb eines einzigen Jahres.
2. ChatGPT (Durchschnitt) liegt laut Sam Altmans eigener Angabe bei 0,34 Wh. Der Altman-Wert ist ein Durchschnitt über alle Modellgrößen hinweg; aufwendige Reasoning-Anfragen liegen deutlich höher.
3. GPT-4o liegt laut Jegham et al. bei 2,88 Wh für einen langen Prompt. Kurze Faktenabfragen liegen niedriger, als diese Zahl vermuten lässt.
4. DeepSeek-V3 liegt mit 3,70 Wh (Azure-gehostet) trotz des günstigen API-Preises im Mittelfeld.
5. Mistral Le Chat liegt laut Mistrals eigener Angabe bei über 3 Wh und 1,14 g CO₂. Ehrliche Berichterstattung, höherer Fußabdruck.
6. Claude 3.7 Sonnet liegt laut Jegham et al. bei 5,67 Wh pro langem Prompt. Anthropic veröffentlicht keine offiziellen Zahlen pro Prompt.
7. DeepSeek-R1 ist mit 7,41 Wh auf Azure oder 29,08 Wh selbst gehostet das energiehungrigste Mainstream-Modell, das wir gemessen haben. Modelle im Reasoning-Modus zahlen einen hohen Energiezuschlag, und die Wahl des Hostings verdreifacht oder vervierfacht die Rechnung.
8. LLaMA-3.1-405B liegt mit 25,20 Wh nahe der Spitze. Riesige Open-Source-Modelle sind nicht automatisch umweltfreundlich.

Das ist unbequem für die Annahme „günstig heißt sauber“: Die günstigste API auf dem Markt ist eine der schädlichsten pro Anfrage.

Ist KI im Vergleich zu einer Google-Suche schlecht für die Umwelt?

Der häufigste Vergleich entpuppt sich als der irreführendste. Die virale Behauptung „KI verbraucht zehnmal mehr Energie als eine Google-Suche“ stammt aus einer Schätzung von 2023, die frühes ChatGPT (rund 3 Wh pro Anfrage) mit Googles eigenem Wert von 0,3 Wh pro Suche aus dem Jahr 2009 verglich. Zwei Jahre später sehen die Zahlen ganz anders aus.

Ein moderner ChatGPT-Prompt mit 0,34 Wh entspricht ungefähr einer Google-Suche mit 0,3 Wh. Ein Gemini-Prompt mit 0,24 Wh liegt nach Googles eigener Messung sogar unter einer Google-Suche. Die ehrliche Version des Vergleichs liegt für aktuelle Textmodelle näher bei dem 1- bis 1,1-Fachen, nicht beim 10-Fachen. Der Faktor 10 gilt weiterhin für Bild- und Videogenerierung, und bei Reasoning-Modellen wird es noch deutlich schlimmer.

Wir haben das ausführlich in unserer Aufschlüsselung gängiger Mythen über den Energieverbrauch von KI, widerlegt behandelt.

Kann KI der Umwelt auch helfen?

Ja, und das ist der Teil, den die meisten Untergangsszenarien auslassen. Eine Analyse der Boston Consulting Group aus dem Jahr 2024 schätzte, dass durchdacht eingesetzte KI 5 bis 10 Prozent der weltweiten Treibhausgasemissionen bis 2030 mindern könnte. Das Grantham Institute bezifferte die Einsparungen auf 3,2 bis 5,4 Milliarden Tonnen CO₂ bis 2035, wenn KI genutzt wird, um Stromnetze zu optimieren, die Materialforschung zu beschleunigen, die Wettermodellierung zu verbessern und industriellen Abfall zu reduzieren.

Reale Beispiele gibt es bereits. KI kartiert illegale Tiefwasser-Baggerarbeiten, erfasst Methanwolken aus Satellitenbildern, optimiert die Platzierung von Windturbinen und verbessert die Effizienz des Düngemitteleinsatzes in der Landwirtschaft. Die Europäische Kommission veröffentlichte im März 2026 eine Studie, die zeigt, dass Abwärme aus KI-Rechenzentren umgeleitet wird, um Wasserreinigungs- und CO₂-Abscheidungsanlagen zu betreiben.

Das ehrliche Urteil lautet: Es kommt darauf an, wie KI genutzt wird. Die Infrastrukturseite ist eindeutig kostspielig. Die Anwendungsseite hat echtes Potenzial, aber nur, wenn die klimapositiven Anwendungsfälle tatsächlich schneller skalieren als die klimaschädlichen.

Was kannst du tun? 5 praktische Tipps

Du musst nicht auf KI verzichten, um deinen Fußabdruck zu senken. Die meisten Vorteile kommen aus klügerer Nutzung, nicht aus Verzicht. Lies unseren Test zu EcoGPT, dem klimabewussten KI-Chatbot für einen tieferen Blick auf nachhaltigkeitsorientierte KI-Tools.

1. Wähle, wann immer möglich, das leichtere Modell. Eine Faktenabfrage braucht kein Frontier-Reasoning-Modell. Der Wechsel von einem aufwendigen Reasoning-Modell zu einem Standard-Chat-Modell kann deine Energie pro Prompt um das 20- bis 100-Fache senken. Apps, mit denen du in einer Oberfläche zwischen Modellen wechseln kannst, machen das mühelos, und suchorientierte Tools wie Ecosias grüne KI-Suche greifen standardmäßig auf schlankere Modelle zurück. In diesem Sinne lässt du mit der Kombination von KI-Nutzung und der umweltfreundlichen Suchmaschine OceanHero deine alltäglichen Suchen die Meeresreinigung finanzieren.

2. Verzichte bei beiläufiger Nutzung auf KI-Video- und Bildgenerierung. Ein einzelnes Sora-2-Video verbraucht rund 3.000-mal mehr Energie als ein Text-Prompt. Wenn dieselbe Idee als Text funktioniert, schreib sie einfach.

3. Fasse deine Prompts zusammen. Der meiste Energieaufwand entsteht beim Aufbau des Kontexts. Ein langer, gut durchdachter Prompt, der dir die Antwort auf Anhieb liefert, ist viel effizienter als zehn Hin-und-her-Iterationen.

4. Nutze Multi-Modell-Apps. Fello AI ist ein gutes Beispiel: eine App, ein Abo, und du kannst für jede Aufgabe zwischen ChatGPT, Claude, Gemini, Grok und DeepSeek wählen. Eine Abfrage an Gemini mit 0,24 Wh zu leiten, statt sie auf einem aufwendigen Reasoning-Modell laufen zu lassen, kann deinen Prompt-Fußabdruck um eine Größenordnung senken. Die App kostet 9,99 $ im Monat und unterstützt Skills für Excel-, Word-, PowerPoint- und PDF-Ausgaben, sodass du auch eine ganze Aufgabe statt vieler kleiner Prompts zusammenfassen kannst.

5. Dränge Anbieter zur Offenlegung. Laut einer Capgemini-Umfrage maßen 2025 nur 12 Prozent der Führungskräfte die Umweltauswirkungen ihrer generativen KI. Intransparenz ist das größte Hindernis, um das zu beheben. Achte bei der Anmeldung für ein Tool auf eigene Emissionsberichte des Anbieters. Belohne die, die veröffentlichen.

Das Fazit

KI ist 2026 schädlich für die Umwelt, aber nicht überall gleich stark. Die Kosten pro Prompt sind klein genug, dass persönlicher Verzicht die falsche Lösung ist. Entscheidend ist das strukturelle Bild: ein Sektor, der um 30 Prozent pro Jahr wächst, 40 Prozent fossil erzeugte neue Nachfrage festschreibt und der Dekarbonisierung des Stromnetzes davonläuft. Die 945-TWh-Prognose der IEA, Cornells CO₂- und Wasserzahlen und Jeghams 65-fache Effizienzspanne weisen alle auf dasselbe Ergebnis hin. Der Fußabdruck von KI wird weiter schnell wachsen, und die einzige realistische Abhilfe liegt auf der Produktionsseite: sauberere Stromnetze, klügere Standortwahl und effizientere Modelle.

Für dich als Nutzer ist der wirkungsvollste Hebel, das richtige Modell für die Aufgabe zu wählen und beiläufige KI-Videos zu vermeiden. Wenn du tiefer in die Zahlen hinter jeder Säule der Umweltauswirkungen von KI eintauchen willst, gehen unsere Begleitartikel zu wie viel Strom KI 2026 wirklich verbraucht, die vollständige Aufschlüsselung des Wasserverbrauchs von KI und unsere Analyse zu der Rolle von KI in der Stromnachfrage-Krise 2026 tiefer, als es ein einzelnes Ranking könnte.

FAQ