Wie viel Wasser verbraucht KI? Die echten Zahlen für 2026

Wie viel Wasser verbraucht KI? Ein einzelner Text-Prompt verbraucht irgendwo zwischen etwa 0,26 ml, Googles offiziellem Wert für einen durchschnittlichen Gemini-Prompt, und ein paar Millilitern für eine typische Chatbot-Antwort. Die erschreckende, viral gegangene Zahl von ~500 ml „pro E-Mail“ ergibt sich daraus, dass dabei auch die Stromversorgungskette mitgezählt wird, weshalb die Schätzungen um mehr als das 1.000-Fache auseinanderliegen. In der Summe kommt einiges zusammen: US-Rechenzentren verbrauchten 2023 direkt etwa 17 Milliarden Gallonen Wasser, und dieser Wert soll sich bis 2028 verdoppeln oder sogar vervierfachen.

Dieser Leitfaden liefert dir geprüfte Zahlen für jede Version der Frage: pro Prompt, pro Frage, pro Tag, pro Jahr und pro Rechenzentrum. Jede Zahl ist datiert und mit ihrer Quelle belegt. Du erfährst, warum seriöse Schätzungen so stark auseinandergehen, welche viralen Behauptungen widerlegt wurden und wie der Wasserverbrauch von KI im Vergleich zu einem Burger oder einem Baumwoll-T-Shirt aussieht. Wir setzen auf Daten statt Panik und sagen dir auch, was die Daten noch nicht zeigen.

Das Wichtigste in Kürze

• Pro Prompt: ~0,26 ml bis ein paar ml. Googles offizieller Wert von 2025 für einen durchschnittlichen Gemini-Text-Prompt liegt bei 0,26 ml (etwa fünf Tropfen); unabhängige Schätzungen für schwerere Modelle liegen im niedrigen zweistelligen Milliliterbereich.
• Die Zahl „eine Flasche Wasser pro E-Mail“ liegt bei ~500 ml, aus einer UC-Riverside-Studie von 2023, doch sie bezieht das Wasser für die Stromerzeugung mit ein, weshalb sie um mehr als das 1.000-Fache höher ausfällt als reine Kühlwerte.
• US-Rechenzentren verbrauchten 2023 direkt etwa 17 Milliarden Gallonen, dazu geschätzte 211 Milliarden Gallonen indirekt durch die Stromerzeugung; der direkte Verbrauch soll sich bis 2028 verdoppeln oder vervierfachen.
• Der Grok-Supercomputer von xAI in Memphis kann rund 1 Million Gallonen Trinkwasser pro Tag verbrauchen, mit einem prognostizierten Bedarf von fast 5 Millionen, vergleichbar mit einer Stadt mit bis zu 50.000 Einwohnern.
• Der wichtigste Hebel, den du selbst in der Hand hast, ist die Modellwahl. Ein schlankes Modell kann bei einer einfachen Aufgabe einen Bruchteil des Wassers eines Frontier-Modells verbrauchen, das denselben Prompt beantwortet.

Wie viel Wasser verbraucht KI pro Prompt?

Die Schätzungen reichen von etwa 0,26 ml pro Prompt (Googles offizieller Wert von 2025 für einen durchschnittlichen Gemini-Text-Prompt, etwa fünf Tropfen) bis zu rund 500 ml für eine Sitzung mit 10 bis 50 Fragen (eine UC-Riverside-Studie von 2023). Die Lücke entsteht, weil die niedrige Zahl nur die Kühlung im Rechenzentrum zählt, während die hohe Zahl das Wasser für die Stromerzeugung der Chips hinzurechnet. Ein realistischer Wert für einen einzelnen, gewöhnlichen Chatbot-Prompt liegt im niedrigen einstelligen Milliliterbereich, wobei schwerere Reasoning-Modelle in den niedrigen zweistelligen Bereich vorstoßen.

Google Gemini: etwa 0,26 ml pro Prompt

Im August 2025 veröffentlichte Google die bisher detaillierteste eigene Messung, basierend auf Produktionsdaten von Mai 2025. Sie ergab, dass ein durchschnittlicher Text-Prompt bei Google Gemini 0,24 Wattstunden Energie verbraucht, 0,03 Gramm CO2-Äquivalent ausstößt und 0,26 Milliliter Wasser verbraucht, was Google als etwa fünf Tropfen beschreibt. Entscheidend ist, dass dieser Wert kein Rosinenpicken ist: Googles Methode berücksichtigt Kühlung, Reservekapazität im Leerlauf, CPU und RAM sowie den Overhead des Rechenzentrums, was ihn zu einer der ehrlicheren verfügbaren Einzelzahlen macht. Die Methodik kannst du in Googles Bericht zu den Umweltauswirkungen nachlesen.

ChatGPT: von ein paar Millilitern bis zu ein paar Dutzend

OpenAI hat keine Google-artige Aufschlüsselung veröffentlicht, daher stammen die ChatGPT-Zahlen aus unabhängigen Schätzungen. Eine mittellange GPT-4o-Antwort von 150 bis 200 Wörtern kommt auf etwa 0,3 Wattstunden und rund 1,5 bis 4 ml Kühlwasser. Eine vergleichbare GPT-5-Antwort ist deutlich schwerer: etwa 18 Wattstunden (bis zu 40) und geschätzte einige bis mehrere Dutzend ml.

OpenAI-CEO Sam Altman hat behauptet, eine durchschnittliche Anfrage verbrauche „etwa ein Fünfzehntel eines Teelöffels“, also rund 0,32 ml. Er hat weder definiert, was „durchschnittlich“ bedeutet, noch gesagt, ob das Training mitgezählt wurde, weshalb unabhängige Forscher diese Zahl mit Vorsicht behandeln. Wir werden ChatGPT in einem eigenen Beitrag ausführlich behandeln; im großen Bild sind neuere Reasoning-Modelle pro Antwort durstiger, nicht sparsamer.

Mistral, Claude, DeepSeek und Llama: Was jedes Labor wirklich offenlegt

Nur zwei Labore veröffentlichen einen eigenen Wasserwert. Google nennt 0,26 ml für einen durchschnittlichen Gemini-Prompt, und Mistral veröffentlichte im Juli 2025 eine vollständige Lebenszyklusanalyse, geprüft mit Carbone 4 und der französischen ADEME, die eine ~400-Token-Antwort von Le Chat auf etwa 45 ml Wasser und 1,14 g CO2e beziffert. Für Claude, DeepSeek und Meta Llama gibt es überhaupt keinen eigenen Wasserwert; die einzigen verfügbaren Zahlen sind Energieschätzungen Dritter, die Forscher anhand regionaler Kühlfaktoren dann in Wasserwerte zurückrechnen.

Diese Lücke ist wichtig für einen verbreiteten Mythos. DeepSeek wird oft als „effizient“ bezeichnet, doch dieser Ruf bezieht sich auf die Trainingskosten; ein unabhängiger Benchmark von 2025 stellte fest, dass DeepSeek-R1 bei der Inferenz zu den durstigsten Modellen zählt, mit rund 24 bis 34 Wattstunden pro Reasoning-Antwort, während ein schlankes Nicht-Reasoning-Modell unter 1 Wattstunde bleiben kann. „Schlank“ beschreibt, wie ein Modell bei einer bestimmten Aufgabe arbeitet, nicht einen Markennamen, weshalb deine Wahl von Modell und Modus die Wasserzahl stärker beeinflusst als alles andere, was du tust.

Die Behauptung „eine Flasche Wasser pro E-Mail“: etwa 500 ml

Die Zahl, die viral ging, stammt aus „Making AI Less Thirsty“, einer Studie von Pengfei Li und Kollegen an der UC Riverside aus dem Jahr 2023, die später von der Washington Post als rund 519 ml für den Entwurf einer 100-Wörter-E-Mail mit GPT-4 popularisiert wurde. Das Lincoln Institute formulierte es im Oktober 2025 neu als „eine Chat-Sitzung mit etwa 20 Anfragen verbraucht bis zu einer Flasche Süßwasser“. Das ist nicht falsch, misst aber ein viel größeres System als nur die Kühlung, weshalb die Zahl Googles 0,26 ml so deutlich übertrifft.

Dieselbe Studie schätzte, dass das Training von GPT-3 in Microsofts US-Rechenzentren direkt etwa 700.000 Liter sauberes Süßwasser verdunsten ließ. Die Zahlen kannst du im Original-Paper der UC Riverside nachprüfen.

Warum weichen die Wasser-Schätzungen für KI so stark voneinander ab?

Wenn du für denselben Prompt schon „fünf Tropfen“ und „eine ganze Flasche“ gelesen hast und dachtest, jemand lüge, stimmt das nicht. Die Zahlen unterscheiden sich um mehr als das 1.000-Fache, weil sie unterschiedliche Dinge messen, und sobald du die Grenze kennst, widersprechen sich die Werte nicht mehr.

Wasser vor Ort ist das, was ein Rechenzentrum zur Kühlung seiner Chips verdunstet. Indirektes Wasser ist das, was Kraftwerke verbrauchen, um den Strom für diese Chips zu erzeugen, und das ist oft größer als die Kühlung selbst. Die niedrigen Schätzungen zählen nur Ersteres; die viral gegangenen hohen Schätzungen zählen beides, in manchen Fällen zusätzlich die Chipherstellung. Jonathan Koomey vom Lawrence Berkeley National Laboratory argumentiert, dass das indirekte Wasser für die Stromerzeugung überhaupt nicht in den Fußabdruck eines Rechenzentrums gehört, da keine andere Branche so gemessen wird. Ob das alles zusammen ein echtes Problem ergibt, ist die Frage, der wir in ist KI schlecht für die Umwelt nachgehen.

Methodik ist wichtig genug, um Schlagzeilen zu kippen. Im Dezember 2025 überprüfte eine investigative Recherche eine weit verbreitete Behauptung, ein Google-Rechenzentrum in Chile würde mehr als das Tausendfache des Wasserverbrauchs einer Stadt nutzen. Sie stellte fest, dass die Zahl wegen eines Einheitenfehlers um den Faktor 1.000 daneben lag, auch wenn die Anlage tatsächlich mehr beantragt hatte als der Wohnverbrauch der örtlichen Bevölkerung. Die Lehre daraus ist nicht, dass der Wasserverbrauch von KI erfunden ist; sie lautet, dass du immer fragen solltest, was gezählt wird, wo und wann, bevor du eine Zahl wiederholst.

Wie viel Wasser verbrauchen KI-Rechenzentren pro Tag?

Pro Prompt wirken die Zahlen belanglos. Aber Rechenzentren verarbeiten Milliarden von Prompts, weshalb die Auswirkungen erst bei den Tagessummen konkret werden. Ein typisches Rechenzentrum verbraucht rund 300.000 Gallonen Wasser pro Tag, etwa so viel wie 1.000 Haushalte. Eine große Anlage kann bis zu 5 Millionen Gallonen pro Tag verbrauchen, vergleichbar mit einer Stadt mit bis zu 50.000 Einwohnern.

Einzelne Standorte machen es greifbar. Googles durstigster Einzelstandort, in Iowa, verbrauchte 2024 rund 2,7 Millionen Gallonen pro Tag. Eine Meta-Anlage in Newton County, Georgia, verbraucht etwa 500.000 Gallonen pro Tag, rund 10 % des Wasserverbrauchs dieses Bezirks.

In der Summe ist die Dimension landesweit. US-Rechenzentren verbrauchten 2023 direkt etwa 17 Milliarden Gallonen und geschätzte 211 Milliarden Gallonen indirekt durch die Stromerzeugung, ein Wert, der laut LBNL-Bericht bis 2028 auf das Doppelte oder Vierfache steigen könnte. Google allein berichtete, 2023 über 5 Milliarden Gallonen in seinen Rechenzentren verbraucht zu haben, wobei 31 % aus wasserarmen Einzugsgebieten stammten. Microsofts gemeldeter Wasserverbrauch stieg von 6,4 Millionen Kubikmetern im Jahr 2022 auf 7,8 Millionen im Jahr 2023, ein Anstieg von rund 22 % in nur einem Jahr, während das Unternehmen seine KI-Infrastruktur ausbaute.

Wie viel Wasser verbraucht KI pro Tag und pro Jahr?

Eine offizielle weltweite Jahresgesamtzahl gibt es nicht, und wer eine präzise Zahl nennt, rät nur. Seriöse Schätzungen aus 2025 gehen davon aus, dass der KI-bezogene Wasserverbrauch von Rechenzentren im Bereich von Hunderten Milliarden Litern liegt und schnell steigt. Das Team der UC Riverside prognostiziert eine weltweite KI-Wasserentnahme von 4,2 bis 6,6 Milliarden Kubikmetern bis 2027, mehr als die gesamte jährliche Wasserentnahme mehrerer kleiner Länder. Die eigentliche Geschichte ist der Trend, nicht die Zahl eines einzelnen Jahres.

Warum braucht KI überhaupt Wasser?

Server, auf denen KI-Modelle laufen, erzeugen enorme Hitze, und viele große Rechenzentren kühlen sie, indem sie Wasser verdunsten, dieselbe Physik, die dich beim Schwitzen abkühlt. Dieses verdunstete Wasser verlässt das lokale System, weshalb Forscher es als Verbrauch erfassen, nicht nur als Entnahme. Ein Großteil davon ist aufbereitetes Trinkwasser, auch wenn Betreiber zunehmend auf aufbereitete oder nicht trinkbare Quellen umsteigen.

Es gibt auch versteckte vorgelagerte Kosten. Die Herstellung der Chips selbst ist extrem wasserintensiv: Eine einzelne moderne Halbleiterfabrik verbraucht in der Größenordnung von 10 Millionen Gallonen Reinstwasser pro Tag. Das Training eines Modells ist ein einmaliger Ausschlag, aber Inferenz, also das tägliche Beantworten deiner Prompts, ist inzwischen der dominierende und am schnellsten wachsende Anteil am Wasserbedarf von KI. Zu verstehen, wie KI-Systeme tatsächlich funktionieren, macht die Kühlungsrechnung deutlich weniger mysteriös.

Grok und der Wasserstreit in Memphis

Das klarste Beispiel dafür, dass der Wasserverbrauch von KI zu einem lokalen Problem wird, ist der Supercomputer Colossus von xAI in Memphis, der Grok trainiert und betreibt. Memphis Light, Gas and Water hat bestätigt, dass der Standort in der Größenordnung von 1 Million Gallonen Trinkwasser pro Tag aus dem Memphis-Sand-Grundwasserleiter zur Kühlung der Chips entnehmen kann, wobei der prognostizierte Bedarf mit dem Ausbau des Campus auf 5 Millionen Gallonen pro Tag steigen soll. Dieser Grundwasserleiter ist zugleich die wichtigste Trinkwasserquelle der Stadt, weshalb sich örtliche Versorger, die NAACP und das Southern Environmental Law Center dagegen gewehrt haben.

xAI begann im Oktober 2025 mit dem Bau einer Wasseraufbereitungsanlage im Wert von $80 Millionen, die stattdessen bis zu 13 Millionen Gallonen pro Tag aufbereitetes Abwasser liefern soll, was laut MLGW-Schätzung rund 5 Milliarden Gallonen Grundwasser pro Jahr einsparen würde. Stand April 2026 hat Elon Musk das Projekt auf Eis gelegt, mit der Begründung, xAI müsse zuerst seinen zweiten Standort, Colossus 2, fertigstellen, während Vertreter der Stadt Memphis öffentlich auf einen Neustart drängen. Das ist die beste Illustration der zentralen Aussage dieses Artikels: Bei der Wasserfrage geht es selten um deinen Prompt und fast immer darum, wo das Rechenzentrum steht.

Ist der Wasserverbrauch von KI wirklich ein großes Problem?

Der Kontext zählt in beide Richtungen. Pro Prompt ist KI im Vergleich zum alltäglichen Verbrauch ein Rundungsfehler. Ein einzelner Rindfleisch-Burger benötigt zur Herstellung mehr als 600 Gallonen Wasser, ein Baumwoll-T-Shirt mehr als 700 Gallonen, und ein einzelner US-Golfplatz kann 100.000 bis 2 Millionen Gallonen pro Tag verbrauchen. Gemessen daran ist eine Frage an einen Chatbot vernachlässigbar.

Die berechtigte Sorge betrifft nicht die Kosten pro Prompt, sondern Konzentration und Timing. Rechenzentren ballen sich in einer Handvoll Regionen, oft in wasserarmen, und entnehmen zu bestimmten Zeiten stark Wasser. Eine Anlage, die in Arizona oder Texas täglich Millionen Gallonen verbraucht, ist ein lokales Problem, selbst wenn sie global ein Rundungsfehler ist. Beides stimmt gleichzeitig, und eine gute Antwort auf die Frage „Ist das ein großes Problem?“ lautet: „Für deine Nutzung nicht, aber für die Regionen, in denen gebaut wird, ja.“

Was du wirklich tun kannst

Der wirksamste Hebel, den ein Einzelner in der Hand hat, ist die Modellwahl, denn die Unterschiede zwischen den Modellen sind enorm. Eine einfache Frage an ein schweres Reasoning-Modell zu schicken, kann etwa zehnmal so viel Energie und Wasser verbrauchen wie ein schlankes Modell, das eine gleich gute Antwort liefert. Das Modell zur Aufgabe passend zu wählen, bringt mehr als jedes Kürzen von Prompts. Vergleiche wie DeepSeek vs. ChatGPT und unser Leitfaden zu den leistungsfähigsten KI-Modellen zeigen, wie stark diese Profile variieren, und warum der Ruf eines Modells als „effizient“ meist die Trainingskosten beschreibt, nicht die Energie, die es beim Beantworten deiner Fragen verbraucht. Unser Leitfaden zur umweltfreundlichsten KI fasst die grünsten Tools zusammen, auf die es sich zu wechseln lohnt. Auch kleine alltägliche Umstellungen summieren sich, daher bringt dich die Kombination mit grüneren Optionen wie OceanHero dazu, mit deinen alltäglichen Suchen die Meeresreinigung zu unterstützen.

In der Praxis bedeutet das: standardmäßig ein leichteres Modell für alltägliche Fragen nutzen und Frontier-Reasoning-Modelle für Probleme aufheben, die sie wirklich brauchen. Fasse zusammenhängende Fragen in einer Sitzung zusammen, statt viele Sitzungen neu zu starten, und generiere Antworten nicht reflexhaft neu. Wenn du mehrere Modelle an einem Ort nutzt, wird „das richtige Werkzeug wählen“ realistisch statt theoretisch, und genau darum geht es bei einem Multi-Modell-Setup wie in unserem Einstiegsleitfaden. Nichts davon erfordert ein schlechtes Gewissen; es erfordert nur, die schwere Option bewusst zu wählen statt standardmäßig.

Fazit

Wie viel Wasser verbraucht KI also? Pro Prompt realistisch ein paar Milliliter; Googles offizieller Gemini-Wert liegt bei 0,26 ml, und die virale Behauptung von 500 ml ist ein viel umfassenderes Lebenszyklus-Maß, kein Widerspruch. Auf großer Skala sind die Zahlen hoch und wachsen schnell, mit einem direkten US-Rechenzentrumsverbrauch von etwa 17 Milliarden Gallonen im Jahr 2023, der sich bis 2028 verdoppeln oder vervierfachen soll, konzentriert dort, wo Wasser am knappsten ist. Der sinnvollste nächste Schritt ist nicht, auf KI zu verzichten, sondern bewusst zu wählen, welches Modell du nutzt, angefangen mit einem nüchternen Blick darauf, wie sich die führenden Modelle tatsächlich unterscheiden.

FAQ