Was eine KI-Anfrage wirklich an Strom kostet

Warum die Zahlen so weit auseinanderliegen

Jede Schätzung pro Anfrage steckt voller Annahmen: welches Modell antwortet, wie lang die Eingabe ist, wie lang die Antwort wird, wie gut die Beschleuniger ausgelastet sind, welche Hardwaregeneration läuft und wie viel Strom das Gebäude zusätzlich für Kühlung und Verteilung braucht. Ändert man allein die Antwortlänge, verschiebt sich das Ergebnis um ein Vielfaches. Zahlen ohne diese Angaben sind nicht falsch, sie sind unvollständig.

Inzwischen nennen die Anbieter selbst Größenordnungen. Google gab im August 2025 für eine mittlere Textanfrage an Gemini rund 0,24 Wattstunden an, OpenAI im Juni 2025 für eine durchschnittliche Anfrage an ChatGPT rund 0,34 Wattstunden. Gegeneinander rechnen lassen sich die beiden Zahlen trotzdem nicht, weil die eine ein Median und die andere ein Mittelwert ist und beide unterschiedlich weit gefasst sind. Alles Weitere stammt aus Hochrechnungen von außen, die aus Modellgröße und geschätzter Nutzung zurückrechnen. Zwei solche Rechnungen können beide sauber gemacht sein und trotzdem weit auseinanderliegen, weil sie an einer einzigen Annahme abzweigen.

Training und Betrieb sind zwei verschiedene Posten

Das Training eines großen Modells ist ein einmaliger, sehr großer Block. Der laufende Betrieb ist ein kleiner Block je Anfrage, der sich über Millionen von Anfragen aufsummiert. Über die Lebensdauer eines viel genutzten Modells überwiegt der Betrieb, und für ein Unternehmen, das ein fertiges Modell einsetzt, ist ohnehin nur der Betrieb die beeinflussbare Größe.

Deshalb führt die Frage nach dem Trainingsverbrauch in der internen Diskussion oft in die Irre. Sie ist für die Bewertung eines Anbieters interessant und für die eigene Steuerung fast bedeutungslos, weil euer Anteil daran mit eurer Nutzung weder steigt noch fällt.

Was im eigenen Haus tatsächlich wirkt

Die größte Stellschraube ist die Menge an Tokens, die überhaupt verarbeitet wird. Sie steigt nicht nur mit der Zahl der Nutzenden, sondern vor allem mit Automatisierungen, die Aufrufe im Hintergrund erzeugen, und mit Modellen, die vor der eigentlichen Antwort Zwischenschritte formulieren. Wer nur Anfragen zählt, sieht diesen Anstieg gar nicht.

Die zweite Stellschraube ist die Modellwahl je Aufgabe. Ein kleines Modell für Klassifizierung, Formatierung und einfache Auszüge und ein großes nur dort, wo es wirklich gebraucht wird, senkt Verbrauch und Kosten gleichzeitig. Das ist der angenehme Teil dieses Themas: Sparsamkeit und Rechnung zeigen hier in dieselbe Richtung, anders als bei vielen anderen Umweltfragen.

Die dritte Stellschraube ist der Ort. Bei Cloud-Diensten lässt sich häufig die Region wählen, und die Emissionen je Kilowattstunde unterscheiden sich zwischen Regionen erheblich. Für zeitlich unkritische Massenverarbeitung kommt hinzu, dass sie nicht zur Spitzenlast laufen muss.

Wasser, Wärme und die Frage, was am Standort passiert

Neben Strom braucht ein Rechenzentrum Kühlung, und je nach Bauart läuft die über Verdunstung, also über Wasser. In Regionen mit knappem Wasser ist das der relevantere Punkt als der Strom selbst. Umgekehrt entsteht Abwärme, die sich nutzen lässt, wenn ein Abnehmer in der Nähe ist. Beides steht in keiner Zahl pro Anfrage und gehört trotzdem in eine ernsthafte Bewertung.

Wenn du einen Anbieter danach fragst, sind zwei Angaben aussagekräftig: wie viel Energie über den Verbrauch der Rechner hinaus anfällt und woher der Strom des Standorts stammt. Beides beantwortet ein Betreiber, der es misst, ohne Zögern. Ausweichende Antworten sind selbst eine Auskunft.