KI Stromverbrauch: Wie viel Strom braucht ChatGPT und was bedeutet das?

Die Verarbeitung einer ChatGPT Anfrage benötigt ungefähr so viel Energie wie ein Fernseher mit 100 Watt in zwölf Sekunden.

Trotzdem rechnet die Internationale Energieagentur (IEA) im Basisszenario damit, dass die Rechenzentren der Welt bis 2030 so viel Strom verbrauchen wie ganz Japan.

Kurz gesagt: Für die Verarbeitung einer durchschnittlichen ChatGPT Anfrage werden nach Angaben von OpenAI rund 0,34 Wattstunden Energie benötigt. Zehn Anfragen entsprechen damit ungefähr der Energie, die ein Fernseher mit 100 Watt in knapp zwei Minuten benötigt. Das Training eines großen Modells kostet dagegen Megawattstunden, für GPT-3 nennt die Fachliteratur rund 1.287 Megawattstunden. Die Rechenzentren insgesamt verbrauchten laut IEA 2024 weltweit etwa 415 Terawattstunden (TWh, eine TWh entspricht einer Milliarde Kilowattstunden) und könnten bis 2030 auf rund 945 TWh steigen.

Beim Thema KI Stromverbrauch kursieren deshalb zwei scheinbar unvereinbare Botschaften. Mal heißt es, eine einzelne Anfrage sei kaum der Rede wert, mal warnen Berichte vor Rechenzentren, die ganze Stromnetze an ihre Grenzen bringen. Beides lässt sich belegen.

Wie viel Energie die Rechenzentren für eine einzelne ChatGPT Antwort benötigen, ist im Verhältnis zu ihrem Gesamtverbrauch tatsächlich wenig. Doch Milliarden Anfragen, das Training immer größerer Modelle und der Dauerbetrieb Tausender Spezialchips summieren sich zu einem Energiebedarf der KI, der Netzbetreiber, Politik und Anwohner inzwischen beschäftigt.

Wie hoch der Stromverbrauch eines Rechenzentrums ausfällt, woher der Strom kommt und was das für Deutschland heißt, lässt sich mit wenigen Zahlen einordnen. Für den Alltag genügt vorab eine Faustregel:

Die Rechenzentren benötigen für 20 Anfragen täglich nach dieser Berechnung im Jahr rund 2,5 Kilowattstunden. Ihr eigener Computer oder Ihr Smartphone verbraucht zusätzlich Strom.

Wie viel Strom braucht ChatGPT pro Anfrage?

Zunächst ein Wort zu den Einheiten, denn sie sind der Grund für viele Missverständnisse. Eine Wattstunde (Wh) ist die Energie, die ein Gerät mit einem Watt Leistung in einer Stunde aufnimmt. Tausend Wattstunden sind eine Kilowattstunde (kWh), die Einheit auf Ihrer Stromrechnung.

OpenAI-Chef Sam Altman nannte im Juni 2025 in einem Blogeintrag für eine durchschnittliche ChatGPT-Anfrage rund 0,34 Wattstunden. Google gab im August 2025 für eine mittlere Textanfrage an sein Modell Gemini 0,24 Wattstunden an. Beide Zahlen stammen von den Herstellern selbst. Bei OpenAI fehlt zudem die Berechnungsgrundlage, und was genau als durchschnittliche Anfrage gilt, bleibt offen. Googles Angabe beschreibt den Median, also den mittleren Wert, bei dem die eine Hälfte der Anfragen weniger und die andere Hälfte mehr Energie braucht. Mittelwert und Median lassen sich daher nur grob vergleichen.

Wichtig ist außerdem, was in diesen Zahlen nicht steckt. Googles Wert bezieht sich ausdrücklich auf einen mittleren Text Prompt. OpenAI bezeichnet seine Angabe lediglich als durchschnittliche Anfrage und veröffentlicht keine genaue Definition dafür.

Lange Antworten, Aufgaben mit ausführlichem Nachdenken des Modells oder die Erzeugung von Bildern und Videos dürften mehr Energie kosten, belastbare Einzelwerte dafür fehlen bisher weitgehend. Verstehen Sie die 0,34 Wattstunden deshalb nur als einen Richtwert für eine einfache Chatanfrage und nicht als festen Wert für jede Nutzung.

KI Stromverbrauch im Vergleich: Eine Anfrage und Alltagsgeräte

Mit 0,34 Wattstunden können die wenigsten etwas anfangen. Die folgende Tabelle stellt den Energiebedarf für die Verarbeitung einer Anfrage neben Vorgänge, deren Energieverbrauch Sie aus dem Alltag kennen. Die rechte Spalte zeigt, wie viele ChatGPT-Anfragen mit derselben Energie möglich wären.

Eine Anmerkung zu den Werten, damit sich nichts widerspricht: Altman verglich seine Zahl mit gut einer Sekunde Backofenbetrieb. Das passt zu einem Ofen mit rund 1.200 Watt Leistung. Bei den 2.000 Watt aus der Tabelle genügen 0,34 Wattstunden für etwa 0,6 Sekunden, deshalb steht dort der Wert von 1,6 Anfragen pro Sekunde Backofen. Die 93 Wattstunden für den Liter Wasser ergeben sich aus der spezifischen Wärmekapazität des Wassers von rund 4,18 Kilojoule pro Kilogramm und Grad. Sie gelten ohne Verluste, im Alltag braucht ein Wasserkocher etwas mehr.

Hochgerechnet auf die Verarbeitung Ihrer Anfragen durch die Rechenzentren ergibt sich: Bei 20 Anfragen täglich werden bei dieser Annahme rund 2,5 Kilowattstunden pro Jahr benötigt. Selbst bei 100 Anfragen täglich sind es gut 12 Kilowattstunden im Jahr, der Fernseher von eben liefe dafür rund 124 Stunden. Ein Kühlschrank liegt je nach Modell typischerweise im Bereich von 100 bis 250 Kilowattstunden im Jahr (Richtwert).

Verbraucht KI mehr Strom als eine Google-Suche?

Diese Frage taucht fast immer auf, und die Antwort hat sich in den letzten Jahren verschoben. Frühere Schätzungen, unter anderem aus einer Analyse der Bank Goldman Sachs, sahen für eine ChatGPT-Anfrage das Sechs- bis Zehnfache einer klassischen Suche. In Medien kursierten dafür etwa 0,3 Wattstunden für die Suche und knapp 3 Wattstunden für die Chatanfrage.

Die aktuellen Herstellerangaben von 0,24 bis 0,34 Wattstunden liegen deutlich darunter. Als Gründe nennen Fachleute unter anderem effizientere Chips und Servertechnik, auch bessere Software kann den Aufwand pro Antwort senken.

Einen pauschalen Vergleich sollten Sie trotzdem mit Vorsicht lesen. Die Werte stammen aus unterschiedlichen Jahren, mit unterschiedlichen Methoden und teils von den Anbietern selbst. Hinzu kommt, dass Suchmaschinen inzwischen selbst KI-Antworten einblenden, wodurch die Grenze zwischen beiden Welten verschwimmt. Für eine einzelne Frage zählt am Ende nur die Größenordnung, und die liegt in beiden Fällen bei Bruchteilen einer Wattstunde.

Warum braucht KI so viel Strom? Von der Rechenarbeit zur Wärme

Ein Sprachmodell besteht aus Milliarden von Zahlen, den Parametern, die sein gelerntes Wissen speichern. Für jedes Wortstück, das es ausgibt, muss ein großer Teil dieser Zahlen mit den Eingabedaten verrechnet werden, es fallen also unzählige Multiplikationen und Additionen an. Das übernehmen Grafikprozessoren (GPUs), Chips mit Tausenden Rechenkernen, die diese Rechenschritte gleichzeitig ausführen.

Aus Sicht der Elektronik ist dabei die Verlustleistung wichtig. Jeder Rechenschritt schaltet Transistoren um. Bei jedem Umschalten laden und entladen sich winzige Kondensatoren im Chip, und die dafür aufgewendete Energie wird zu Wärme. Diese Verlustleistung wächst mit der Zahl der schaltenden Transistoren, mit der Taktfrequenz und mit dem Quadrat der Betriebsspannung.

Ein KI-Chip vereint Milliarden Transistoren auf wenigen Quadratzentimetern, die Wärme entsteht also auf kleiner Fläche. Die elektrische Energie, die ein Chip aufnimmt, setzt er praktisch vollständig in Wärme um, denn ein Rechenvorgang verrichtet keine mechanische Arbeit.

Wie viel Energie braucht das Training einer KI?

Beim Training lernt das Modell aus gewaltigen Textmengen. Es passt seine Parameter in unzähligen Durchläufen an, bis seine Vorhersagen stimmen. Das läuft auf Tausenden Chips gleichzeitig und dauert Wochen bis Monate.

Für GPT-3 wird in der Forschungsliteratur ein Energiebedarf von rund 1.287 Megawattstunden genannt. Das sind 1.287.000 Kilowattstunden, genug für etwa 430 deutsche Haushalte ein Jahr lang, wenn man als Richtwert 3.000 Kilowattstunden pro Haushalt ansetzt.

Für neuere Modelle gibt es keine bestätigten Zahlen. Bei GPT-4 hat OpenAI den Trainingsaufwand nie offiziell veröffentlicht, die kursierenden Schätzungen streuen stark, eine häufig zitierte liegt bei mehr als 50.000 Megawattstunden. Seriös belegen lässt sich das nicht, und für aktuelle Modelle gilt dasselbe.

Das Training ist ein einmaliger Kraftakt, der Betrieb dagegen läuft jeden Tag. Fachleute nennen das Beantworten von Anfragen Inferenz. Ein Rechenbeispiel zeigt, warum sie zählt:

Angenommen, ein Dienst beantwortet eine Milliarde Anfragen am Tag, dann sind das bei 0,34 Wattstunden je Anfrage 340 Megawattstunden täglich. Die 1.287 Megawattstunden für das Training von GPT-3 entsprächen diesem Betrieb gerade einmal knapp vier Tagen. Das Beispiel ist rein rechnerisch und keine Angabe von OpenAI. Es erklärt aber, warum Forscher davon ausgehen, dass der laufende Betrieb über die Lebensdauer eines Modells mehr Energie kosten kann als sein Training. Wie sich der Verbrauch über die gesamte Einsatzzeit auf Training und Betrieb verteilt, hängt vom Modell und seiner Nutzung ab.

Stromverbrauch eines Rechenzentrums: Weltweit und im Einzelfall

Die einzelne Anfrage ist klein, die Summe ist es nicht. Nach der IEA verbrauchten Rechenzentren weltweit 2024 rund 415 TWh, etwa 1,5 Prozent des globalen Stroms. Für 2025 nennen die IEA-Daten rund 485 TWh, ein Plus von 17 Prozent. Im Basisszenario der IEA sind es 2030 etwa 945 bis 950 TWh, das entspräche rund drei Prozent des weltweiten Stroms und ungefähr dem heutigen Gesamtverbrauch Japans. Fast die Hälfte des Zuwachses entfällt der IEA zufolge auf die USA.

Dabei gehören zu den Rechenzentren auch Cloud-Dienste, Streaming und Firmenrechner, KI ist nur ein Teil davon. KI ist heute bereits ein wichtiger Teil des Rechenzentrumsverbrauchs und der wichtigste Treiber des erwarteten Wachstums. Die IEA erwartet, dass der Stromverbrauch KI optimierter Rechenzentren bis 2030 deutlich schneller wächst als der Verbrauch herkömmlicher Server.

Wie groß einzelne Anlagen werden, zeigt ein weiterer IEA-Wert: Ein auf KI ausgelegtes Rechenzentrum kann im Schnitt so viel Strom ziehen wie 100.000 Haushalte. Was auf der Ebene eines Landes nach einem kleinen Prozentsatz aussieht, wird am einzelnen Standort damit zu einer spürbaren Last für das lokale Stromnetz.

Wie viel Strom verbrauchen Rechenzentren in Deutschland?

Für Deutschland rechnet die Bitkom-Studie des Borderstep-Instituts für 2025 mit einem Strombedarf der Rechenzentren von 21,3 Milliarden Kilowattstunden. Das sind 21,3 TWh, bei 3.000 Kilowattstunden je Haushalt (Richtwert) der Jahresverbrauch von gut sieben Millionen Haushalten und je nach Bezugsgröße rund vier Prozent des deutschen Stroms. Die Anschlussleistung aller Rechenzentren wuchs 2025 um 9 Prozent auf 2.980 Megawatt. Rechenzentren für KI machen davon derzeit rund 15 Prozent beziehungsweise 530 Megawatt aus. In den USA liegt die Leistung mit 48 Gigawatt etwa 16-mal so hoch.

Die Prognosen für die Zukunft fallen je nach Studie und Szenario sehr unterschiedlich aus. Der aktuelle Netzentwicklungsplan der Bundesnetzagentur nennt für 2045 je nach Szenario einen Stromverbrauch der Rechenzentren von 78 bis 116 TWh. Das wäre gut das Dreieinhalbfache bis gut das Fünffache von heute und bis zu zehn Prozent des deutschen Stromverbrauchs. Ob es so kommt, hängt davon ab, wie viele Rechenzentren tatsächlich entstehen.

Die Last verteilt sich dabei ungleich. Rechenzentren ballen sich rund um Frankfurt sowie in Berlin und München, wo Netze und Anschlüsse schon heute knapp werden können. Das Stromnetz muss deshalb genau an diesen Stellen ausgebaut werden, was Zeit und erhebliche Investitionen kostet.

Der Gesetzgeber setzt zugleich Grenzen. Rechenzentren, die ab dem 1. Juli 2026 den Betrieb aufnehmen, müssen einen PUE von höchstens 1,2 erreichen. Ab Januar 2027 müssen Betreiber den Stromverbrauch ihrer Rechenzentren bilanziell vollständig durch Strom aus erneuerbaren Energien decken. Für neue Rechenzentren gelten außerdem Vorgaben zur Wiederverwendung von Energie, insbesondere der Abwärme. Änderungen am Gesetz sind in der Diskussion.

Wie viel Wasser verbrauchen Rechenzentren für KI?

Neben Strom brauchen Rechenzentren eine zweite Ressource, die in der Debatte oft zu kurz kommt: Wasser. Die Wärme von Tausenden Prozessoren lässt sich nicht immer allein mit Luft abführen. Viele Anlagen setzen deshalb auf Verdunstungskühlung, bei der Wasser verdampft und dabei Wärme aufnimmt, ähnlich wie beim Schwitzen. Das spart gegenüber reiner Luftkühlung Strom, kostet aber Wasser.

Googles Rechenzentren benötigten nach Angaben des Konzerns 2024 rund 7,2 Milliarden US-Gallonen Süßwasser, das sind etwa 27 Milliarden Liter. Google gibt an, davon rund 64 Prozent durch Wasserprojekte wieder aufgefüllt zu haben. Für das Training von GPT-3 nennt eine häufig zitierte Schätzung rund 700.000 Liter Kühlwasser, belastbar belegt ist auch das nicht.

Besonders heikel wird der Verbrauch in Regionen mit knapper Wasserversorgung. In einer repräsentativen Umfrage vom September 2025 zeigten sich 57 Prozent der befragten Deutschen besorgt, dass Rechenzentren ihre eigene Wasserversorgung beeinträchtigen könnten. Teile der Branche reagieren mit geschlossenen Kühlkreisläufen, höheren Betriebstemperaturen und dem Verzicht auf wasserintensive Kühlung in trockenen Regionen. Vollständig gelöst ist das Problem damit noch nicht.

Woher kommt der Strom für KI-Rechenzentren?

Viele große Betreiber werben damit, ihre Anlagen mit erneuerbarer Energie zu versorgen, meist über langfristige Lieferverträge mit Wind- oder Solarparks. Über das Jahr gerechnet kaufen die Betreiber so viel Ökostrom ein wie sie verbrauchen. Das heißt nicht, dass in jeder Stunde Wind oder Sonne Energie liefern. Ein Rechenzentrum braucht aber rund um die Uhr verlässlich Leistung, auch bei Flaute und nachts.

Genau deshalb setzen einzelne US-Konzerne auf Kernkraft. Microsoft lässt über Constellation Energy einen Reaktor im stillgelegten Kraftwerk Three Mile Island wieder hochfahren. Der Abnahmevertrag über 835 Megawatt läuft 20 Jahre, der Start ist für 2028 geplant. Meta bezieht 20 Jahre lang die gesamte Produktion des Kernkraftwerks Clinton in Illinois. Google will ab Anfang 2029 für 25 Jahre Strom aus dem 2020 abgeschalteten Kraftwerk Duane Arnold in Iowa abnehmen, das dafür wieder anlaufen soll. Ab 2030 will der Konzern zudem Strom aus kleinen Reaktoren des Entwicklers Kairos Power einkaufen.

In Deutschland stehen neue Kernkraftwerke derzeit nicht als Option für die zusätzliche Stromversorgung zur Verfügung, nachdem die letzten Kernkraftwerke 2023 abgeschaltet wurden. Hier hängt die Versorgung von Ökostromverträgen, vom Netzausbau und von steuerbaren Kraftwerken als Absicherung ab.

Dass zusätzlicher Strombedarf auch zusätzliche erneuerbare Erzeugung braucht, sehen auch viele Bürger so. In derselben Umfrage sprachen sich 69 Prozent dafür aus, neue Rechenzentren nur zu bauen, wenn sie ihren Strom aus erneuerbaren Energien beziehen. Der Hintergrund: Verbraucht ein neues Rechenzentrum nur umetikettierten Ökostrom, muss an anderer Stelle womöglich ein Kohle- oder Gaskraftwerk einspringen.

Warum sinkt der Verbrauch nicht, obwohl Chips effizienter werden?

Man könnte annehmen, dass der technische Fortschritt das Problem von selbst löst. Tatsächlich leisten KI-Chips mit jeder Generation mehr Rechenarbeit pro Kilowattstunde. Der Gesamtverbrauch steigt trotzdem, weil effizientere und günstigere KI an immer mehr Stellen eingesetzt wird, etwa in Suchmaschinen, Software sowie der Bild-, Video- und Sprachverarbeitung. Fachleute sprechen vom Rebound-Effekt.

Ein einfaches Rechenbeispiel macht das deutlich: Braucht eine Berechnung nur noch die Hälfte der Energie, wird aber viermal so oft gerechnet, verdoppelt sich der Gesamtverbrauch, denn 0,5 mal 4 ergibt 2. Eine ältere Bitkom-Studie zeigt das Muster für Deutschland: Die IT-Leistung der Rechenzentren stieg in zehn Jahren um 90 Prozent, der Stromverbrauch um rund 63 Prozent. Der Verbrauch wächst also langsamer als die Leistung, aber er wächst. Wie stark die KI-Nutzung künftig zunimmt und welche Anwendungen wirtschaftlich werden, lässt sich allein aus der Chiptechnik nicht ablesen.

Energiebedarf KI bis 2030: Wird der Strom knapp, und was können Sie selbst tun?

Die Prognosen sind mit Vorsicht zu lesen, denn auch die IEA spricht von großen Unsicherheiten. Wie stark der Bedarf steigt, hängt davon ab, wie schnell die Nutzung wächst, wie effizient Chips und Modelle werden und ob die geplanten Rechenzentren überhaupt gebaut werden. Fest steht, dass die IEA Investitionen in Erzeugung und Netze für nötig hält und dass die Stromnachfrage in wohlhabenden Ländern durch KI wieder wächst, nachdem sie dort zuletzt teils stagnierte.

Das eigentliche Problem liegt weniger in den drei Prozent am Weltstrom als in der Verteilung. Rechenzentren ballen sich an wenigen Standorten, wo Netze und Kraftwerke schnell an Grenzen kommen. Nach Angaben der Immobilienberatung JLL entfallen in Irland bereits rund 21 Prozent des Stromverbrauchs auf Rechenzentren. Ob der Ausbau gelingt und woher der Strom kommt, entscheidet über die Klimabilanz mehr als die einzelne Anfrage.

Ihr persönlicher Hebel ist klein, und niemand muss auf ein Rezept von ChatGPT verzichten, um Strom zu sparen. Wirksamer sind effizientere Hardware, sparsamere Modelle, saubere Stromquellen und Rechenzentren, deren Abwärme genutzt wird. Damit lösen sich auch die scheinbar widersprüchlichen Meldungen vom Anfang auf. Zwölf Sekunden Fernsehen pro Anfrage und der Strombedarf eines ganzen Landes sind beides richtig, je nachdem, ob Sie die einzelne Antwort oder alle zusammen betrachten.

Häufige Fragen zum KI Stromverbrauch

Die Technik hinter den Schlagzeilen

Wie sich Meldungen wie diese technisch einordnen lassen, ist das Thema meines Buches „Die Technik hinter den Schlagzeilen“. Dort erkläre ich verständlich, was hinter den großen Zahlen steckt, von Halbleitern über Energieinfrastruktur bis zu aktuellen Technologietrends, und woran Sie erkennen, ob eine Schlagzeile den Kern trifft.

Printbuch 19,96 € E-Book 14,99 €

Stand der Zahlen (Oktober 2026): IEA „Energy and AI“ (April 2025) und Update 2026, Bitkom/Borderstep „Rechenzentren in Deutschland“ (November 2025), Umfrage von Savanta im Auftrag von AlgorithmWatch (September 2025, nach dpa), Angaben von OpenAI (Juni 2025), Google (August 2025, Umweltbericht 2025), Constellation Energy, NextEra Energy und Meta sowie die Schätzung zum GPT-3-Training aus der Fachliteratur (Patterson et al., 2021). Alle Werte sind Schätzungen oder Herstellerangaben und können sich ändern.