Den Energieverbrauch von KI erfahren
«Verfasse mir ein Kündigungsschreiben für die Krankenkasse?» (1.7 kcal) «Was könnte ich mit zwei Tomaten, einer Zwiebel und einem Block Feta kochen (3.8 kcal)?» oder «Was ist das Grossvater-Paradoxon (3.8 kcal)?» Immer häufiger sucht man heute die Antwort auf solche Fragen bei einem KI-Chatbot. Doch wie viel Energie verbrauchen Chatbots eigentlich? Das Projekt enerKI macht genau das im wahrsten Sinne des Wortes erfahrbar.
Was ein Hometrainer mit KI zu tun hat
Dass generative Sprachmodelle, wie sie in KI-Chatbots zum Einsatz kommen, nicht gerade ressourcenschonend sind, hat man vielleicht schon einmal gehört. Einige Chatbots (wie etwa der BeeChat-Prototyp der Berner Fachhochschule[1]) geben sogar an, wie «teuer» das Verarbeiten eines Prompts war. Aber auch wenn an der Antwort ein Preisschild mit einer Wattstunden-Zahl steht, bleibt dieser Wert abstrakt und schwer vorstellbar.
Bei einer Diskussion über den Ressourcenverbrauch von KI entstand in Frau Brönnimanns Kaffeeküche[2] die Idee zum Projekt enerKI. Daniel Reichenpfader und Gabriel Hess vom Institute for Patient-Centered Digital Health haben diese abstrakten Werte in Kooperation mit dem Institut Physiotherapie am BFH Departement Gesundheit konkret begreifbar gemacht.
Auf den ersten Blick sieht enerKI aus wie ein gewöhnlicher Chatbot. Erst nachdem man eine Frage eingegeben und abgeschickt hat, zeigt sich der Unterschied: Es passiert nämlich erst einmal nichts. Stattdessen erscheint eine Aufforderung, die erforderliche Energie zunächst selbst zu erzeugen, bevor eine Antwort angezeigt wird.
Dazu ist ein Hometrainer-Velo mit Leistungsmesser mit enerKI verbunden. Nun gilt es, in die Pedale zu treten, während die Antwort langsam auf dem Bildschirm erscheint. Je nach sportlicher Ambition und Komplexität der eingegebenen Frage dauert es zwischen wenigen Sekunden und etwa einer Minute, bis die Antwort angezeigt wird.
Das Projekt enerKI on Tour
An zwei Veranstaltungen in Bern und Biel konnte dieses enerKI-Velo der Öffentlichkeit präsentiert werden. Eine Evaluation der Nutzenden ergab durchgehend die Höchstnote für das Gesamterlebnis. Ausserdem gaben 71 % der Befragten an, ihr Prompting-Verhalten künftig ressourcenschonender gestalten zu wollen.
Eine eigens erstellte Website zu enerKI gibt Tipps, wie sich dies im Alltag umsetzen lässt [3]. Ebenfalls auf der Website verlinkt ist die enerKI-Software, die unter einer MIT OpenSource-Lizenz allen Interessierten zur Verfügung steht. Auch die erforderliche Hardware und ihr Aufbau ist dokumentiert, um einen weiteren Einsatz von enerKI zu ermöglichen.
Aus Prompts werden Wattstunden … und Kalorien
Übrigens: Um die beim Pedalieren verbrauchte Energie in einer weiteren Masseinheit zu veranschaulichen, zeigt enerKI an, wie viele Kalorien man für die erbrachte Leistung zuführen kann. Das Rezept für die eingangs angefragte «mediterrane Tomaten-Feta-Omelette» zu erstellen verbrennt knapp vier Kilokalorien. Gerade dieser Perspektivenwechsel macht den abstrakten Stromverbrauch greifbar: Was digital in Sekundenbruchteilen passiert, erfordert in der physischen Welt echte Anstrengung. Die Omelette auf dem Teller liefert damit nicht nur Genuss, sondern, zumindest rechnerisch, auch Energie für die nächsten Prompts.
En Guete!
Wie viel Strom verbraucht KI wirklich?
Aktuelle Studien zeigen, dass der Energieverbrauch von KI stark davon abhängt, ob man einzelne Anfragen oder das gesamte System betrachtet. Eine einzelne Textanfrage an einen KI-Chatbot benötigt typischerweise etwa 0.3 Wattstunden Strom; das entspricht einigen Sekunden Fernsehen oder Backofenbetrieb [4]. Allerdings variiert dieser Wert je nach Modellgrösse, Antwortlänge und Infrastruktur teils deutlich (bis zu mehreren Wattstunden pro Anfrage). Deutlich energieintensiver ist das Training der Modelle: So benötigte etwa das Training von GPT-3 rund 1’287 Megawattstunden Strom, was dem Jahresverbrauch von über 100 Haushalten entspricht [5]. Gleichzeitig wächst der Gesamtverbrauch rasant: Rechenzentren, die KI betreiben, verbrauchten zuletzt rund 415 Terawattstunden jährlich und könnten ihren Bedarf bis 2030 auf etwa 945 Terrawattstunden mehr als verdoppeln. Das ist vergleichbar mit dem heutigen Stromverbrauch eines ganzen Landes wie Japan [6]. Entscheidend ist dabei: Auch wenn einzelne Prompts wenig Energie benötigen, summiert sich der Verbrauch durch Milliarden von Anfragen weltweit zu einem erheblichen ökologischen Fussabdruck.
Referenzen
[1] https://www.societybyte.swiss/2025/07/24/beechat-die-alternative-zu-chatgpt-claude-und-co-aus-dem-herzen-der-schweiz/
[2] https://www.societybyte.swiss/2017/05/01/active-and-assisted-living-nutzen-auswirkungen-und-akzeptanz/
[4] https://www.srf.ch/news/wirtschaft/strom-fuer-rechenzentren-wie-viel-strom-braucht-kuenstliche-intelligenz
[5] Zhenya Ji, Ming Jiang, A systematic review of electricity demand for large language models: evaluations, challenges, and solutions, Renewable and Sustainable Energy Reviews, Volume 225, 2026, 116159, ISSN 1364-0321, https://doi.org/10.1016/j.rser.2025.116159.
(https://www.sciencedirect.com/science/article/pii/S1364032125008329)
[6] International Energy Agency IEA, Report “Energy and AI”, 2025, Available at: https://iea.blob.core.windows.net/assets/dd7c2387-2f60-4b60-8c5f-6563b6aa1e4c/EnergyandAI.pdf
Daniel Reichenpfader ist wissenschaftlicher Mitarbeiter am Institut für Patient-Centered Digital Health und doktoriert an der Universität Genf im Bereich Digital Health. Seine Forschung konzentriert sich auf die Anwendung und Optimierung von Methoden der Computerlinguistik (u.a. Chatbots) im Gesundheits- und Bildungswesen.
Gabriel Hess ist wissenschaftlicher Mitarbeiter am Institute for Patient-centered Digital Health der Berner Fachhochschule. Seine Hauptaufgabenbereiche sind Entwicklung (React Native, Ionic/Angular, Vue.js), FHIR-Konzeption und Betreuung von Studierendenarbeiten.
Beiträge als RSS
Dein Kommentar
An Diskussion beteiligen?Hinterlasse uns Deinen Kommentar!