KI-Stromverbrauch-Rechner: Strom, Wasser und CO2 pro Prompt

Ein kurzer Textprompt in Googles Gemini kostet 0,24 Wattstunden, 0,26 Milliliter Wasser und 0,03 Gramm CO2 – ein einziges KI-Video von fünf Sekunden dagegen 944 Wattstunden. Zwischen diesen beiden Zahlen liegt der Faktor 3.933, und genau deshalb geht die öffentliche Debatte über den Stromverbrauch von KI so oft an der Sache vorbei. Mit dem Rechner unten setzen Sie Ihre eigenen Nutzungszahlen ein und sehen, was Ihre KI-Nutzung an Strom, Wasser und CO2 wirklich bedeutet. Alle Annahmen sind sichtbar, editierbar und mit Quelle belegt. Stand: 5. September 2026.

Der KI-Stromverbrauch-Rechner

Das Ergebnis erscheint hier.

Wie gerechnet wird – die Formeln im Klartext

Der Rechner macht nichts Kompliziertes. Er multipliziert und addiert, und zwar in vier Schritten:

1. Verbrauch je Person und Tag: Für jede Prompt-Art wird die Anzahl mit dem Energiewert je Anfrage multipliziert. Die fünf Ergebnisse werden addiert.
2. Jahresverbrauch: Wattstunden je Person und Tag mal Anzahl der Mitarbeitenden mal Arbeitstage, geteilt durch 1.000. Ergebnis: Kilowattstunden im Jahr.
3. Wasser und CO2: Kilowattstunden mal Liter je Kilowattstunde, beziehungsweise mal Gramm CO2 je Kilowattstunde.
4. Alltagsvergleiche: Der Energie- oder CO2-Wert wird durch den jeweiligen Vergleichswert geteilt, etwa durch 0,077 Kilowattstunden für eine Stunde Videostreaming.

Ein durchgerechnetes Beispiel mit der Voreinstellung für ein zehnköpfiges Marketing-Team: Jede Person stellt am Tag 20 kurze Textprompts (20 × 0,24 = 4,8 Wh), 4 lange Anfragen mit großem Kontext (4 × 2,5 = 10 Wh), erzeugt 2 Bilder (2 × 2,91 = 5,82 Wh), im Schnitt 0,2 Videos zu fünf Sekunden (0,2 × 944 = 188,8 Wh) und startet 0,5 Deep-Research-Läufe (0,5 × 30 = 15 Wh). Macht 224,42 Wattstunden je Person und Tag. Bei 10 Personen und 220 Arbeitstagen ergibt das 493,7 Kilowattstunden im Jahr, umgerechnet 533 Liter Wasser, 169,8 Kilogramm CO2 im deutschen Strommix und etwa 99 Euro Strom. Das entspricht 705 Waschmaschinenladungen, 1.036 Autokilometern oder rund 6.400 Stunden Videostreaming.

Der interessanteste Teil dieses Beispiels steht nicht im Ergebnis, sondern in der Aufteilung: Von den 224,42 Wattstunden entfallen 188,8 auf die Videogenerierung – 84 Prozent. Ein Video pro Person und Woche wiegt schwerer als alle 20 täglichen Textprompts zusammen, und zwar um den Faktor 39. Wer über den Stromverbrauch von KI im Unternehmen spricht und dabei nur an Chat-Anfragen denkt, misst die falsche Sache.

Warum die Zahlen so weit auseinanderliegen

Wenn Sie zu diesem Thema recherchieren, stoßen Sie auf Werte, die sich um den Faktor 100 unterscheiden – für scheinbar dieselbe Sache. Das liegt fast nie an schlechter Recherche, sondern an vier sauber benennbaren Unterschieden.

Erstens die Systemgrenze. Google hat im August 2025 als erster großer Anbieter offengelegt, was in seiner Zahl steckt: nicht nur der aktive Beschleunigerchip, sondern auch die tatsächliche Auslastung im Produktionsbetrieb, Leerlaufmaschinen, die für Lastspitzen bereitstehen, Host-CPU und RAM sowie der Rechenzentrums-Overhead über die PUE. Google beziffert im selben Beitrag, was eine unvollständige Rechnung ergäbe, die nur den Chip zählt: 0,10 statt 0,24 Wattstunden. Der Unterschied zwischen diesen beiden Zahlen ist reine Buchführung.

Zweitens die Art der CO2-Bilanzierung. Googles 0,03 Gramm CO2e sind marktbasiert gerechnet, also unter Anrechnung eingekaufter Grünstromprojekte. MIT Technology Review weist darauf hin, dass Googles bilanzierte Emissionen je Stromeinheit dadurch bei rund einem Drittel des Netzmixes liegen, in dem Google arbeitet. Standortbasiert läge der Wert also grob bei 0,09 Gramm – das ist meine Ableitung aus dieser Aussage, keine Google-Angabe.

Drittens Training gegen Inferenz. Mistral hat im Juli 2025 als bisher einziger Anbieter eine vollständige Lebenszyklusanalyse veröffentlicht, geprüft nach ISO 14040/44 und begleitet von Carbone 4 und der französischen Umweltagentur ADEME. Ergebnis für Mistral Large 2 nach 18 Monaten: 20,4 Kilotonnen CO2e und 281.000 Kubikmeter Wasser für Training und Nutzung zusammen. Getrennt davon weist Mistral den marginalen Beitrag einer einzelnen Antwort mit 400 Token aus: 1,14 Gramm CO2e und 45 Milliliter Wasser.

Viertens direktes gegen indirektes Wasser. Und hier wird es spannend. Google nennt 0,26 Milliliter je Prompt, OpenAI 0,32 Milliliter, Mistral 45 Milliliter. Rechnet man Googles und OpenAIs Angaben auf Liter je Kilowattstunde um, landen beide bei rund einem Liter – sie meinen offensichtlich dasselbe, nämlich das im Rechenzentrum verdunstete Kühlwasser. Mistral zählt nach LCA-Logik zusätzlich das Wasser, das bei der Stromerzeugung und in der Lieferkette anfällt. Beide Zahlen sind korrekt. Sie beantworten nur verschiedene Fragen.

Meine Einordnung dazu: Die einzige Zahl mit offengelegter Methodik und der weitesten Systemgrenze im laufenden Betrieb ist Googles 0,24 Wattstunden. Die einzige Zahl, die den gesamten Lebenszyklus abdeckt, kommt von Mistral. Alle anderen liegen dazwischen oder sind, wie im Fall von OpenAI, schlicht unbelegte Behauptungen. Wer eine einzelne Zahl als „den" Stromverbrauch von KI zitiert, hat das Thema nicht verstanden.

Training, Inferenz und was in keiner Zahl steht

Es gibt zwei völlig verschiedene Energieposten bei KI. Das Training ist ein einmaliger, gewaltiger Aufwand: Mistral nennt 20,4 Kilotonnen CO2e für Mistral Large 2. Eine Untersuchung von 2023 kam zu dem Schluss, dass allein das Training von GPT-3 in Microsofts US-Rechenzentren rund 700.000 Liter Süßwasser verdunsten ließ. Die Inferenz, also die einzelne Nutzung, ist dagegen winzig – aber sie findet milliardenfach statt. OpenAI hat im Juli 2025 gegenüber der Presse von 2,5 Milliarden Prompts pro Tag gesprochen; das ist eine Unternehmensauskunft, keine geprüfte Zahl.

Sauber aufteilen lässt sich beides nicht. Um das Training auf einzelne Anfragen umzulegen, müsste man wissen, wie oft ein Modell über seine Lebensdauer aufgerufen wird – und das weiß außerhalb der Anbieter niemand. Genau deshalb rechnet mein Rechner ausschließlich die Inferenz und sagt das offen. Ebenfalls nicht enthalten: die Herstellung der Chips und Server. Mistral drückt sie als 660 Kilogramm Antimon-Äquivalent aus, was für die betriebliche Praxis wenig hergibt, aber zeigt, dass da noch etwas ist.

Ein dritter Posten wird selten diskutiert und wächst gerade schnell: das Nachdenken der Modelle. Eine im Juni 2025 in Frontiers in Communication veröffentlichte Untersuchung von 14 Modellen zwischen 7 und 72 Milliarden Parametern zeigt, dass Standardmodelle im Schnitt 37,7 Antwort-Token je Frage erzeugen, Reasoning-Modelle aber zusätzlich 543,5 Denk-Token. Beim getesteten Cogito 70B lagen die Emissionen im Reasoning-Modus rund 50-mal höher als im Standardmodus. Die absoluten Gramm-Werte der Studie zitiere ich bewusst nicht, weil aus der Zusammenfassung nicht eindeutig hervorgeht, ob sie sich auf eine Frage oder auf den gesamten Benchmark beziehen. Der Faktor ist die belastbare Aussage.

Einordnung: KI gegen Kaffee, Streaming und Auto

Zahlen wie 0,24 Wattstunden sagen niemandem etwas. Deshalb übersetzt der Rechner in Größen, die man kennt – und deshalb ist der folgende Vergleich meiner Meinung nach der wichtigste Teil dieses Beitrags.

Ein kurzer KI-Textprompt entspricht etwa einem Neunzigstel einer Smartphone-Ladung. Sie könnten rund 320 solcher Prompts stellen, bevor Sie den Strom einer Stunde Netflix verbraucht haben. Und Sie müssten fast 4.000 Prompts stellen, um auf den Verbrauch eines einzigen fünfsekündigen KI-Videos zu kommen. Das ist die eigentliche Botschaft: Der Streit um Textprompts ist ein Nebenschauplatz. Entscheidend ist, ob und wie viel Bild und Video erzeugt wird.

Was der Strommix ausmacht, zeigt die dritte Grafik. Dieselben 1.000 kurzen Textprompts verursachen zwischen 30 und 113,5 Gramm CO2 – je nachdem, wo die Server stehen und wie der Anbieter bilanziert.

Rechenzentren in Deutschland: die Zahlen hinter der Debatte

Global hat die Internationale Energieagentur 2025 für Rechenzentren 415 Terawattstunden im Jahr 2024 ausgewiesen, das sind 1,5 Prozent des weltweiten Stromverbrauchs. Bis 2030 soll sich der Wert auf rund 945 Terawattstunden mehr als verdoppeln – mehr, als Japan heute insgesamt verbraucht. Seit 2017 wächst der Verbrauch um rund 12 Prozent pro Jahr, mehr als viermal so schnell wie der Stromverbrauch insgesamt. KI ist laut IEA der wichtigste Treiber, einen exakten KI-Anteil nennt die Zusammenfassung allerdings nicht.

Für Deutschland liefert die Bitkom-Studie von Borderstep vom 10. November 2025 die belastbarsten Zahlen: 21,3 Milliarden Kilowattstunden im Jahr 2025, nach 20 Milliarden 2024 und 12 Milliarden 2015. Die installierte IT-Anschlussleistung liegt bei 2.980 Megawatt und soll bis 2030 auf 5.000 Megawatt steigen. Der KI-Anteil daran wächst von heute 530 Megawatt – rund 15 Prozent – auf 2.020 Megawatt und damit rund 40 Prozent im Jahr 2030. Investiert wurden 2025 allein 12 Milliarden Euro in IT-Hardware und 3,5 Milliarden Euro in Gebäude und technische Ausrüstung.

Für Unternehmen mit Standortfragen ist das die relevantere Ebene als der einzelne Prompt. Ein deutsches Rechenzentrum rechnet mit 344 Gramm CO2 je Kilowattstunde, ein französisches mit einem Bruchteil davon, ein amerikanisches im Schnitt mit 384 Gramm. Wo Ihr KI-Anbieter rechnet, entscheidet über die CO2-Bilanz stärker als die Frage, ob Sie 20 oder 30 Prompts am Tag stellen.

Was Unternehmen fürs Nachhaltigkeitsreporting daraus machen können – und was nicht

Hier ist Vorsicht angebracht, und ich formuliere das ausdrücklich als meine fachliche Einschätzung, nicht als Rechtsauskunft. Wenn Sie ChatGPT, Gemini oder Copilot als Cloud-Dienst einkaufen, verbrauchen Sie diesen Strom nicht. Der Anbieter verbraucht ihn und weist ihn in seiner eigenen Bilanz aus. Für Sie ist der KI-Dienst eine eingekaufte Dienstleistung, die in die vorgelagerte Wertschöpfungskette gehört.

Solange Ihnen der Anbieter keinen kundenbezogenen Verbrauchswert liefert – und keiner der großen Anbieter tut das heute –, ist jede eigene Hochrechnung eine Schätzung mit einer Spanne von mindestens Faktor 10. Für einen prüffähigen Bericht reicht das nicht. Wofür es reicht:

• Interne Steuerung: Wenn die Videogenerierung 84 Prozent Ihres KI-Energiebedarfs ausmacht, ist das eine Managemententscheidung, keine Berichtsfrage.
• Anbieterauswahl: Fragen Sie im Einkaufsprozess nach PUE, Standort der Rechenzentren, Bilanzierungsmethode und Wasserverbrauch. Google veröffentlicht eine PUE von 1,09 für 2025, Mistral eine vollständige LCA – das sind Antworten, an denen sich andere messen lassen müssen.
• Kommunikation nach außen: Eine transparent hergeleitete Größenordnung mit offengelegten Annahmen ist ehrlicher als Schweigen. Aber nennen Sie sie eine Schätzung.
• Grenzen benennen: Was nicht drinsteckt – Training, Hardware, Endgeräte –, gehört in jede Fußnote.

Wenn Sie ohnehin gerade an Ihrer KI-Governance arbeiten, hilft ein Blick auf die organisatorische Seite: Wer darf welche Werkzeuge nutzen, und wofür? Wie man Teams dabei mitnimmt, habe ich im Beitrag über KI-Schulungen für Unternehmen beschrieben.

Sieben Hebel für sparsamere Prompts

1. Das kleinere Modell wählen. Zwischen Llama 3.1 8B mit 0,032 Wattstunden und Llama 3.1 405B mit 1,86 Wattstunden je Antwort liegt Faktor 58. Für Rechtschreibkorrektur, Umformulierungen und Zusammenfassungen reicht das kleine Modell fast immer.
2. Reasoning nur einschalten, wenn es gebraucht wird. 37,7 Antwort-Token gegen zusätzlich 543,5 Denk-Token je Frage – das ist der dokumentierte Unterschied. Für eine Terminmail braucht niemand eine Denkkette.
3. Kontext klein halten. Epoch AI zeigt die Kurve deutlich: 0,3 Wattstunden bei normaler Länge, 2,5 bei 10.000 Token, rund 40 bei 100.000 Token. Ein 200-seitiges PDF anzuhängen, weil man zu faul war, das richtige Kapitel zu suchen, kostet mehr als hundert normale Anfragen.
4. Bündeln statt einzeln fragen. Zehn Produkttexte in einer Anfrage verarbeiten den Kontext einmal statt zehnmal. Das spart Energie und Zeit gleichermaßen.
5. Caching nutzen. Alle großen Anbieter bieten in ihren Schnittstellen ein Prompt-Caching für wiederkehrende Systemanweisungen an. Wer über die API arbeitet, sollte das aktivieren.
6. Bild und Video bewusst einsetzen. Das ist der mit Abstand größte Hebel. Zehn Bildvarianten zu erzeugen und neun wegzuwerfen, kostet so viel wie ein ganzer Arbeitstag Chatnutzung.
7. Nicht doppelt fragen. Ein präziser Prompt beim ersten Versuch spart mehr als jede Modellwahl. Eine Sammlung erprobter Formulierungen finden Sie in meinem Beitrag über ChatGPT-Prompts.

Typische Fehler bei KI-Verbrauchszahlen

• Alte Zahlen weiterschleppen: Die viel zitierten 3 Wattstunden je ChatGPT-Anfrage stammen aus einer Schätzung von 2023 mit 2.000 Ausgabe-Token und A100-Hardware. Epoch AI kommt mit aktuellen Annahmen auf ein Zehntel davon.
• Systemgrenzen mischen: Googles 0,24 Wattstunden mit Luccionis 2,91 Wattstunden je Bild zu addieren ist zulässig, aber unsauber – die eine Zahl enthält Rechenzentrums-Overhead, die andere nicht.
• Wasserzahlen ohne Kontext: 0,26 Milliliter und 45 Milliliter je Antwort stehen beide in seriösen Veröffentlichungen. Wer eine davon zitiert, ohne die Systemgrenze zu nennen, führt in die Irre.
• Vom Prompt auf die Welt hochrechnen: Ohne die Zahl der täglichen Anfragen ergibt jede Multiplikation eine Fantasiezahl. Google veröffentlicht diese Zahl nicht, OpenAIs 2,5 Milliarden sind eine Presseauskunft.
• Marktbasierte und standortbasierte CO2-Werte vermischen: Das ist der häufigste Fehler in Vergleichstabellen und erklärt oft schon allein Faktor 3.
• Das Endgerät vergessen: Ein Laptop, der während einer 30-sekündigen KI-Antwort läuft, verbraucht selbst rund 0,2 Wattstunden. Bei Textprompts ist Ihr eigener Rechner also ungefähr so relevant wie das Rechenzentrum.

Mein Fazit nach dieser Recherche: Die Textnutzung von KI ist energetisch unauffällig – sie liegt in derselben Größenordnung wie das Kochen von Kaffee im Büro. Auffällig sind drei Dinge: Bild- und vor allem Videogenerierung, das Wachstum der Rechenzentren insgesamt, und die Tatsache, dass außer Google und Mistral bis heute niemand offenlegt, wie gerechnet wird. Der erste Punkt ist Ihre Entscheidung. Der zweite ist Energiepolitik. Der dritte ist eine Bringschuld der Anbieter.

Häufige Fragen

Wie viel Strom verbraucht eine KI-Anfrage?

Für einen kurzen Textprompt nennt Google 0,24 Wattstunden als Median in den Gemini Apps, Epoch AI kommt für GPT-4o auf rund 0,3 Wattstunden, OpenAI nennt 0,34 Wattstunden. Die drei Zahlen liegen also erstaunlich dicht beieinander. Sobald die Anfrage länger wird, steigt der Wert stark: Epoch AI rechnet bei 10.000 Token Kontext mit rund 2,5 Wattstunden und bei 100.000 Token mit rund 40 Wattstunden. Ein erzeugtes Bild liegt je nach Modell zwischen 0,6 und über 11 Wattstunden.

Wie viel Wasser verbraucht ChatGPT pro Frage?

OpenAI nennt 0,000085 US-Gallonen je durchschnittlicher Anfrage, das sind rund 0,32 Milliliter. Google kommt für seinen Median-Prompt auf 0,26 Milliliter. Mistral weist in seiner Lebenszyklusanalyse dagegen 45 Milliliter je Antwort mit 400 Token aus – das Hundertsiebzigfache. Der Unterschied liegt nicht an der Technik, sondern an der Systemgrenze: Google und OpenAI zählen das Kühlwasser im Rechenzentrum, Mistral rechnet nach ISO 14040 auch das Wasser mit, das bei der Stromerzeugung und in der Hardwareherstellung anfällt.

Verbraucht KI mehr Strom als eine Google-Suche?

Diese Frage lässt sich seriös nicht beantworten, weil Google seit vielen Jahren keinen aktuellen Wert für eine klassische Suchanfrage veröffentlicht hat. Die häufig zitierten 0,3 Wattstunden je Suche stammen aus einem Blogbeitrag von 2009 und sind technisch überholt. Belegt ist nur die Gegenrichtung: Google hat den Energiebedarf je Gemini-Textprompt zwischen Mai 2024 und Mai 2025 um den Faktor 33 gesenkt. Ein Vergleich zwischen zwei Zahlen aus verschiedenen Jahrzehnten ergibt keinen Sinn.

Wie viel Strom verbrauchen Rechenzentren in Deutschland?

Nach der Bitkom-Studie von Borderstep vom 10. November 2025 lag der Stromverbrauch der Rechenzentren in Deutschland 2025 bei 21,3 Milliarden Kilowattstunden, nach 20 Milliarden im Jahr 2024 und 12 Milliarden im Jahr 2015. Die installierte IT-Anschlussleistung beträgt 2.980 Megawatt, davon entfallen rund 530 Megawatt oder 15 Prozent auf KI-Rechenzentren. Bis 2030 soll die Gesamtleistung auf 5.000 Megawatt steigen, der KI-Anteil auf 2.020 Megawatt und damit rund 40 Prozent.

Ist ein KI-Prompt schlimmer als Videostreaming?

Nein, nicht bei Textanfragen. Die Internationale Energieagentur rechnet für eine Stunde Videostreaming mit 0,077 Kilowattstunden, also 77 Wattstunden. Das entspricht rund 320 kurzen KI-Textprompts nach dem Google-Median. Bei Bildern verschiebt sich das Verhältnis, und bei Videogenerierung kippt es vollständig: Ein einziges KI-Video von fünf Sekunden kostete in einer Messung von Hugging Face 3,4 Millionen Joule, umgerechnet 944 Wattstunden – mehr als zwölf Stunden Streaming.

Kann ich den KI-Stromverbrauch in meinen CSRD-Bericht schreiben?

Nach meiner Einschätzung nicht als geprüfte Zahl. Wenn Sie einen Cloud-Dienst wie ChatGPT oder Gemini einkaufen, ist das für Sie eine eingekaufte Dienstleistung und damit ein Scope-3-Posten; der Strom selbst steht im Scope 2 des Anbieters. Solange der Anbieter Ihnen keinen kundenbezogenen Verbrauchswert liefert, ist jede eigene Hochrechnung eine Schätzung mit sehr breiter Spanne. Für interne Steuerung und für die Kommunikation ist sie brauchbar, für einen prüffähigen Bericht ohne Anbieterbeleg nicht.

Wie kann ich den Stromverbrauch meiner KI-Nutzung senken?

Vier Hebel wirken messbar. Erstens das kleinere Modell: Zwischen Llama 3.1 8B mit 0,032 Wattstunden und Llama 3.1 405B mit 1,86 Wattstunden je Antwort liegt der Faktor 58. Zweitens der Verzicht auf unnötiges Reasoning: Eine Studie in Frontiers in Communication misst 37,7 Antwort-Token gegen zusätzlich 543,5 Denk-Token je Frage. Drittens Bündeln statt Einzelabfragen, damit der Kontext nicht bei jedem Aufruf neu verarbeitet wird. Viertens Zurückhaltung bei Bild- und Videogenerierung, denn dort liegen die Größenordnungen um Faktor zehn bis viertausend höher.