Die Klimawirkung von KI ist kleiner als erwartet, neue Forschung zeigt

Der künstliche Intelligenz (KI)-Rausch hat den Markt auf neue Höchststände getrieben. 

Milliarden von Dollar fließen weiterhin in Chiphersteller und Rechenzentren, da die anhaltende KI-Manie den turboaufgeblähten Markt seit mehr als zwei Jahren ohne Anzeichen einer Verlangsamung am Laufen hält. Allerdings haben viele begonnen, sich zu fragen, ob wir in einer KI-Blase sind.

Analysten wie die bei JPMorgan (JPM ) fordern tatsächlich, dass Investoren sich auf Turbulenzen vorbereiten. Aber während sich sowohl im privaten als auch im öffentlichen Markt ein Schaum bildet, ist die KI-Manie nicht ohne ihre Berechtigung, da die Technologie einen großen wirtschaftlichen Wert in Bezug auf die Schaffung zugänglicher, leistungsfähiger Intelligenz hat, die angeblich der Entstehung des Internets ähnelt. 

In seinem Ausblick für 2026 bezeichnete JPMorgan KI als „die transformativste Technologie seit dem Computer“ und „sie treibe mehr BIP‑Wachstum an als der Konsumausgaben.“

Gleichzeitig warnte die Bank vor Stromknappheit, Wasserengpässen und regulatorischer Prüfung.

Im weiteren Sinne geht die rasche Ausbreitung von KI mit erheblichen Umweltbelastungen einher, die sich als niedriger als erwartet herausstellen. Das liegt daran, dass die Energieintensität und Emissionen einer Anfrage von Faktoren wie dem Typ und der Größe des Modells, dem erzeugten Output, dem Energiemix, der das Rechenzentrum versorgt, der Tageszeit, zu der sie verarbeitet wird, und anderen Variablen abhängen.

JPMorgan schätzt außerdem, dass 60 % der Arbeitsplätze in der entwickelten Welt einem gewissen Automatisierungsrisiko durch KI ausgesetzt sind, aber während alte Rollen verschwinden, sollten neue Rollen entstehen.

Insgesamt sei das größte Risiko laut der Bank „keine Exponierung gegenüber transformativer Technologie zu haben“.

KI‑Übernahme, Energieverbrauch und Klimabelastung

Die Fähigkeit von KI, repetitive Aufgaben zu automatisieren, Entscheidungsfindungen zu verbessern und Effizienz sowie Produktivität in verschiedenen Bereichen zu steigern, hat zu ihrer weit verbreiteten Einführung geführt.

Laut einer Umfrage von McKinsey gaben 88 % der Befragten an, KI regelmäßig in mindestens einer Geschäftsfunktion zu nutzen, ein Anstieg von 10 % gegenüber dem Vorjahr. Es wurde jedoch festgestellt, dass auf Unternehmensebene die Mehrheit noch in der Experimentierphase ist, wobei etwa ein Drittel angab, dass ihre Unternehmen begonnen haben, ihre KI‑Programme zu skalieren.

Derzeit mit etwa 400 Milliarden $ bewertet, wird prognostiziert, dass der KI‑Markt bis zum Ende dieses Jahrzehnts 1,8 Billionen $ erreichen wird.

Was die Investitionen angeht, überstieg die private KI‑Finanzierung in den USA im Jahr 2024 109 Milliarden $, was etwa dem 24‑fachen des Vereinigten Königreichs mit 4,5 Milliarden $ und dem 12‑fachen Chinas mit 9,3 Milliarden $ entspricht. In die Zukunft blickend planen erstaunliche 92 % der Unternehmen, in den nächsten drei Jahren in generative KI zu investieren.

Während die KI‑Einführung dank ihrer Versprechen einer beispiellosen Produktivität wächst, bringt sie ernsthafte Energie- und Umweltprobleme mit sich. Die Sache ist, KI ist extrem energiehungrig. 

Das Training von KI‑Modellen erfordert Tonnen von Energie, genug, um jährlich mehrere hundert Haushalte zu versorgen, und bei der Inferenz kann es noch deutlich höher sein. Es wird tatsächlich geschätzt, dass 80 % bis 90 % der Rechenleistung für KI für die Inferenz verwendet werden.

Die Energieverbrauch von KI ist also hauptsächlich mit der Rechenleistung verbunden, die zum Trainieren und Ausführen dieser Modelle in Rechenzentren benötigt wird, wo KI‑Modelle auf Servergruppen mit GPUs wie Nvidias (NVDA ) Blackwells geladen werden.

Rechenzentren sind Einrichtungen, die Computer‑Server, Datenspeichersysteme, Stromversorgungen, Kühlsysteme und Netzwerkausrüstung beherbergen. All diese Infrastruktur ist entscheidend, nicht nur um die neuesten digitalen Dienste wie das Stellen einer Frage an ChatGPT bereitzustellen, sondern auch um eine E‑Mail zu senden oder ein Video zu streamen.

Rechenzentren gibt es schon seit langer Zeit, aber erst in den letzten Jahren haben sie sich erheblich erweitert. 

Heute gibt es mehr als 100.000 Rechenzentren, verteilt über die ganze Welt, wobei die USA mit über 4.200 das meiste beherbergen, gefolgt vom Vereinigten Königreich und Deutschland, die jeweils etwa 500 haben. In den USA befindet sich ein Drittel der Rechenzentren in nur drei Bundesstaaten: Kalifornien, Texas und Virginia, wobei die letzten beiden stark von fossilen Brennstoffen für ihren Energiebedarf abhängig sind.

Broadly, data centres fall into three buckets. Traditional enterprise facilities are run in-house by companies for their own workloads: colocation providers lease rack space and power to many different customers in shared buildings. At the high end are “hyperscale” campuses—vast, warehouse-like sites packed with tens of thousands of servers that handle the heaviest AI and cloud computing jobs.

Laut JPMorgan wird der Kapitalaufwand der Hyperscaler im nächsten Jahr voraussichtlich über 500 Milliarden $ liegen, da Unternehmen im Wettlauf um den Bau von Rechenzentren und die Sicherung knapper Energiequellen stehen.

Wie viel Energie verbrauchen diese Rechenzentren also? Nun, eine Menge. Rechenzentren in den USA verbrauchten im vergangenen Jahr 183 TWh Strom, als der gesamte Jahresstromverbrauch des Landes einen Rekordwert erreichte.

Der Energieverbrauch dieser Rechenzentren wird voraussichtlich bis 2030 um 133 % auf 426 TWh steigen. Weltweit erwartet die IEA, dass die für Rechenzentren bereitgestellte Stromerzeugung in ihrem Basisszenario mehr als das Doppelte erreichen wird, von etwa 460 TWh im Jahr 2024 auf etwas über 1.000 TWh bis 2030.

In den USA machten Rechenzentren 4 % des gesamten Stromverbrauchs aus, was dem jährlichen Strombedarf Pakistans entspricht. Nachdem die KI‑Einführung über ein Jahrzehnt hinweg stagnierte, wird prognostiziert, dass ihr Anteil bis 2028 auf 12 % steigen wird.
Wischen zum Scrollen →

Was den Anteil des Energieverbrauchs von Rechenzentren betrifft, der auf KI zurückzuführen ist, ist das schwer zu bestimmen, da Rechenzentren unterschiedliche Arten von Workloads verarbeiten. Ein typischer KI‑optimierter Hyperscaler verbraucht jedoch jährlich so viel Strom wie 100.000 Haushalte.

Laut den jüngsten Prognosen des Lawrence Berkeley National Laboratory wird in den nächsten drei Jahren mehr als die Hälfte des von Rechenzentren verbrauchten Stroms für KI verwendet werden, was dem jährlichen Stromverbrauch von 22 % aller US‑Haushalte entspricht.

Der Energiemix, der das Kernstück der KI antreibt 

Mit dem rasanten Aufstieg der KI erleben Rechenzentren nun eine Belastung und stehen unter wachsendem Druck, da die Stromnachfrage steigt.

Der größte Teil des Stroms, im Durchschnitt 60 %, der von Rechenzentren verwendet wird, versorgt tatsächlich die Server, die digitale Informationen verarbeiten und speichern. Anschließend sind Kühlsysteme für den zweithöchsten Energieverbrauch verantwortlich, der je nach Effizienz einer Anlage zwischen 7 % und 30 % liegt.

Diese Kühlsysteme verhindern, dass Server überhitzen, was einen großen Wasserverbrauch erfordert. Im Jahr 2023 verbrauchten die US‑Rechenzentren direkt etwa 17 Milliarden Gallonen Wasser, wobei 84 % davon von Colocation‑ und Hyperscale‑Einrichtungen verbraucht wurden, die bis 2028 voraussichtlich allein etwa 16‑33 Milliarden Gallonen Wasser pro Jahr verbrauchen werden.

Was die Quellen der von Rechenzentren genutzten Energie betrifft, so lieferte Erdgas den größten Anteil (über 40 %) des Stroms für US‑Rechenzentren, gefolgt von erneuerbaren Energien wie Solar und Wind (24 %), Kernenergie (20 %) und Kohle (15 %).

Technologieriesen wie Google (GOOG ), Amazon (AMZN ), und Meta (META ) haben tatsächlich zugesagt, mehr Kernenergie zu nutzen, die derzeit nur 20 % der Stromversorgung in den USA ausmacht, um die CO₂‑Emissionen von Rechenzentren zu reduzieren.

Deshalb prognostiziert die IEA, dass die CO₂‑Emissionen aus der Stromerzeugung für Rechenzentren bis 2030 mit etwa 320 Mt CO₂ ihren Höhepunkt erreichen und dann bis 2035 auf etwa 300 Mt CO₂ zurückgehen.

Laut IEA:

„Trotz des schnellen Wachstums bleiben Rechenzentren ein relativ kleiner Teil des gesamten Stromsystems, der von etwa 1 % der globalen Stromerzeugung heute auf 3 % im Jahr 2030 ansteigt und weniger als 1 % der gesamten globalen CO₂‑Emissionen ausmacht.“

Aber die Öffentlichkeit sieht das anders. Laut einer Umfrage des Pew Research Center aus dem Jahr 2024 zur breiteren Umweltauswirkung von KI in den nächsten zwei Jahrzehnten hielt ein Viertel der US‑Erwachsenen den Einfluss für negativ, und derselbe Anteil sagt, der Einfluss sei gleichermaßen positiv und negativ.

Sowohl Unternehmen als auch Forscher suchen kontinuierlich nach Möglichkeiten, den Energieverbrauch sowohl der Berechnung als auch der Rechenzentren zu reduzieren.

Tatsächlich wurden erhebliche Energieeffizienzgewinne bei der für die Berechnung genutzten Hardware erzielt. Allerdings hat sich die Rate der Effizienzsteigerungen verlangsamt, während die Rechenanforderungen der KI zunehmen.

Die Sache ist, die Auswirkungen von KI auf den Energieverbrauch gehen über den direkten Stromverbrauch für das Rechnen hinaus. Energie ist schließlich ein kritischer Input in fast allen wirtschaftlichen Aktivitäten, treibt Industrien an und unterstützt die Infrastruktur des modernen Lebens.

Und Studien zeigen eine starke Korrelation zwischen Energieverbrauch und Wirtschaftsleistung, was darauf hinweist, dass der Energieverbrauch eng mit dem BIP‑Wachstum verbunden ist. Wenn KI also die wirtschaftliche Produktivität steigert, könnte dies auch zu einem Anstieg des gesamten Energieverbrauchs führen. Ganz zu schweigen davon, dass die kontinuierliche Nutzung fossiler Brennstoffe zur Stromversorgung der Wirtschaft die Umweltauswirkungen der Stromerzeugung verstärkt, indem sie zum Klimawandel beiträgt.

Aber wenn es um KI geht, kann sie tatsächlich den Energieverbrauch senken. Das kann durch Nachfrageseiten‑Management oder die Verbesserung der Resilienz der Energieinfrastruktur erreicht werden.

Kurzfristig führt die Abhängigkeit von fossilen Brennstoffen für die Energieerzeugung jedoch zu erhöhter Luftverschmutzung, verschlechterter Wasserqualität und verschärftem Klimawandel.

Während Erdgas voraussichtlich in naher Zukunft die primäre Energiequelle für Rechenzentren bleiben wird, erwartet das globale Forschungs‑ und Beratungsunternehmen Gartner ein „schnelles Wachstum von Batteriespeichersystemen, um die Schwankungen von Solar‑ und Windenergie auszugleichen“ in den nächsten drei bis fünf Jahren. Das Unternehmen sagte in einer Forschungsnotiz Folgendes:

„Neue saubere, vor Ort verfügbare Energiealternativen – wie grüner Wasserstoff, Geothermie und kleine modulare Reaktoren – beginnen aufzutauchen und werden bis zum Ende des Jahrzehnts zu brauchbaren Brennstoffalternativen für Mikro‑Grids von Rechenzentren werden.“

Das grüne Potenzial der KI und die Gegenüberstellung von Klimaemissionen

Obwohl KI klare und massive Umweltauswirkungen hat, hat neue Forschung ergeben, dass die Umweltrisiken des derzeitigen KI‑Einsatzes geringer sind, als wir denken. Außerdem kann sie tatsächlich den Umweltfortschritt und das Wirtschaftswachstum unterstützen.

Um die potenziellen Umweltauswirkungen von KI zu projizieren, falls sie ihr aktuelles Expansions‑Tempo beibehält, haben Wissenschaftler der University of Waterloo und des Georgia Institute of Technology in der Studie mit dem Titel „Watts and bots: the energy implications of AI adoption“¹, veröffentlicht in Environmental Research, Daten zur US‑Wirtschaftstätigkeit mit Schätzungen darüber kombiniert, wie breit die Technologie in verschiedenen Berufen und Branchen übernommen wird.

Auf Branchenebene schätzen die Wissenschaftler, dass der jährliche Anstieg des Energieverbrauchs zwischen 0 und 12 Petajoule (PJ) liegen könnte, während die CO₂‑Emissionen von 0 Tonnen bis zu 272 kt (ktCO₂) reichen könnten.

Wie viel Energie und CO₂ könnte KI auf nationaler Ebene hinzufügen?

Ein weiterer Energieverbrauch von 28 PJ, was etwa 0,03 % des jährlichen nationalen Energieverbrauchs entspricht, könnte durch die KI‑Einführung entstehen, wenn man sie über die gesamte Wirtschaft aggregiert. Er würde zudem jährlich 896 kt CO₂ an Emissionen hinzufügen, was etwa 0,02 % der jährlichen CO₂‑Ausgabe des Landes entspricht.

Dies liegt daran, dass laut Daten der US Energy Information Administration 83 % des Landes weiterhin auf fossile Brennstoffe angewiesen sind, d.h. Kohle, Erdöl und Erdgas.

Sie entstehen aus den versteinerten Überresten von Organismen, benötigen Millionen von Jahren zur Bildung und gelten als nicht erneuerbare Ressourcen. Obwohl sie begrenzt sind, dienen fossile Brennstoffe als entscheidende Energiequellen für die Stromerzeugung, den Verkehr und industrielle Prozesse. Bemerkenswerterweise setzt die Nutzung dieser Brennstoffe wärmespeichernde Treibhausgase (THG) frei und trägt zum Klimawandel bei.

Forscher haben festgestellt, dass der KI‑bezogene Stromverbrauch in den USA zwar mit dem gesamten Energieverbrauch Islands vergleichbar ist, diese Menge jedoch zu klein bleibt, um auf nationaler oder globaler Ebene signifikant zu wirken.

„Es ist wichtig zu beachten, dass der Anstieg des Energieverbrauchs nicht gleichmäßig sein wird. Er wird stärker in den Regionen spürbar sein, in denen Strom zur Versorgung der Rechenzentren erzeugt wird“, sagte der Umweltökonom Dr. Juan Moreno‑Cruz, Professor an der Fakultät für Umwelt an der Waterloo und Canada Research Chair für Energiewende. Aus lokaler Sicht bemerkte er, dass es ein „großes Ding“ sein könnte, wobei einige Orte die doppelte Menge an Stromproduktion und Emissionen sehen.

Auf größerer Ebene jedoch, fügte Moreno‑Cruz hinzu, „wird der Energieverbrauch durch KI nicht bemerkbar sein“.

Während die Forscher die Auswirkungen auf lokale Volkswirtschaften, in denen die Rechenzentren stehen, nicht untersuchten, fanden sie einige ermutigende Ergebnisse.

„Für Menschen, die glauben, dass der Einsatz von KI ein großes Problem für das Klima darstellt und wir ihn vermeiden sollten, bieten wir eine andere Perspektive“, sagte er. „Die Auswirkungen auf das Klima sind nicht so gravierend, und wir können KI nutzen, um grüne Technologien zu entwickeln oder bestehende zu verbessern.“

Sie kann laut Studie dazu beitragen, Lösungen für Energieeffizienz und Emissionsreduktion zu bieten, indem sie erneuerbare Energiequellen und industrielle Prozesse optimiert.

Um zu ihren Schlussfolgerungen zu gelangen, analysierten die Forscher verschiedene Sektoren einer Wirtschaft, die dortigen Arbeitsplätze und welchen Teil davon KI übernehmen könnte. Sie planen, die Studie über die USA hinaus in anderen Ländern zu wiederholen, um die Auswirkungen der KI‑Einführung global zu messen und ein umfassenderes Bild der Auswirkungen der Technologie auf Energieverbrauch und Emissionen zu erhalten.

Die Forscher wiesen auf die Einschränkungen der Studie hin, darunter begrenzte Datenverfügbarkeit und unterschiedliche Granularität, die die Analyse beeinflussen, ein Mangel an Informationen zur räumlichen Verteilung des Energieverbrauchs sowie die Annahme, dass KI die Produktivität nur durch Aufgaben beeinflusst, die zuvor zu geringeren Kosten erledigt wurden, und nicht berücksichtigt, dass die Technologie neue Aufgaben einführt oder andere Produktionsformen wie Kapital beeinflusst.

Mit ihrer Studie wollen die Forscher eine hilfreiche Grundlage bieten, um die breiteren Implikationen einer weiter verbreiteten KI‑Nutzung in der Wirtschaft zu verstehen.

Und ihre Ergebnisse zeigen, dass das Ausmaß des Anstiegs des Energieverbrauchs und der Emissionen durch die KI‑Einführung „relativ bescheiden im Vergleich zur gesamten Wirtschaftsaktivität“ ist.

Also, während KI verschiedene Sektoren revolutioniert und die verschiedenen Aspekte unserer Gesellschaft neu gestaltet, fordert die Studie ein Gleichgewicht zwischen den wirtschaftlichen Vorteilen und Produktivitätsgewinnen und den potenziellen Zunahmen des Energiebedarfs und der damit verbundenen CO₂‑Emissionen.

Um dieses Gleichgewicht zu erreichen, erwähnt die Studie Investitionen in erneuerbare Energiequellen, die Betonung energieeffizienter KI‑Technologien, die Entwicklung von Strategien zur Kompensation steigender Emissionen in KI‑intensiven Branchen und den Einsatz von KI, um Verwundbarkeiten gegenüber dem Klimawandel zu mindern.

Durch ständige Analyse und Überwachung der Energie- und Umweltauswirkungen von KI können wir eine nachhaltige Entwicklung transformativer Technologien erreichen, sagte die Studie.

Investitionen in KI: Rechenzentren, Chips und Klimarisiken

Der größte Gewinner der anhaltenden KI‑Manie ist Nvidia (NVDA ), ein Full‑Stack‑Computing‑Infrastrukturunternehmen, das KI‑Lösungen und Software anbietet und zusätzlich über einen Gaming‑Bereich, professionelle Visualisierung und Robotik verfügt.

Nvidia ist das wertvollste Unternehmen der Welt mit einer Marktkapitalisierung von 4,3 Billionen $, die im letzten Monat die 5‑Billionen‑$‑Marke überschritt, als die Aktien ein 52‑Wochen‑Hoch von 212 $ erreichten. Zum Zeitpunkt dieses Schreibens werden NVDA‑Aktien zu 179,5 $ gehandelt, ein Anstieg von 33,2 % im Jahresverlauf und mehr als 1.450 % in den letzten fünf Jahren.

Infolge der massiven Ausgaben von KI‑Unternehmen für Infrastruktur verzeichnete das Data‑Center‑Geschäft des Chip‑Herstellers Nvidia einen Rekordumsatz von 51,2 Milliarden $, ein Anstieg von 25 % gegenüber dem Vorquartal und 66 % gegenüber dem Vorjahr. Zu den Kunden zählen Google, Amazon, Meta, Microsoft und Oracle.

Nach Angaben des Unternehmens wurde dieses Geschäft durch die Beschleunigung leistungsstarker KI‑Modelle, agentischer Anwendungen und Rechenleistung angetrieben. Der Verkauf von Nvidias Blackwell‑GPU‑Chips sei ebenfalls „außerhalb der Skala“ und Cloud‑GPUs seien ausverkauft.

Infolgedessen kündigte das Unternehmen AI‑Factory, spezialisierte Recheninfrastruktur und weitere Infrastrukturprojekte im Umfang von 5 Millionen GPUs an, die „jeden Markt, CSPs, souveräne Staaten, moderne Bauherren, Unternehmen und Super‑Computing‑Zentren“ abdecken.

„Die Nachfrage nach Rechenleistung beschleunigt sich weiter und kumuliert sich sowohl beim Training als auch bei der Inferenz – jedes wächst exponentiell. Wir haben den positiven Kreislauf der KI betreten. Das KI‑Ökosystem skaliert schnell – mit immer mehr neuen Grundmodell‑Herstellern, mehr KI‑Start‑ups, in mehr Branchen und in mehr Ländern. KI ist überall, macht alles, gleichzeitig“, sagte CEO Jensen Huang in der jüngsten Nvidia‑Q3‑Ergebnispräsentation.

Neueste Aktiennachrichten von Nvidia Corporation (NVDA)

Fazit: Klimawirkung der KI und Investitionserkenntnisse

Da KI immer personalisierter und leistungsfähiger wird und die Fähigkeit erlangt, zu argumentieren und komplexe Probleme zu lösen, befinden sich ihre Einführung und ihr Energieverbrauch noch in den Anfängen. Der Ausbau dieser Technologie treibt massive Neubauten von Rechenzentren voran, belastet bestehende Stromsysteme und wirft Bedenken hinsichtlich des Strombedarfs und der CO₂‑Emissionen auf.

Allerdings bleibt, wie die neuesten Forschungen zeigen, der landesweite Energieeinfluss von KI bescheiden, obwohl ihr lokaler Fußabdruck erheblich sein kann. Alles hängt davon ab, dass sich der zugrunde liegende Energiemix zu kohlenstoffarmen Quellen verschiebt. KI ist also nicht nur ein Treiber des Energieverbrauchs, sondern auch ein Werkzeug zur Energieoptimierung, das dabei hilft, Netze zu modernisieren, die Effizienz zu steigern und klimafokussierte Innovationen zu beschleunigen, während sie den versprochenen wirtschaftlichen Wert freisetzt.

Klicken Sie hier für eine Liste von unterbewerteten disruptiven Tech‑Aktien.

Referenzen

1. Harding, A. R. & Moreno-Cruz, J. “Watts and bots: the energy implications of AI adoption.” Environmental Research Letters 20 (11), Article 114084 (2025). https://doi.org/10.1088/1748-9326/ae0e3b in German.