Willkommen zurück, KI-Freunde!

Hast du dich je gefragt, was eigentlich passiert, nachdem du auf „Senden“ klickst? In Sekundenschnelle liefert dir ChatGPT eine brillante E-Mail, eine komplexe Analyse oder eine kreative Idee. Es fühlt sich magisch an – fast so, als käme die Antwort aus dem Nichts.

Aber hinter dieser Magie steckt eine gewaltige Infrastruktur aus Rechenzentren und spezialisierter Hardware. Und diese Infrastruktur hat Durst – einen gewaltigen Durst nach Energie.

Heute schauen wir uns gemeinsam den oft übersehenen Energie-Fußabdruck von KI-Modellen an. Keine Sorge, das wird keine trockene Physikstunde. Stattdessen erfährst du, was das für dich als Nutzer bedeutet und wie du mit einfachen Kniffen einen echten Unterschied machen kannst.

Die zwei Seiten der Energie-Medaille: Training vs. tägliche Nutzung

Wenn wir über den Energieverbrauch von KI sprechen, gibt es zwei entscheidende Phasen:

1. Das Training: Stell es dir vor wie den Bau einer riesigen Fabrik. Um ein Modell wie GPT-4 zu erschaffen, wird es einmalig mit unfassbaren Datenmengen „gefüttert“. Das kostet eine enorme Menge Energie – ein gewaltiger, aber einmaliger Kraftakt.

2. Die Inferenz (deine Anfragen): Das ist der laufende Betrieb der Fabrik. Jede einzelne Frage, die du stellst, jeder Text, den du generieren lässt, ist eine „Inferenz“. Eine einzelne Anfrage verbraucht zwar viel weniger Energie als das gesamte Training. Aber weil weltweit jeden Tag Hunderte Millionen Anfragen gestellt werden, ist es die Summe dieser kleinen Anfragen, die über die Lebensdauer eines Modells den Löwenanteil des Energieverbrauchs ausmacht.

Kurz gesagt: Nicht das einmalige „Erschaffen“ der KI ist die größte energetische Herausforderung, sondern unser aller tägliche Nutzung.

Nicht jede KI ist gleich durstig: Der große CO₂-Vergleich

Wusstest du, dass es riesige Unterschiede im Energiehunger verschiedener Chatbots gibt? Eine aktuelle Analyse hat den CO₂-Ausstoß pro Anfrage verglichen, und die Ergebnisse sind erstaunlich: