DOSSIER | Die Umweltauswirkungen der KI und Regeneration

Die digitale Welt hat sich lange mit der Vorstellung verbunden, im Wesentlichen immateriell zu sein. Das ist nachvollziehbar: Im Vergleich zu den physischen Medien, die sie nach und nach ersetzt hat – Bücher, Briefe, CDs, DVDs und Papierarchive –, schien ein Computer mit Internetverbindung auszureichen, um auf nahezu unbegrenzte Mengen an Informationen und Dienstleistungen zuzugreifen.

Tatsächlich war das jedoch nie der Fall. Das Internet, Cloud-Dienste und digitale Anwendungen waren schon immer auf Infrastrukturen, Netzwerke, Server, Energie und Rohstoffe angewiesen. Dennoch blieb diese materielle Dimension für die meisten Nutzerinnen und Nutzer lange unsichtbar.

Mit der künstlichen Intelligenz erleben wir etwas Ähnliches. Auch hier vermittelt der Alltag den Eindruck von Leichtigkeit: Man schreibt einen Prompt, wartet ein paar Sekunden und erhält eine Antwort, ein Bild, Programmcode oder ein Video. Hinter dieser scheinbaren Einfachheit steht jedoch eine der komplexesten und ressourcenintensivsten industriellen Infrastrukturen, die je aufgebaut wurden.

In den vergangenen Monaten sind mehrere Berichte erschienen, die helfen, diese verborgene Dimension genauer zu erfassen. Zu den wichtigsten zählt The Environmental Costs of Artificial Intelligence, veröffentlicht 2026 vom United Nations University – Institute for Water, Environment and Health (UNU-INWEH), ergänzt durch den Bericht Energy and AI der International Energy Agency (IEA) sowie frühere OECD-Studien zur Messung der Umweltauswirkungen künstlicher Intelligenz.

Auch wenn sie unterschiedliche Methoden anwenden, kommen diese Studien zu derselben zentralen Erkenntnis: KI ist nicht nur eine energieintensive Technologie. Sie ist ein System, das gleichzeitig Strom, Wasser, Fläche, Rohstoffe und Hardware verbraucht und damit Umweltauswirkungen verursacht, die weit über Treibhausgasemissionen hinausgehen.

Doch das ist nicht der einzige Perspektivwechsel. Jahrelang konzentrierte sich die Debatte vor allem auf das Training großer Sprachmodelle und auf die Frage, wie viel Energie für ihre Entwicklung benötigt wird. Heute wissen wir, dass dies nur ein Teil der Geschichte ist. Die Umweltauswirkungen von KI hängen ebenso davon ab, wie sie täglich von Hunderten Millionen Menschen genutzt wird, welche Inhalte sie erzeugt und welche Infrastruktur ihren Betrieb ermöglicht.

Diese Auswirkungen zu verstehen bedeutet, die Voraussetzungen für einen bewussteren Umgang mit KI zu schaffen. Denn wie jede Technologie, die unsere Gesellschaft verändert hat, kann auch KI enorme Vorteile bringen – sie benötigt jedoch reale Ressourcen. Die Kosten dieser Ressourcen zu kennen, ist der erste Schritt, um sie zu verringern und zumindest teilweise dazu beizutragen, die Ökosysteme zu regenerieren, von denen auch KI letztlich abhängt.

Die Auswirkungen von KI gehen über CO₂ hinaus

Eine der größten Stärken des Berichts der United Nations University besteht darin, den Blick auf das Thema zu erweitern. Die Autorinnen und Autoren schlagen vor, künstliche Intelligenz als ein System zu betrachten, das gleichzeitig verschiedene natürliche Ressourcen in Anspruch nimmt und dadurch unterschiedliche Arten von Umweltauswirkungen verursacht.

Die erste Dimension betrifft das Klima. Jedes Modell künstlicher Intelligenz benötigt elektrische Energie – sowohl für das Training als auch für den Betrieb. Je nach Energiemix, mit dem die Rechenzentren versorgt werden, führt dieser Stromverbrauch zu unterschiedlich hohen Treibhausgasemissionen.

Die zweite Dimension betrifft den Wasserverbrauch. Große Rechenzentren erzeugen enorme Mengen an Wärme und müssen kontinuierlich gekühlt werden. In vielen Fällen geschieht dies durch Kühlsysteme, die große Wassermengen verbrauchen – sowohl direkt als auch indirekt entlang der gesamten Wertschöpfungskette der Stromerzeugung.

Die dritte Dimension betrifft die Flächennutzung. Rechenzentren beanspruchen immer größere Flächen. Hinzu kommen die Flächen, die für die Energieerzeugung, den Ausbau der Netzinfrastruktur sowie den Abbau der Rohstoffe benötigt werden, aus denen die Hardware hergestellt wird.

Zu diesen drei Dimensionen kommen weitere Auswirkungen hinzu, die häufig weniger sichtbar, aber nicht weniger bedeutend sind: der Abbau von Kupfer, Lithium, Kobalt und Seltenen Erden für die Herstellung von Halbleitern, der Einsatz besonders energieintensiver Materialien wie hochreinem Silizium sowie die wachsende Menge an Elektroschrott, die durch den schnellen Austausch von Computerhardware entsteht.

Nicht zufällig hat bereits die OECD im Jahr 2022 dazu aufgerufen, Bewertungen, die sich ausschließlich auf CO₂-Emissionen beschränken, zu überwinden und stattdessen einen Ansatz zu verfolgen, der den gesamten Lebenszyklus digitaler Infrastrukturen berücksichtigt. Aus dieser Perspektive ist künstliche Intelligenz nicht nur Software, sondern eine globale industrielle Wertschöpfungskette, die in Minen beginnt, über Fabriken, Stromnetze und Rechenzentren verläuft und mit der Außerbetriebnahme von Servern und elektronischen Komponenten endet.

Jede von der KI verbrauchte Kilowattstunde geht zugleich mit Wasserverbrauch, Flächeninanspruchnahme und Materialeinsatz einher. Darin liegt der eigentliche ökologische Fußabdruck künstlicher Intelligenz: nicht in einer einzelnen Kennzahl, sondern in der Summe unterschiedlicher Ressourcen, die den Ökosystemen entnommen werden, um einen scheinbar immateriellen Dienst überhaupt möglich zu machen.

Was kostet das Training eines Frontier-Modells?

Das Problem ist nicht mehr das Lernen. Sondern das Antworten.

Wenn sich die Debatte über die Umweltauswirkungen künstlicher Intelligenz lange Zeit fast ausschließlich auf das Training großer Sprachmodelle konzentrierte, so macht dieser Aspekt nach Ansicht der Autorinnen und Autoren des Berichts der United Nations University heute nur noch einen vergleichsweise kleinen Teil des Gesamtproblems aus.

Nach Abschluss des Trainings beginnt die Phase, die Fachleute als Inference bezeichnen: der Moment, in dem das Modell auf Anfragen der Nutzerinnen und Nutzer antwortet. Genau das geschieht jedes Mal, wenn wir eine KI bitten, einen Text zu übersetzen, ein Dokument zu überarbeiten, ein Programm zu schreiben, ein Bild zu erzeugen oder ein Video zu erstellen.

Gerade diese alltägliche Tätigkeit, die sich Milliarden Mal wiederholt, verursacht heute zwischen 80 und 90 % des gesamten Energieverbrauchs künstlicher Intelligenz.

Diese Erkenntnis verändert grundlegend, wie wir auf KI blicken sollten. Jahrelang haben wir uns gefragt, wie viel es kostet, diese Modelle zu entwickeln. Heute sollten wir auch fragen, wie viel es kostet, sie zu nutzen.

Denn wenn die Schätzungen des Berichts zutreffen, hängt ein erheblicher Teil des ökologischen Fußabdrucks künstlicher Intelligenz nicht nur von den Unternehmen ab, die diese Systeme entwickeln. Er hängt auch davon ab, wie wir sie Tag für Tag einsetzen.

🔴 Milliarden von Prompts, Milliarden von Entscheidungen

Die Autorinnen und Autoren schätzen, dass ChatGPT heute rund 2,5 Milliarden Prompts pro Tag verarbeitet.

Diese Zahl ist schwer greifbar. Um sie anschaulicher zu machen, geht der Bericht von einem durchschnittlichen Verbrauch von 0,42 Wh pro Anfrage aus. Multipliziert man diesen Wert mit der Zahl der täglichen Interaktionen, ergibt sich allein für die Beantwortung der Anfragen von ChatGPT-Nutzerinnen und -Nutzern ein jährlicher Stromverbrauch von rund 383 GWh.

Natürlich handelt es sich auch hierbei um einen Schätzwert. Der tatsächliche Verbrauch hängt vom verwendeten Modell, von der Komplexität der Anfrage, von der eingesetzten Hardware und vom Rechenzentrum ab, das den Prompt verarbeitet. Die zentrale Aussage bleibt jedoch unverändert: Die alltägliche Nutzung künstlicher Intelligenz ist inzwischen selbst zu einem Energiephänomen von globalem Ausmaß geworden.

🔴 Nicht alle Anfragen haben das gleiche Gewicht

Eine der originellsten Analysen des Berichts befasst sich mit dem unterschiedlichen Energiebedarf der verschiedenen Aufgaben, die künstlicher Intelligenz übertragen werden. Die Autorinnen und Autoren erstellen eine Art Verbrauchshierarchie. Als Ausgangspunkt dient eine sehr einfache Aufgabe – die Klassifizierung eines Textes, etwa das Erkennen einer Spam-Nachricht – und vergleichen sie mit zunehmend komplexeren Anwendungen.

➡️ Die Generierung einer Textantwort durch ein Sprachmodell kann etwa 200-mal so viel Energie benötigen wie eine einfache Klassifizierungsaufgabe. (Bei einer Klassifizierung wird zwischen wenigen vorgegebenen Möglichkeiten gewählt – etwa ob ein Bild einen Hund oder eine Katze zeigt –, während bei der Textgenerierung Wort für Wort berechnet und erzeugt werden muss. Dafür sind Millionen von Rechenoperationen erforderlich, bis die Antwort vollständig ist.)

➡️ Die Erzeugung eines Bildes kann etwa 1.450-mal mehr Energie verbrauchen.

➡️ Die Erstellung eines Videos gehört heute zu den energieintensivsten Anwendungen überhaupt. Nach Angaben der Autorinnen und Autoren kann sie eine Energiemenge erfordern, die etwa 200.000 Klassifizierungsoperationen entspricht.

Die entscheidende Frage lautet daher: Welche Art von künstlicher Intelligenz nutzen wir – und wofür?

Diese Unterscheidung wird künftig immer wichtiger werden. So wie wir heute wissen, dass eine LED-Lampe weniger Strom verbraucht als eine Glühlampe oder dass ein Haushaltsgerät der Energieeffizienzklasse A sparsamer ist als eines der Klasse G, werden wir in den kommenden Jahren vermutlich auch lernen, zwischen Anwendungen künstlicher Intelligenz mit sehr unterschiedlichen Umweltauswirkungen zu unterscheiden.

Letztlich hat jede technologische Revolution zunächst einen kulturellen und erst danach einen technischen Wandel erfordert. Wir haben gelernt, Wasser zu sparen, die Energieeffizienz unserer Häuser zu verbessern, Abfälle zu trennen und energieeffizientere Haushaltsgeräte zu wählen. Gut möglich, dass wir uns in den kommenden Jahren auch vor einer KI-Oberfläche neue Fragen stellen werden: Muss ich wirklich hundert Bilder erzeugen? Würde ein Text ausreichen? Brauche ich tatsächlich das leistungsstärkste verfügbare Modell, oder kann ein kleineres Modell das gleiche Ergebnis liefern?

Die Infrastruktur im Wandel des Planeten

Jede Anfrage, die an ein System der künstlichen Intelligenz gesendet wird, wird in einem Rechenzentrum verarbeitet. Dort arbeiten Tausende von Prozessoren gleichzeitig, führen Milliarden von Rechenoperationen pro Sekunde aus und verwandeln eine einfache Anfrage in eine Antwort, die aus Sicht der Nutzerinnen und Nutzer nahezu augenblicklich erscheint.

Über viele Jahre hinweg blieben diese Infrastrukturen in der öffentlichen Debatte weitgehend unsichtbar. Heute lässt sich ihre Bedeutung nicht länger ignorieren.

Die Verbreitung künstlicher Intelligenz verändert die Geografie der digitalen Wirtschaft grundlegend. Weltweit werden neue Rechenzentren geplant, die Investitionen in die Stromnetze steigen, und die Nachfrage nach spezialisierten Chips nimmt weiter zu. Die Folgen betreffen längst nicht mehr nur den Technologiesektor, sondern auch die Energieplanung, das Management der Wasserressourcen und die Flächennutzung.

Vor diesem Hintergrund gewinnen die Zahlen des Berichts der United Nations University ihre eigentliche Bedeutung.

Nach Schätzungen der Autorinnen und Autoren werden Rechenzentren im Jahr 2025 rund 448 TWh Strom verbrauchen. Zum Vergleich: Wären sie ein eigenständiger Staat, wären sie bereits heute der elftgrößte Stromverbraucher der Welt. Mit diesem Energiebedarf gehen etwa 189 Millionen Tonnen CO₂-Äquivalente, 4,5 Billionen Liter Wasser, die entlang der Energieversorgung und für die Kühlung benötigt werden, sowie ein indirekter Flächenfußabdruck von rund 6.900 km² einher.

Noch bemerkenswerter ist jedoch die Entwicklung, die sich für die kommenden Jahre abzeichnet.

Der 2025 veröffentlichte Bericht Energy and AI der International Energy Agency kommt zu einem sehr ähnlichen Ergebnis wie die United Nations University. Bis zum Jahr 2030 könnte der Stromverbrauch der Rechenzentren 945 TWh überschreiten und damit rund 3 % des weltweiten Strombedarfs ausmachen. Diese Übereinstimmung ist besonders bedeutsam, weil sie auf unterschiedlichen Methoden beruht und dadurch die Glaubwürdigkeit der Prognosen stärkt.

Für dasselbe Szenario schätzt der UN-Bericht, dass der Wasserverbrauch auf 9,3 Billionen Liter ansteigen, der Flächenfußabdruck 14.500 km² überschreiten und die jährliche Menge an Elektroschrott auf bis zu 2,5 Millionen Tonnen anwachsen könnte.

Diese Zahlen erzählen von einer tiefgreifenden Transformation.

Um ihre Größenordnung zu verdeutlichen, greifen die Autorinnen und Autoren erneut zu einem leicht verständlichen Vergleich. Um im Laufe ihres Wachstums eine Kohlenstoffmenge aufzunehmen, die den Emissionen der Rechenzentren im Szenario für 2030 entspricht, wären rund 6,7 Milliarden Bäume erforderlich. Auch hierbei handelt es sich ausschließlich um eine anschauliche Darstellung und nicht um den Vorschlag einer direkten Kompensation.

Hinter jeder Antwort, die von künstlicher Intelligenz erzeugt wird, steht ein Netzwerk aus Infrastrukturen, das Fläche beansprucht, Rohstoffe benötigt, Wasser verbraucht und Energie nachfragt. Je stärker KI Teil unseres Alltags wird, desto weiter wird auch diese Infrastruktur wachsen.

Die Ökologie der Nutzung

▶️ Hier kommt der Begriff einer Ökologie der Nutzung ins Spiel.

Viele Jahre lang haben wir Nachhaltigkeit vor allem als eine Frage der Produktion verstanden: effizientere Autos, energiesparendere Haushaltsgeräte, besser gedämmte Gebäude. Künstliche Intelligenz erinnert uns daran, dass es auch eine Nachhaltigkeit der Nutzung gibt.

Jedes Mal, wenn wir entscheiden, wie wir eine Technologie einsetzen, tragen wir – wenn auch nur in verschwindend geringem, aber realem Maße – dazu bei, ihren gesamten Bedarf an Energie, Infrastruktur und natürlichen Ressourcen mitzubestimmen.

Dieses Prinzip kennen wir bereits aus vielen anderen Bereichen. Niemand glaubt, dass das Zudrehen des Wasserhahns beim Zähneputzen allein das Problem der Wasserknappheit lösen wird. Und doch wissen wir, dass diese Geste sinnvoll ist, weil Millionen individueller Verhaltensweisen zusammengenommen den Druck auf unsere gemeinsamen Ressourcen verändern.

Mit der künstlichen Intelligenz beginnt nun etwas Ähnliches zu geschehen. Sie bewusster zu nutzen bedeutet anzuerkennen, dass auch die digitale Welt – wie jede andere menschliche Tätigkeit – innerhalb physischer Grenzen stattfindet, die durch Energie, Wasser, Fläche und Rohstoffe bestimmt werden.

Genau darin liegt vermutlich die wichtigste kulturelle Herausforderung, die künstliche Intelligenz mit sich bringt: zu lernen, ihren Nutzen zu schätzen, ohne die Kosten der Ressourcen aus dem Blick zu verlieren, die ihn überhaupt erst ermöglichen.

Von der digitalen Generierung zur ökologischen Regeneration

Künstliche Intelligenz wird weiter wachsen. Ein anderes Szenario ist kaum vorstellbar.

Die Modelle werden leistungsfähiger werden, in immer mehr Berufen zum Einsatz kommen und zunehmend in Suchmaschinen, Produktivitätswerkzeuge, Planungs- und Entwicklungsprozesse, die wissenschaftliche Forschung und vermutlich in die meisten alltäglichen digitalen Anwendungen integriert werden.

Die entscheidende Frage lautet daher nicht, ob wir künstliche Intelligenz nutzen werden. Die Frage lautet, wie wir sie nutzen.

Unsere Verantwortung endet nicht damit, Verschwendung zu vermeiden. Sie bedeutet auch, dazu beizutragen, jene Ökosysteme zu stärken, von denen dieselbe digitale Infrastruktur weiterhin abhängig ist.

Bäume sind kein einfacher Weg, die Auswirkungen künstlicher Intelligenz verschwinden zu lassen. Das wäre eine Vereinfachung, die weder die wissenschaftliche Literatur noch dieser Artikel vertreten wollen. Auch die Autorinnen und Autoren des Berichts der United Nations University verwenden Baumäquivalente ausschließlich als anschauliches Hilfsmittel, um Größenordnungen verständlich zu machen, die sich sonst nur schwer vorstellen lassen.

Aber Bäume leisten etwas Reales. Sie nehmen während ihres Wachstums Kohlenstoff aus der Atmosphäre auf. Sie verbessern die Fruchtbarkeit der Böden. Sie fördern die Versickerung und Regulierung des Wassers. Sie tragen zur Biodiversität bei. Sie machen Ökosysteme und die Gemeinschaften, die von ihnen leben, widerstandsfähiger.

Wenn künstliche Intelligenz generiert, dann regenerieren Bäume. Und vielleicht ist gerade regenerieren das Verb, das das Zeitalter der künstlichen Intelligenz am besten begleitet.

Wenn KI zu einem selbstverständlichen Bestandteil unseres Alltags wird, dann sollte auch Regeneration zu einer alltäglichen Gewohnheit werden. Nicht als symbolische Handlung, die man einmal vollzieht, um sich von der Verantwortung freizusprechen, sondern als kontinuierliches Engagement, das gemeinsam mit den Technologien wächst, die wir nutzen.

Deshalb erscheint es sinnvoller, nicht nur gelegentlich einen einzelnen Baum zu pflanzen, sondern einen regelmäßigen Beitrag zu leisten – eine Möglichkeit, den technologischen Fortschritt Monat für Monat mit einer konkreten Unterstützung für Ökosysteme zu begleiten.

Auf dieser Idee beruhen auch die Treedom-Abonnements: nicht auf dem Versprechen, künstliche Intelligenz zu „kompensieren“, sondern auf der Möglichkeit, langfristig Agroforstprojekte zu unterstützen, die Kohlenstoff binden, Böden schützen, den Wasserkreislauf fördern und die Biodiversität stärken – in derselben Kontinuität, mit der künstliche Intelligenz Tag für Tag Teil unseres Lebens wird. Die Abonnements von Treedom wurden genau mit dem Ziel entwickelt, aus einer einmaligen Geste ein dauerhaftes Engagement zu machen. Und letztlich ist genau das vielleicht die wichtigste Lehre, die uns die künstliche Intelligenz vermittelt.

Viele Jahre lang haben wir die digitale Welt für etwas Immaterielles gehalten. Heute wissen wir, dass das nicht stimmt. Hinter jeder Antwort, die ein Algorithmus erzeugt, stehen Energie, Wasser, Fläche, Infrastruktur und Menschen.

Innovation verliert ihr Gewicht nicht, nur weil wir es nicht sehen.

Und genau deshalb wird jede Innovation, die Bestand haben will, etwas lernen müssen, das die Natur seit jeher beherrscht: nicht nur Ressourcen zu verbrauchen, sondern – wo immer möglich – auch zu ihrer Regeneration beizutragen.

• United Nations University - Institute for Water, Environment and Health (UNU-INWEH) - Aczel, M., Chamanara, S., Matin, M., Farsi, A., Marwala, T., Madani, K. (2026). Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints. UNU-INWEH - Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints

• OECD - OECD (2022). Measuring the Environmental Impacts of Artificial Intelligence Compute and Applications: The AI Footprint. OECD Digital Economy Papers, No. 341. OECD - The AI Footprint

• International Energy Agency (IEA) - International Energy Agency (2025). Energy and AI. IEA - Energy and AI

• International Energy Agency (IEA) - International Energy Agency (2024). Electricity 2024 - Analysis and Forecast to 2026. IEA - Electricity 2024

• Intergovernmental Panel on Climate Change (IPCC) - IPCC (2022). Climate Change 2022: Mitigation of Climate Change (WG III). IPCC Sixth Assessment Report - Mitigation of Climate Change

• International Resource Panel (UNEP) - International Resource Panel (2024). Global Resources Outlook 2024. UNEP - Global Resources Outlook 2024

• . United Nations Environment Programme (UNEP) - UNEP - Digital Transformation and Environmental Sustainability UNEP - Digital Transformation
  

Nota sulle stime. Le equivalenze riportate nell'articolo (ad esempio quelle espresse in numero di alberi necessari ad assorbire una determinata quantità di CO₂) sono elaborate dagli autori del rapporto dell'United Nations University a fini divulgativi e servono a rendere comprensibili ordini di grandezza molto elevati. Non rappresentano una misura di compensazione diretta né implicano che la piantagione di alberi possa annullare l'impatto ambientale dell'intelligenza artificiale. Gli alberi contribuiscono invece alla rigenerazione degli ecosistemi attraverso molteplici servizi ecosistemici - assorbimento del carbonio, tutela del suolo, regolazione del ciclo dell'acqua e sostegno alla biodiversità - che vanno ben oltre il solo bilancio emissivo.