Umweltfolgen von KI: Wie zuverlässig ist die Studie von UN-Experten?

Experten der Universität der Vereinten Nationen (UNU) haben die Umweltkosten von Künstlicher Intelligenz beziffert. Der Bericht beschreibt dabei nicht nur den Energiebedarf von Rechenzentren, sondern auch die damit verbundenen Treibhausgasemissionen, den Wasserverbrauch und die Landnutzung. Er sei ein „wichtiger Schritt, um die Lücke in der Umweltpolitik bei KI zu schließen“, schreiben die Autoren der UNU, bei der es sich, anders als der Name vermuten lässt, eher um eine Denkfabrik als eine Universität handelt. Einige Wissenschaftler kritisieren den 56 Seiten langen Report jedoch. Ihm fehlten wichtige Einordnungen, zudem entspreche er nicht den wissenschaftlichen Standards.Der Kern des Berichts sind Schätzungen zum Energieverbrauch populärer KI-Anwendungen wie ChatGPT oder Claude. Das Training des KI-Modells GPT-4 habe binnen 100 Tagen wahrscheinlich 40 bis 70 Gigawattstunden an Strom benötigt, schreiben die UNU-Experten. Das entspräche dem jährlichen Energieverbrauch von 460.000 Menschen in Subsahara-Afrika.420.000 Bäume nötig, um das Training von GPT-4 auszugleichenDer Kohlendioxidausstoß des Trainings liege bei 25.000 Tonnen, und man müsse 420.000 junge Bäume zehn Jahre lang wachsen lassen, um das wieder einzufangen. Zudem wurde viel Wasser verbraucht, nämlich 600 Millionen Liter. Das entspräche dem jährlichen Bedarf von 81.000 Menschen in Subsahara-Afrika. Schätzungen für das Nachfolgemodell GPT-5 fallen mit 100 Gigawattstunden, 42.000 Tonnen CO₂ und einer Milliarde Liter Wasser noch mal höher aus.Hinzu kommt, dass die Nutzung der KI – also die Anfragen oder„Prompts“, die in den Rechenzentren bearbeitet werden – den Fußabdruck des Trainings in den Schatten stellt. Die Anwendungen machen rund 80 bis 90 Prozent des gesamten KI-Energieverbrauchs aus.2,5 Millionen Tonnen Elektroschrott jährlichDer Strombedarf von Rechenzentren, von dem derzeit 20 Prozent auf KI-Anwendungen entfallen, belaufe sich auf 448 Terawattstunden. Wären die weltweit gut 12.000 Rechenzentren ein Staat, würden sie auf Platz elf der größten Stromverbraucher landen. Nicht zuletzt durch das Wachstum von KI könnte der jährliche Verbrauch bis 2030 auf 945 Terawattstunden anwachsen. Übertragen auf die Umweltfußabdrücke bedeutet das: 9,3 Milliarden Liter Wasser und ein Flächenbedarf von 14.500 Quadratkilometern, etwa das Doppelte der Metropolregion Jakarta pro Jahr. Bis 2030 könnte die KI-Infrastruktur zudem jährlich bis zu 2,5 Millionen Tonnen Elektroschrott verursachen.An diese Bestandsaufnahme knüpft der Bericht eine Reihe von Forderungen, um den Umwelteinfluss von KI zu minimieren. „Regierungen sollen KI in die Planung von Energiesystemen, die CO₂-Bilanzierung, die Wasserwirtschaft und die Genehmigung von Landnutzungen einbeziehen“, lautet eine. Die Autoren empfehlen der KI-Industrie unter anderem, die Modelle, die Nutzeranfragen beantworten, nach Umweltgesichtspunkten auszuwählen. Unternehmen und KI-Nutzer sollten ihren Gebrauch der Technologie gut bedenken. Internationale Organisationen wiederum sollten einheitliche Praktiken bei der Offenlegung von Umwelteinflüssen fördern.Zahlen seien „bloß grobe Schätzungen“Der letzte Punkt offenbart zugleich die Schwäche des Berichts. „Die Zahlen zum Energieverbrauch lassen sich nur schwer bestimmen“, sagt Tilmann Rabl, Professor für Data Engineering Systems am Hasso-Plattner-Institut, in einem Statement für das Science Media Center. Die Konzerne seien intransparent. So spiegelten die Zahlen im Bericht zwar den Stand der Forschung wider, seien aber bloß grobe Schätzungen.Fraglich ist auch der Erkenntnisgewinn dieser Schätzungen, worauf Wolfgang Maaß verweist. Der Wirtschaftsinformatiker von der Universität des Saarlandes bemerkt, dass der KI-Energieverbrauch nicht mit anderen Sektoren verglichen werde. Während Rechenzentren bis zu 1,5 Prozent des weltweiten Treibhausgasausstoßes verursachten, seien es bei Stahl und Zement mehr als 15 Prozent. „Die politische Aufmerksamkeit für den KI-Energieverbrauch übersteigt dessen tatsächliche Klimarelevanz“, urteilt Maaß.Effizienzgewinne nicht berücksichtigtEr verweist zudem auf Effizienzgewinne der KI-Branche. So sei es mit dem chinesischen Modell Deepseek R1 gelungen, die Leistung großer Modelle mit „angeblich deutlich geringeren Trainingskosten“ zu erreichen. Einen logischen Fehler im UNU-Bericht hat Maaß zudem beim Rebound-Effekt ausgemacht. Der beschreibt das Phänomen, dass eine Technologie, sobald sie effizienter wird, auch mehr Nutzer finden, was letztlich die Effizienzgewinne wieder auffrisst. „Wenn der Bericht selbst einräumt, dass Effizienzgewinne durch Nachfragesteigerung konsumiert werden, unterminiert er damit die gleichzeitig empfohlenen Maßnahmen“, erklärt Maaß.Auch die Angaben zum Wasserfußabdruck bemängeln die Wissenschaftler. Hier fehle es an Nachvollziehbarkeit, schreibt Petra Döll. Der Professorin für Hydrologie an der Goethe-Universität Frankfurt ist nicht ersichtlich, „wie vom Energiemix auf den Wasserfußabdruck geschlossen wurde“. Zudem pocht auch sie darauf, die Ergebnisse besser in Beziehung zu setzen. Der Wasserfußabdruck aller Rechenzentren 2025 entspricht laut dem Bericht 4,5 Kubikkilometern pro Jahr. Auf die Kühlung von Wärmekraftwerken, hebt Döll als Vergleich hervor, entfallen jährlich 600 Kubikkilometer.Insgesamt sei der Bericht schwer nachvollziehbar und beruhe auf alten Daten, die er nicht im richtigen Kontext darstelle, kritisiert David Kappel, der die Forschungsgruppe für nachhaltige KI an der Universität Bielefeld leidet. Das beteuert er, denn: „Es ist aktuell sehr wichtig, verlässliche und belastbare Zahlen zum Ressourcenverbrauch von KI zu veröffentlichen, um die Fülle an Informationen richtig einzuordnen.“