Der ökologische Fußabdruck von KI ist längst nicht mehr nur eine Frage der CO2-Bilanz. Ein am 3. Juni veröffentlichter Bericht der United Nations University warnt, dass das durch KI vorangetriebene Wachstum von Rechenzentren auch Kosten für Wasser und Flächen verursacht. Das erschwert es Regierungen, Cloud-Käufern und Infrastrukturbetreibern, Nachhaltigkeitsversprechen zu bewerten.
Hinter jeder KI-Workload stehen ein Rechenzentrum, eine Stromquelle und ein Kühlsystem. Je stärker KI in Unternehmenssoftware vordringt, desto mehr werden diese Infrastrukturentscheidungen Teil der Kosten-, Risiko- und Anbieterfragen, die Käufer abwägen müssen.
Die Umweltkosten der KI-Infrastruktur
Der Bericht der United Nations University beschreibt KI als physisches Infrastruktursystem und nicht nur als Softwareschicht. Rechenzentren, Chips, Kühlsysteme, Stromnetze, Flächen, Wasser und Mineralienlieferketten prägen allesamt die Umweltkosten beim Training und beim Betrieb von KI-Systemen.
Der Strombedarf ist der deutlichste kurzfristige Belastungsfaktor. Die International Energy Agency prognostiziert , dass die Stromerzeugung für Rechenzentren von 460 Terawattstunden im Jahr 2024 auf mehr als 1.000 Terawattstunden im Jahr 2030 steigen wird. Dieser Druck zeigt sich bereits beim Strombedarf von KI-Rechenzentren, wo Versorger und Cloud-Käufer abwägen, ob die lokalen Stromnetze neue Rechenzentrumscampi tragen können.
CO2 ist nur ein Teil des Fußabdrucks. Auch Strom mit geringeren CO2-Emissionen kann mit Wasser- oder Flächenkosten verbunden sein. Und eine Beschaffungsangabe, die sich auf „erneuerbaren“ oder „net-zero“-Strom konzentriert, zeigt möglicherweise nicht, wo eine Workload ausgeführt wird, wie ein Standort gekühlt wird oder welchen zusätzlichen Druck sie auf das lokale Stromnetz ausübt.
Der Bericht, wie von der Associated Press zusammengefasst, schätzt, dass Rechenzentren weltweit im Jahr 2025 448 Billionen Wattstunden Strom verbraucht haben. Außerdem heißt es darin, dass KI rund 20 % des Energieverbrauchs von Rechenzentren ausmacht und bis 2030 40 % erreichen könnte. KI-Infrastruktur beschränkt sich nicht mehr auf Chat-Tools. Aktuelle KI-Fabriken, die auf Robotik und Simulation ausgerichtet sind , zeigen, wie stark Unternehmens-KI von Rechenzentren, Chips, Sensoren, Netzwerken und industriellen Systemen abhängen kann, die zusammenarbeiten.
KI-Nachfrage wirft neue Fragen zur Offenlegung durch Anbieter auf
Inference – die alltägliche Nutzung bereitgestellter KI-Systeme – kann zu wiederkehrenden Infrastrukturkosten führen. In Support-Tools, Suchfunktionen, Programmierassistenten, Analyseplattformen und Sicherheits-Workflows eingebettete KI erzeugt einen anhaltenden Bedarf an Rechenleistung, Strom und Kühlung. Aktuelle Einführungen agentischer und multimodaler KI zeigen, wie sich Workloads von Texteingaben hin zu Aktionen, Bildern, Videos und Hintergrundaufgaben verlagern können.
Ein von Google verfasstes Paper berichtete zwischen Mai 2024 und Mai 2025 von einer 33-fachen Verringerung des Energieverbrauchs und einer 44-fachen Verringerung des CO2-Fußabdrucks für die durchschnittliche Gemini-Apps-Texteingabe. Externe Experten haben argumentiert , dass Schätzungen pro Eingabe dennoch umfassendere Systemauswirkungen auslassen können, darunter indirekten Wasserverbrauch und standortabhängige Emissionen.
Das hinterlässt eine Lücke bei der Offenlegung für Beschaffungsteams. Die Berichterstattung auf Standortebene zu Energieverbrauch, Wasserverbrauch, Emissionen und Flächenauswirkungen ist bei Anbietern von KI-Infrastruktur bislang nicht standardisiert. Daher kann eine Angabe wie „100 % erneuerbar“ zwar die Strombeschaffung betreffen, aber separate Fragen zum lokalen Wasserverbrauch, zur Flächennutzung oder zur Belastung des Stromnetzes unbeantwortet lassen.
Der UNU-Bericht fordert Regierungen auf, KI-Infrastruktur in die Planung von Energie, Wasser und Flächennutzung einzubeziehen und zugleich eine stärker standardisierte Umweltberichterstattung vorzuschreiben. Für Unternehmenskäufer wird dieselbe Frage zunehmend Teil der Anbieterbewertung: Wo werden Workloads ausgeführt, wie werden Anlagen mit Strom versorgt und gekühlt, und welche Umweltdaten legen Anbieter offen?
Solange sich diese Berichterstattung nicht verbessert, können Cloud-Käufer Leistung und Preis möglicherweise leichter vergleichen als die Energie-, Wasser- und Flächenkosten hinter diesen Workloads.
Lesen Sie auch: Während die Kosten der KI-Infrastruktur steigen, die Profitabilitätsherausforderung von OpenAI zeigt, warum der Rechenbedarf zunehmend ebenso sehr zu einem Geschäftsmodellproblem wie zu einem technischen Problem wird.