Künstliche Intelligenz frisst Strom – und verursacht CO₂-Emissionen
Neue Studie zeigt: Je besser KI antwortet, desto größer ihr ökologischer Fußabdruck
Große Sprachmodelle wie ChatGPT oder Claude liefern beeindruckende Antworten – doch das hat seinen Preis: Neben Rechenleistung benötigen sie auch viel Energie. Eine neue Studie der Hochschule München zeigt systematisch, wie Parameteranzahl und Antwortqualität von KI-Modellen mit ihrem Energieverbrauch und den damit verbundenen CO₂-Emissionen zusammenhängen. „Es ist ein klarer Zielkonflikt: Wer die beste Antwort will, muss mit höheren Emissionen rechnen“, sagt Prof. Dr. Gudrun Socher. Gemeinsam mit Maximilian Dauner vom Munich Center for Digital Sciences and AI (MUC.DAI) an der Hochschule München (HM) untersuchte sie 14 Open-Source-Modelle mit bis zu 72 Milliarden Parametern. Die Ergebnisse sind nun im Fachjournal „Frontiers in Communication“ erschienen.
Mehr Nachdenken, mehr Emissionen
Im Test mussten die Modelle Multiple-Choice-Fragen aus fünf Wissensbereichen beantworten – von Geschichte bis Mathematik. Je besser die KI im sogenannten „Reasoning“ – also im logischen Schlussfolgern – war, desto mehr „Denkleistung“ (gemessen in sogenannten Thinking Tokens) produzierte sie. Und desto höher war auch der Energieverbrauch.
Kein Modell überschritt eine Genauigkeit von 80 Prozent, ohne gleichzeitig mehr als 500 Gramm CO₂-Äquivalente pro 500 Antworten zu verursachen. Größere Modelle wie Deepseek R1 70B stießen sogar mehrere hundert Gramm CO₂ aus – für nur eine einzige Fragerunde.
Empfehlung: KI bewusst nutzen
Das Team der HM rät deshalb zu einem gezielten Einsatz leistungsstarker Modelle – nur dann, wenn wirklich komplexe Aufgaben anstehen. Auch kurze, präzise Nutzereingaben helfen, Emissionen zu senken. Außerdem fordern sie mehr Transparenz über den Energieverbrauch von KI-Systemen – sowohl in der Entwicklung als auch in der Anwendung.
Wissenschaftlicher Ansprechpartner:
Prof. Dr. Gudrun Socher
E-Mail: gudrun.socher@hm.edu
Originalpublikation:
"Energy costs of communicating with AI“ in Frontiers in Communication (DOI: 10.3389/fcomm.2025.1572947) https://www.frontiersin.org/journals/communication/articles/10.3389/fcomm.2025.1572947/full
Die semantisch ähnlichsten Pressemitteilungen im idw
