KI-Rechenzentren: Was sie Betreiber, Nutzer und Umwelt wirklich kosten

Wir sprechen über die Cloud, als wäre sie ein Ort über den Dingen — leicht, abstrakt, irgendwo zwischen Himmel und Internet.

In Wahrheit ist sie eine Sammlung aus Millionen physischen Servern, die in riesigen Hallen stehen — kühl, laut und energiehungrig. Jeder gespeicherte Chat, jedes Foto, jede KI-Anfrage wird hier verarbeitet. Wenn wir Daten „in die Cloud" laden, speichern wir sie auf dem Computer bzw. dem Rechenzentrum eines anderen Unternehmens.

Was die meisten Nutzer nicht wissen: Jede Interaktion hat einen physischen Preis. Eine einzelne ChatGPT-Anfrage verbraucht etwa 0,3 Wattstunden Strom — zehnmal so viel wie eine Google-Suche. Ein KI-generiertes Bild kostet rund 1,2 Wattstunden. Und ein einziger fünfsekündiger KI-generierter Videoclip kann bis zu 950 Wattstunden verbrauchen — so viel, wie eine LED-Lampe vier Tage lang leuchten zu lassen (Schneider Electric Sustainability Research Institute, 2025).

Dazu kommt Wasser: Forscher der University of California, Riverside, schätzen, dass bereits 20 bis 50 KI-Anfragen rund einen halben Liter Frischwasser verdunsten lassen — allein durch die Kühlung der Server (Li et al., 2023). Das klingt wenig. Bei 3,2 Milliarden ChatGPT-Anfragen pro Tag ist es das nicht.

Was die Cloud verbraucht - konkrete Zahlen

Laut dem IEA-Bericht „Energy and AI" (April 2025) verbrauchten Rechenzentren weltweit im Jahr 2024 rund 415 Terawattstunden Strom — etwa 1,5 Prozent des globalen Stromverbrauchs. Dieser Wert ist in den letzten fünf Jahren um 12 Prozent jährlich gewachsen, viermal schneller als der gesamte Stromverbrauch aller anderen Sektoren zusammen.

Die IEA projiziert, dass sich dieser Verbrauch bis 2030 auf rund 945 TWh mehr als verdoppeln wird — so viel, wie Japan aktuell insgesamt verbraucht. KI ist dabei der zentrale Treiber: Ihr Anteil am Rechenzentrums-Stromverbrauch lag zuletzt bei 5 bis 15 Prozent und könnte bis 2030 auf 35 bis 50 Prozent steigen.

Allein in den USA verbrauchten Rechenzentren 2024 etwa 180 TWh — das sind 4,4 Prozent des gesamten US-Stromverbrauchs. Das Lawrence Berkeley National Laboratory rechnet mit einem Anstieg auf 325 bis 580 TWh bis 2028.

In Deutschland beziffert die Deutsche Energie-Agentur (Dena) den Stromverbrauch der Rechenzentren auf rund 18 Terawattstunden jährlich. Das entspricht ungefähr dem Jahresverbrauch Berlins.

Die versteckte Ressource: Wasser

Die Energiedebatte ist bekannt. Die Wasserdebatte kaum.

Rechenzentren kühlen ihre Server mit gewaltigen Mengen Frischwasser — und das meiste davon verdunstet. Rund 80 Prozent des entnommenen Wassers geht als Dampf in die Atmosphäre und kehrt nicht in den lokalen Kreislauf zurück.

Die Zahlen sind konkret: Li et al. schätzen in ihrer aktualisierten Studie (Communications of the ACM, 2025), dass allein die eigenen Rechenzentren eines einzelnen Technologiekonzerns im Jahr 2023 über 23 Milliarden Liter Frischwasser verdunsteten — davon fast 80 Prozent Trinkwasser. Diese Menge ist vergleichbar mit dem Jahresverbrauch eines großen Getränkeherstellers.

Für das Training von GPT-3 in Microsofts US-Rechenzentren verdunsteten laut derselben Studie schätzungsweise 700.000 Liter Frischwasser. Und das war nur das Training eines einzigen Modells vor zwei Jahren. Heutige Modelle sind deutlich größer.

Microsoft selbst berichtete in seinem Sustainability Report 2023 von einem 34-prozentigen Anstieg des Wasserverbrauchs in seinen Anlagen — eine Steigerung, die das Unternehmen direkt auf KI-Workloads zurückführt.

Was diese Zahlen brisant macht: Viele der größten Rechenzentrums-Cluster stehen in Regionen, die bereits unter Wasserknappheit leiden. Googles Rechenzentrum in Council Bluffs, Iowa, verbrauchte allein 2024 über eine Milliarde Gallonen Wasser. In Texas soll der Wasserverbrauch für Rechenzentren laut aktuellen Prognosen von 49 Milliarden Gallonen (2025) auf 399 Milliarden Gallonen (2030) steigen.

Wem die Cloud gehört

Die Cloud ist kein dezentrales Netzwerk. Sie ist ein Oligopol.

Laut Synergy Research Group kontrollierten Amazon Web Services (30 Prozent), Microsoft Azure (20 Prozent) und Google Cloud (13 Prozent) im zweiten Quartal 2025 zusammen 63 Prozent des globalen Cloud-Infrastrukturmarktes — ein Markt, der im selben Quartal 99 Milliarden Dollar umsetzte. Der nächstgrößte Anbieter liegt im niedrigen einstelligen Prozentbereich.

Diese Konzentration hat Konsequenzen, die über Marktmacht hinausgehen. Wenn ein KI-Modell trainiert wird, läuft es über die Server dieser Anbieter. Die Trainingsdaten liegen dort. Die Modellgewichte liegen dort. Die Nutzerdaten — jede Eingabe in ChatGPT, jeder Prompt an Gemini, jede Anfrage an Claude — werden dort verarbeitet und in vielen Fällen gespeichert.

Für Start-ups bedeutet das: Ohne Zugang zu einer der drei großen Plattformen gibt es keine KI-Entwicklung in relevantem Maßstab. Für Regierungen bedeutet es: Kritische digitale Infrastruktur liegt in privaten, oft ausländischen Händen. Für Nutzer bedeutet es: Die Daten ihrer Gespräche mit KI-Systemen — oft hochpersönlich — befinden sich auf Servern, auf die im Prinzip Konzernangehörige bei Wartungsarbeiten, Subunternehmen, Behörden oder im schlimmsten Fall Angreifer Zugriff haben. Viele Anbieter nutzen diese Eingaben zudem, um ihre Modelle weiterzutrainieren — was die Nutzer in der Praxis zu unbezahlten Datenlieferanten macht. Bei OpenAI ist das Modelltraining mit Nutzerdaten für kostenlose und zahlende Einzelnutzer standardmäßig aktiviert; wer es nicht will, muss aktiv widersprechen (OpenAI, „How Your Data Is Used to Improve Model Performance", aktualisiert März 2026). Anthropic änderte seine Richtlinie 2025 in dieselbe Richtung: Auch dort fließen Gespräche mit Claude ins Training, sofern der Nutzer nicht widerspricht. Nur Enterprise- und API-Kunden sind bei beiden Anbietern standardmäßig ausgenommen. Früher ging es dabei vor allem um gezielte Werbung. Heute geht es um etwas Wertvolleres: das Trainingsmaterial für die nächste Modellgeneration.

Der EU AI Act schreibt inzwischen Transparenzpflichten vor. Doch die physische Realität hinkt der Regulierung hinterher: Die Frage, wem die Daten unserer Gespräche mit KI gehören, ist rechtlich ungeklärt und technisch schwer durchsetzbar, solange die Infrastruktur in wenigen Händen liegt.

Was das für den einzelnen Nutzer bedeutet

Die Zahlen lassen sich herunterbrechen. Ein durchschnittlicher KI-Vielnutzer — 15 Textanfragen, ein generiertes Bild und ein kurzes KI-Video pro Tag — verbraucht damit täglich etwa so viel Strom wie ein Kühlschrank in 24 Stunden und rund anderthalb Liter Frischwasser, das als Dampf in der Atmosphäre verschwindet.

Hochgerechnet auf die 900 Millionen wöchentlich aktiven ChatGPT-Nutzer, die OpenAI im Februar 2026 meldete, und die Millionen weiterer Nutzer von Gemini, Claude, Copilot und lokalen Modellen ergibt sich ein Verbrauch, der die Dimension einzelner Staaten erreicht. BestBrokers schätzt den jährlichen Stromverbrauch allein für ChatGPT auf rund 22.150 Gigawattstunden — mehr als Puerto Rico und Slowenien zusammen verbrauchen.

Diese Kosten sind für den einzelnen Nutzer unsichtbar. Kein Interface zeigt an: „Diese Anfrage hat 0,3 Wattstunden Strom und einen Schluck Trinkwasser verbraucht." Das ist kein Versäumnis — es ist das Geschäftsmodell. Die Strom- und Wasserrechnung trägt der Anbieter, aber nicht aus Großzügigkeit. Jede Eingabe, jeder Prompt, jedes Gespräch mit einem KI-System erzeugt Daten, die beim Training der nächsten Modellgeneration helfen — die Sprachmuster verfeinern, Reaktionsgenauigkeit verbessern, den Wettbewerbsvorsprung ausbauen. Der Nutzer zahlt nicht mit Geld für Ressourcen. Er zahlt mit Daten für Bequemlichkeit. Und wer mit Daten zahlt, sieht keine Rechnung — genau darin liegt das Problem.

Fazit

Die Cloud ist kein Mythos — sie ist Infrastruktur. Und wie jede Infrastruktur hat sie Kosten, die jemand trägt. In diesem Fall tragen sie zwei Parteien: die Umwelt in Form von Strom und Wasser, und der Nutzer in Form seiner Daten. Dass beide Kosten unsichtbar bleiben, ist kein Zufall — es ist die Voraussetzung dafür, dass das Geschäftsmodell funktioniert.

Solange drei Unternehmen über 60 Prozent der globalen Cloud-Infrastruktur kontrollieren und gleichzeitig den Zugang zu den leistungsfähigsten KI-Systemen bestimmen, bleibt die Frage der digitalen Souveränität unbeantwortet — egal, wie viele Regulierungsrahmen beschlossen werden. Was sich ändern muss, ist die Sichtbarkeit: der ökologischen Kosten pro Anfrage und des Werts der Daten, die wir im Gegenzug abgeben.

Jedes Mal, wenn ein Chatbot antwortet, antwortet nicht „die KI". Es antwortet ein physisches System aus Servern, Kabeln und Kühlwasser. Betrieben und bezahlt von einem Oligopol, dessen Infrastrukturkosten im Milliardenbereich liegen, dieser Preis dennoch scheinbar nicht dem Preis unserer Nutzerdaten überwiegt.