Google hat echte Zahlen zur Energieverbrauchs von KI veröffentlicht – und sie sind nicht das, was Sie denken

Jeder spricht über den enormen Energieverbrauch von KI. Sie haben die Schlagzeilen gesehen: “ChatGPT verbraucht so viel Strom wie ein kleines Land” oder “Jede KI-Anfrage verbraucht ein Glas Wasser.”

Google (GOOGL ) hat tatsächliche Daten aus ihren Produktionsystemen veröffentlicht, und die Zahlen erzählen eine ganz andere Geschichte.

Die tatsächlichen Energiekosten Ihrer KI-Anfrage

Hier sind die Ergebnisse, die Google gefunden hat: Die mediane Gemini-Textanfrage verbraucht 0,24 Wattstunden Energie. Das ist weniger Strom als wenn man neun Sekunden lang Fernsehen schaut. Wasserverbrauch? Fünf Tropfen. Nicht fünf Gläser. Fünf Tropfen.

Die Kluft zwischen der öffentlichen Wahrnehmung und der Realität ist enorm. Frühere Schätzungen gingen davon aus, dass KI-Anfragen zwischen 10 und 50 Millilitern Wasser pro Anfrage verbrauchen. Einige Studien deuteten auf einen Energieverbrauch hin, der 30 Mal höher war als das, was Google in der Produktion misst.

Warum ist der Unterschied so groß? Weil bisher niemand reale Systeme im großen Maßstab gemessen hat. Akademische Studien führen isolierte Tests auf unterausgelasteter Hardware durch. Sie messen im Grunde genommen den Kraftstoffverbrauch eines Autos, während es im Vorgarten steht.

Die 44-fache Verbesserung

Google hat seinen KI-CO2-Ausstoß um 44 Mal in einem Jahr reduziert. Nicht um 44 Prozent – um 44 Mal.

Dies ist keine theoretische Verbesserung in einem Labor. Dies geschieht gerade jetzt auf den Systemen, die Milliarden von Anfragen bedienen. Sie haben dies durch eine Kombination aus Software-Optimierung (33-fache Verbesserung) und saubereren Energiequellen (1,4-fache Verbesserung) erreicht.

Die meisten Studien betrachten nur die KI-Chips, die die Berechnungen durchführen. Das ist, als ob man den Energieverbrauch eines Restaurants nur durch die Backöfen misst und die Kühlschränke, Lichter und Klimaanlagen ignoriert.

Googles Daten zeigen das gesamte Bild: Ja, die KI-Beschleuniger verbrauchen 58% der Energie. Aber man benötigt auch reguläre Prozessoren und Speicher (24%), Backup-Kapazitäten für die Zuverlässigkeit (10%) und Kühlsysteme (8%). Wenn man einen dieser Faktoren in der Messung auslässt, sind die Zahlen im Grunde genommen bedeutungslos.

Als Google die enge Methode anwendete, die jeder andere verwendet – nur die KI-Chips auf voll ausgelasteten Maschinen messen -, sank der Energieverbrauch auf 0,10 Wattstunden. Das reale Produktionsystem verbraucht 2,4 Mal mehr Energie, weil reale Systeme Redundanz, Kühlung und unterstützende Infrastruktur benötigen.

Was dies tatsächlich für die Zukunft von KI bedeutet

Die Erzählung über den KI-Energieverbrauch benötigt eine Realitätsprüfung. Ja, KI verbraucht Energie. Aber ordnungsgemäß optimierte Systeme sind viel effizienter als die Katastrophenszenarien vermuten lassen.

Der Kontext ist hier wichtig. Diese 0,24 Wattstunden pro Anfrage? Amerikaner verbrauchen durchschnittlich etwa 30 Kilowattstunden Strom pro Tag. Man müsste 125.000 KI-Anfragen ausführen, um den Energieverbrauch eines typischen Haushalts an einem Tag zu erreichen.

Die Geschichte des Wasserverbrauchs ist noch dramatischer. Diese fünf Tropfen Wasser pro Anfrage? Man verbraucht mehr Wasser in der ersten Sekunde, in der man die Hände wäscht.

Der Optimierungsstack

Google erreicht diese Zahlen nicht durch einen einzigen Durchbruch. Sie stapeln Optimierungen über alle Schichten des Systems.

Sie führen kleinere “Entwurfs”-Modelle aus, die Antworten skizzieren, und überprüfen sie dann nur wenn nötig mit größeren Modellen. Sie führen Tausende von Anfragen zusammen, um Effizienz zu erzielen. Sie verwenden benutzerdefinierte Chips, die speziell für KI-Workloads entwickelt wurden und 30 Mal effizienter sind als ihre erste Generation.

Ihre Rechenzentren laufen bei nur 9% Overhead über dem theoretischen Minimum – im Grunde genommen so effizient wie physikalisch möglich. Und sie werden immer mehr von sauberer Energie angetrieben, was die Emissionen senkt, selbst wenn der Stromverbrauch steigt.

Fazit

Dies funktioniert nur, wenn Unternehmen tatsächlich ihren gesamten Stack optimieren und richtig messen. Die Unternehmen, die KI-Infrastruktur als Nachgedanke behandeln, ineffiziente Systeme auf schmutzigen Stromnetzen betreiben? Sie sind es, die die Probleme schaffen, über die sich jeder Sorgen macht.

Die Kluft zwischen effizienten und ineffizienten KI-Systemen ist absolut enorm. Und im Moment läuft noch der größte Teil der Branche mit dem ineffizienten Modell.