Wie viel Strom verbraucht eine ChatGPT-Anfrage?

Eine durchschnittliche ChatGPT-Anfrage (GPT-4o) verbraucht ca. 0,42 Wh für einfache und bis zu 2,88 Wh für komplexe Aufgaben. Reasoning-Modelle wie o3 können bis zu 39 Wh pro Anfrage verbrauchen.

Wie hoch ist der CO2-Ausstoß von KI-Nutzung?

Der CO2-Ausstoß hängt vom Modell, der Aufgabenkomplexität und dem Strommix ab. In Deutschland erzeugt eine GPT-4o-Anfrage ca. 0,16–1,07 mg CO2. Bei 20 Anfragen pro Tag sind das ca. 1,1–7,8 g CO2 täglich.

Welches KI-Modell ist am energieeffizientesten?

Kleine Modelle wie Mistral 7B (0,04 Wh), GPT-4.1 nano (0,05 Wh) und Llama 3.1 8B (0,05 Wh) sind am sparsamsten. Gemini Flash und Gemini Pro sind bei den großen Cloud-Modellen am effizientesten.

Was bedeutet „(geschätzt)“ bei manchen KI-Modellen?

Für sehr neue Modelle wie GPT-6 Astra, Claude Fable 5.1, Claude Opus 4.8, GPT-5.5, Gemini 3 Pro, Llama 4 und Grok 4 gibt es noch keine offiziellen Energie-Messwerte — kein Anbieter veröffentlicht den Verbrauch pro Anfrage. Diese Modelle sind als „(geschätzt)“ markiert und im Vergleichs-Chart gestrichelt umrandet. Ihre Werte sind nachvollziehbare Schätzungen, abgeleitet vom jeweils nächsten gemessenen Vorgängermodell und angepasst an bekannte Effizienz- und Reasoning-Trends.

Ist der KI Verbrauchsrechner kostenlos?

Ja, der KI Verbrauchsrechner ist ein gebührenfreies Community-Projekt. Alle Berechnungen laufen lokal im Browser. Analytics erfolgt über selbst gehostetes, cookieloses Umami.

Was wird beim KI-Stromverbrauch berechnet?

Im Modus Betriebsverbrauch zeigt der Rechner den Stromverbrauch der KI-Chips (GPUs/TPUs) während der Antwortgenerierung, inklusive Rechenzentrum-Overhead (PUE-Faktor 1,1–1,3). Im Modus Geschätzter Gesamtverbrauch wird ein Faktor ×3 angewendet, der Training, Hardware-Herstellung und weitere versteckte Kosten anteilig einrechnet.

Warum ist der echte KI-Stromverbrauch deutlich höher?

Der Rechner zeigt nur den Betriebsverbrauch (Antwortgenerierung). Der tatsächliche Gesamtverbrauch umfasst außerdem: Forschung und Entwicklung, Modell-Training (GPT-4: geschätzt 50+ GWh), Hardware-Herstellung (Embodied Carbon), Bau und Betrieb der Rechenzentren, Kühlung und Wasserverbrauch, globale Netzwerkinfrastruktur, Personal sowie den Stromverbrauch des eigenen Endgeräts.

KI Verbrauchsrechner — Wie viel Strom und CO2 verbraucht ChatGPT?

Wie nutzt du KI?

Nur Betriebsstrom (Antwortgenerierung + Kühlung)

Häufigkeit der Nutzung

Prompts am Tag

KI-Modell

Aufgabenverteilung

Leicht

50%

Mittel

35%

Komplex

15%

Stromregion (für CO2)

473 gCO2/kWh

Deine KI-Nutzung verbraucht …

Pro Tag

—

gCO2

Pro Monat

—

gCO2

Pro Jahr

—

kWh

—

kgCO2

Das entspricht...

Verschiedene KI-Modelle und ihr Verbrauch im Vergleich

Gestrichelt umrandete Balken sind geschätzte Werte (keine Messung).

Der KI Verbrauchsrechner ist ein kostenloses, werbefreies Projekt.

Unterstützen

Wie viel Strom verbraucht KI wirklich?

Künstliche Intelligenz verbraucht bei jeder Anfrage Energie. Der KI Verbrauch von ChatGPT, Claude, Gemini und anderen Modellen variiert dabei erheblich: Eine einfache Frage an GPT-4o benötigt etwa 0,42 Wattstunden, während komplexe Reasoning-Aufgaben mit Modellen wie o3 bis zu 39 Wh verbrauchen können — das Hundertfache. Unser KI Verbrauchsrechner macht diese Zahlen greifbar.

Der CO2-Fußabdruck von KI hängt zusätzlich vom Strommix der Serverregion ab. Eine Anfrage aus einem Rechenzentrum in Frankreich (Atomstrom) verursacht nur ein Dreißigstel der Emissionen im Vergleich zu einem Server in Indien (Kohlestrom). Mit dem KI Verbrauchsrechner auf ki-verbrauchsrechner.de berechnest du deinen persönlichen KI Energieverbrauch und ordnest ihn in Alltagsvergleiche ein.

KI-Beratung von Profis

Du willst KI sinnvoll in deinem Unternehmen einsetzen, hast aber mehr Fragen als Antworten? Der pixologe hilft dir weiter — von der Strategie bis zur Umsetzung.

pixologe.de

KI kritisch hinterfragen

Nicht alles, was KI produziert, ist Gold. antislop.de ist die Community, die KI-generierte Inhalte hinterfragt und sich gemeinsam daran arbeitet, KI besser zu machen.

antislop.de

FAQ & Hinweise

Woher stammen die Verbrauchswerte?

Die Werte basieren auf der Studie "How Hungry is AI?" von Jegham et al. (Mai 2025), Googles offizieller Energiemessung (Aug 2025), Epoch AI, dem Hugging Face AI Energy Score v2 sowie IEA- und Ember-Daten zu CO2-Emissionsfaktoren.

Wie genau sind diese Zahlen?

Es handelt sich um Schätzungen und Durchschnittswerte. Der tatsächliche Verbrauch hängt von vielen Faktoren ab: Prompt-Länge, Server-Auslastung, Hardware-Generation, Kühlung und Infrastruktur-Effizienz. Die Werte geben eine realistische Größenordnung wieder.

Was bedeuten Leicht / Mittel / Komplex?

Leicht: Kurze Anfragen mit ca. 100-500 Tokens (einfache Fragen, Übersetzungen). Mittel: ~500-2.000 Tokens (Zusammenfassungen, Texte). Komplex: ~2.000-8.000+ Tokens (Coding, Analyse, Reasoning-Aufgaben).

Warum unterscheiden sich die Modelle so stark?

Größere Modelle mit mehr Parametern brauchen mehr Rechenleistung. Reasoning-Modelle (o3, DeepSeek-R1) verbrauchen besonders viel, da sie intern viele zusätzliche "Denkschritte" durchführen.

Was bedeutet „(geschätzt)" bei manchen Modellen?

Für sehr neue Modelle (z. B. GPT-6 Astra, Claude Fable 5.1, Claude Opus 4.8, GPT-5.5, Gemini 3 Pro, Llama 4, Grok 4) gibt es noch keine offiziellen, gemessenen Energiewerte — kein Anbieter veröffentlicht den Verbrauch pro Anfrage. Diese Modelle sind im Dropdown mit „(geschätzt)" gekennzeichnet und im Vergleichs-Chart gestrichelt umrandet. Ihre Werte sind nachvollziehbare Schätzungen, abgeleitet vom jeweils nächsten gemessenen Vorgängermodell.

Was wird berechnet?

Der Rechner zeigt den Stromverbrauch der KI-Chips (GPUs/TPUs) während der Antwortgenerierung — inklusive anteiligem Rechenzentrum-Overhead (Kühlung, Netzwerk, Speicher). Die Studien verwenden den sogenannten PUE-Faktor (Power Usage Effectiveness, typisch 1,1–1,3), der diesen Overhead einrechnet.

Warum der echte Verbrauch deutlich höher ist

Dieser Rechner zeigt nur die Spitze des Eisbergs — den reinen Betriebsstrom einer Anfrage. Der tatsächliche Gesamtverbrauch von KI umfasst weit mehr: (1) Forschung & Entwicklung — jahrelange Experimente, Prototypen und Testläufe, bevor ein Modell veröffentlicht wird. (2) Training — das Trainieren großer Modelle verschlingt Millionen kWh. GPT-4 benötigte schätzungsweise 50+ GWh, vergleichbar mit dem Jahresverbrauch einer Kleinstadt. (3) Hardware-Herstellung — Produktion von GPUs/TPUs, Servern, Speicher und Netzwerktechnik verursacht erhebliche Emissionen (Embodied Carbon), noch bevor ein Chip zum ersten Mal rechnet. (4) Rechenzentren — Bau und Betrieb: Gebäude, Notstrom, physische Sicherheit, Brandschutz, redundante Systeme. (5) Kühlung & Infrastruktur — Klimaanlagen, Wasserverbrauch für Kühltürme und unterbrechungsfreie Stromversorgung (teilweise im PUE-Faktor enthalten). (6) Netzwerk — globale Datenübertragung zwischen Rechenzentren, CDNs und zum Endnutzer. (7) Personal — Tausende Entwickler:innen, Forscher:innen und Betriebsteams mit eigener Infrastruktur. (8) Dein Endgerät — auch Smartphone, Laptop oder PC verbraucht Strom für jede Anfrage. Warum diese Werte fehlen: Kein Anbieter veröffentlicht einen vollständigen Energie-Breakdown pro Anfrage. Die hier gezeigten Betriebswerte sind der am besten belegte Teil — aber der echte Fußabdruck von KI ist ein Vielfaches davon.

Warum der Faktor ×3 beim geschätzten Gesamtverbrauch?

Der Umschalter „Geschätzter Gesamtverbrauch" multipliziert alle Werte mit dem Faktor 3. Dieser Faktor setzt sich aus zwei wissenschaftlich belegten Bausteinen zusammen: (1) Datacenter-Overhead (×2) — Laut Microsofts Nachhaltigkeitsbericht liegt der branchenübliche PUE-Faktor (Power Usage Effectiveness) bei 1,1–1,3. Kühlung, Netzwerk, Speicher, Notstrom und Gebäudeinfrastruktur kommen noch hinzu und verdoppeln den reinen IT-Energiebedarf insgesamt ungefähr. (2) Lifecycle-Overhead (+1) — Die eCAL-Studie (arXiv:2408.00540) rechnet den anteiligen Aufwand für Modell-Training, Hardware-Herstellung (Embodied Carbon) und Forschung auf einzelne Anfragen um. Je nach Nutzungsvolumen liegt dieser Aufschlag bei ×1,5 bis ×2,7 pro Anfrage. Zusammen ergibt das: Betriebsverbrauch × 2 (Datacenter) + ca. 1× Lifecycle-Anteil ≈ Faktor 3. Das ist eine Schätzung am oberen Rand des plausiblen Bereichs. Da die Betriebswerte selbst bereits den PUE-Faktor enthalten, gibt es eine gewisse Überlappung — der Faktor ×3 soll dennoch die Größenordnung des tatsächlichen Gesamtverbrauchs verdeutlichen.