Verbraucht KI wirklich eine Flasche Wasser pro Nachricht?

Nein. Die Forschung hinter der Behauptung ergab nicht, dass eine KI-Nachricht a verbraucht 500 ml Flasche Wasser. Es wurde geschätzt, dass eine Flasche ungefähr entsprechen könnte 20–50 Sprachmodellantworten mittlerer Länge, je nachdem, wo und wann das System ausgeführt wurde. Das ist ungefähr 10–25 ml pro Antwort unter den Annahmen der Studie.

Neuere Betreiberzahlen für gewöhnlichen Text sind noch niedriger: etwa 0.26 ml für Google ist der Median Gemini Apps-Eingabeaufforderung und durchschnittlich 0.32 ml ChatGPT Anfrage gestellt von OpenAI s Geschäftsführer. Diese Zahlen verwenden unterschiedliche Systeme und Methoden, sodass sie die Studie nicht einfach widerlegen. Sie widerlegen die Angabe einer Flasche pro Nachricht als feststehende Tatsache.

Was das Originalpapier tatsächlich sagte

Das Papier von 2023 KI weniger „durstig“ machen Ziel war es, den betrieblichen Wasser-Fußabdruck großer Sprachmodelle zu modellieren. Es umfasste Kühlung und Wasser vor Ort im Zusammenhang mit der Stromerzeugung und testete anschließend, wie Ort und Zeit das Ergebnis veränderten.

Sein denkwürdiges Beispiel schätzte das GPT-3-class Die Schlussfolgerung könnte eine 500-ml-Flasche für etwa 20–50 Antworten verbrauchen. Die Reichweite war entscheidend: Kühlwetter und Netzwasserintensität variierten. Es basierte nicht darauf, eine Flasche oder eine bestimmte Pfeife für ein einziges Gespräch zu beobachten.

Einige Berichterstattungen ließen den Nenner fallen. Aus „Eine Flasche für ein Gespräch“ wurde „Eine Flasche pro Aufforderung“ oder „pro Nachricht“. Diese Änderung multipliziert die ursprüngliche Schätzung mit 20–50 und beseitigt die Unsicherheit, die die Forscher hervorheben wollten.

Auch die Unterscheidung zwischen einer Antwort und einem Gespräch ist wichtig. Gespräche sind unterschiedlich lang und spätere Gesprächsrunden können frühere Kontexte in das Modell zurückführen und so die Berechnung ändern.

Was neuere Anbieter berichten

Google gab einen Median an Gemini Apps-Textaufforderung verwendet 0.26 ml Wasser in einer Zeitpunktmessung im Mai 2025. Die Studie berücksichtigte Beschleuniger-, Host- und Leerlaufenergie sowie die Gemeinkosten des Rechenzentrums und berechnete dann den Wasserverbrauch für die bedienende Flotte.

Sam Altman gab einen Durchschnitt an ChatGPT Abfrage verwendet 0.000085 US gallons, was etwa 0.32 ml entspricht. OpenAI Ich habe die Berechnung, die Anforderungsverteilung oder die vollständige Wassergrenze nicht veröffentlicht, daher sollte die scheinbare Präzision mit Vorsicht behandelt werden.

Beide betragen etwa den Bruchteil eines Milliliters, also weit unter 10–25 ml. Aber ein Median und ein Durchschnitt sind unterschiedlich, und die Produktinfrastruktur hat sich zwischen den akademischen Szenarien und den Offenlegungen für 2025 verändert.

Keine der Offenlegungen beschreibt jedes Bild, jede Datei, jede Suche oder jeden Argumentationsmodus. Die Anwendung einer Texteingabezahl auf diese Workloads würde den gleichen Einheitenfehler in die entgegengesetzte Richtung wiederholen.

Warum die Schätzungen so unterschiedlich sind

Das Modell und die Aufgabe wirken sich auf die Elektrizität aus, die sich auf die Wärme auswirkt. Das Design des Rechenzentrums wirkt sich auf direktes Wasser aus. Das Wetter verändert den Kühlbedarf. Das Stromnetz verändert indirekt das Wasser. Hardware, Stapelverarbeitung und Auslastung ändern, wie viel Infrastruktur einer Antwort zugewiesen wird.

Grenzen können die größte Ursache für Meinungsverschiedenheiten sein. Die Zählung nur des Betriebswassers am Standort ist enger gefasst als die Hinzurechnung der Stromerzeugung. Die Zuweisung ungenutzter Kapazitäten, Schulungen oder vorgelagerte Fertigung ändert die Antwort erneut. Öffentliche Offenlegungen bieten nicht genügend übereinstimmende Details, um die Zahlen genau in Einklang zu bringen.

Ebenso falsch wäre es, die kleinste Zahl zu wählen und den AI-Wasserverbrauch für gelöst zu erklären. Die Streuung zeigt, dass dienstleistungsspezifische Messungen möglich sind und dass generische Schätzungen Vorbehalte erfordern. Siehe KI-Wasserverbrauch pro Abfrage für eine parallele Erklärung.

Betreiber könnten die Unsicherheit verringern, indem sie Bereiche nach Modell und Arbeitslast sowie direktes und indirektes Wasser für die sie versorgenden Anlagen veröffentlichen.

Eine Eingabeaufforderung verbraucht im wahrsten Sinne des Wortes kein Wasser

Kühlsysteme versorgen Racks und Anlagen kontinuierlich. Forscher teilen einen Teil des Verbrauchs basierend auf Energie oder Aktivität auf die Arbeitsbelastung auf. Diese Zuordnung kann die Planung unterstützen, es handelt sich jedoch nicht um ein physisches Ereignis, das durch den Senden-Button ausgelöst wird.

Die gleiche Unterscheidung gilt für die Ausbildung. Ein Trainingslauf kann auf einmal Wasser verbrauchen; Analysten können es auf spätere Nachrichten verteilen, die Verteilung hängt jedoch vom lebenslangen Datenverkehr ab. Das bei der Spanherstellung anfallende Wasser befindet sich weiter stromaufwärts und wird nur selten einbezogen.

Diese Schichten sind in angeordnet wie KI Wasser nutzt. Durch die Trennung wird verhindert, dass eine direkte Kühlungsschätzung als vollständiger Lebenszyklus getarnt wird, während gleichzeitig die tatsächlichen Ressourcen hinter digitalen Diensten erkannt werden.

Dabei bleibt auch die Verantwortung im Blick: Anlagenbetreiber kontrollieren Kühlung und Standort, während Nutzer vor allem den Umfang und die Art der von ihnen angeforderten Arbeiten steuern.

Flaschenvergleiche können dennoch nützlich sein

Ein vertrauter Behälter macht ein unsichtbares Volumen verständlich. Das Problem ist nicht die Metapher; es verliert die Quelle, den Nenner und die Grenze. „Eine Flasche für 20–50 Antworten in einem Forschungsszenario im Jahr 2023“ ist zutreffend. „Jede Nachricht trinkt eine Flasche“ ist es nicht.

Bei sehr kleinen Lautstärken werden die Verhältnisse auch albern. Bei 0.26 ml etwa 1,900 im Mittel Gemini Eingabeaufforderungen würden mathematisch 500 ml entsprechen. Bei 0.32 ml etwa 1,560 angegebener Durchschnitt ChatGPT Anfragen würden. Hierbei handelt es sich um transparente Unterteilungen veröffentlichter Zahlen, nicht um Behauptungen, dass diese Meldungen ein Kühlsystem oder eine Umweltauswirkung haben.

Unser alltägliche Wasservergleiche diese Unterscheidung bewahren. Ein Liter in einem wasserarmen Einzugsgebiet und ein Liter in einem wasserreichen Einzugsgebiet sind das gleiche Volumen, aber nicht die gleiche Wirkung.

Was die eigentliche Sorge ist

Das Umweltproblem ist die Gesamtinfrastruktur. Selbst ein kleiner Durchschnitt pro Abfrage kann zu einer erheblichen Nachfrage führen, wenn die Nutzung und die Rechenintensität zunehmen. Auch Rechenzentren gruppieren sich, wodurch Wasser- und Netzeffekte in bestimmten Gemeinden konzentriert werden.

Benutzer können unnötige Regenerationen vermeiden, irrelevante Kontexte einschränken und kleinere Modelle für Routinearbeiten auswählen. Anbieter können viel mehr tun, indem sie direktes und indirektes Wasser, Standort, saisonale Spitzen und Verteilungen nach Arbeitslast veröffentlichen.

Treechat verwendet einen festen Energie-Wasser-Faktor, der auf seiner Seite beschrieben wird Seite zur Methodik. Bei der Quittung handelt es sich um eine Schätzung, nicht um eine Live-Messung der Anlage. Das ist der richtige Maßstab für alle Wasseransprüche: Behalten Sie die Methode neben der Zahl bei und korrigieren Sie einen einprägsamen Mythos, wenn er seine Quelle übersteigt.