Wie viel CO2 produziert KI?

Es gibt keine vertrauenswürdige, universelle CO2-Menge für eine KI-Eingabeaufforderung oder für KI weltweit. Für eine einzelne Antwort ist die Grundberechnung der verbrauchte Strom multipliziert mit der Kohlenstoffintensität der Stromversorgung. Beide Eingaben variieren. Eine kurze Antwort von einem kleinen Modell und eine lange, werkzeugbenutzte Antwort von einem Grenzsystem sind unterschiedliche Jobs, und derselbe Job kann in verschiedenen Netzen unterschiedliche Emissionen verursachen.

Auf globaler Ebene beziehen sich öffentliche Beweise in der Regel auf alle Rechenzentren und nicht nur auf die KI. Die Internationale Energieagentur prognostiziert strombedingte Emissionen von Rechenzentren in der Größenordnung von ca 320 Millionen Tonnen CO2 im Jahr 2030 im Basisfall. KI ist ein wichtiger Wachstumstreiber, aber Speicher, Cloud Computing und andere digitale Dienste sind enthalten, sodass 320 Millionen Tonnen keine KI-Gesamtzahl darstellen.

Wattstunden in Gramm CO2 umwandeln

Sobald die Annahmen ausgewählt sind, ist die Arithmetik einfach. Rechnen Sie Wattstunden in Kilowattstunden um und multiplizieren Sie sie dann mit Gramm CO2-Äquivalent pro Kilowattstunde. Wenn eine normale Textabfrage etwa 0.3 Wh verbraucht, as Epochen-KI-Schätzungen für einen typischen GPT-4o Anfrage, würden seine betrieblichen Emissionen 0.0003 kWh multipliziert mit dem relevanten Netzfaktor betragen.

Es gibt keinen universellen Faktor, um diese Gleichung zu vervollständigen. Ein erneuerbares und nukleares Netz, ein gaslastiges Netz und ein kohlelastiges Netz liefern unterschiedliche Antworten. Der Faktor kann sich auch stündlich ändern.

Jede veröffentlichte Grammzahl sollte daher sowohl die Energieschätzung als auch die Quelle der Kohlenstoffintensität angeben, anstatt sie hinter einer Dezimalzahl zu verbergen.

Eine Nachricht kann viel größer als der Durchschnitt sein

Die Schätzung von etwa 0.3 Wh beschreibt eine typische Textanfrage unter den Annahmen von Epoch. Ein langer Kontext ändert die Berechnung. Dies gilt auch für erweitertes Denken, mehrere Modellaufrufe, Webtools und Mediengenerierung. Auch die Architektur, Hardware und Nutzung des Modells beeinflussen die Energie pro Token.

Aus diesem Grund ist eine Antwort wie „KI produziert X Gramm pro Eingabeaufforderung“ unvollständig, selbst bevor Kohlenstoff berücksichtigt wird. Bei der Eingabeaufforderung handelt es sich um ein Schnittstellenereignis und nicht um eine Standardarbeitslast. Für eine grobe Planung kann ein Servicedurchschnitt nützlich sein, er kann jedoch nicht als Zählerstand für jede Anfrage dienen.

Die Energiekosten einer KI-Nachricht erklärt, wie Eingabe-, Ausgabe- und versteckte Backend-Schritte den Bereich erweitern.

Die Schulung passt nicht genau in eine Aufforderung

Das Training erstellt oder aktualisiert ein Modell durch einen großen, endlichen Rechenauftrag. Inferenz ist die fortlaufende Arbeit, wenn das Modell verwendet wird. Eine Schätzung pro Antwort deckt normalerweise den Inferenzstrom ab, möglicherweise mit dem Overhead des Rechenzentrums, und lässt das Training außerhalb der Grenze.

Trainingsemissionen können Nachrichten zugeteilt werden, der Divisor ist jedoch unbekannt, bis das Modell außer Betrieb genommen wird. Ein Modell, das milliardenfach verwendet wird, würde eine viel geringere Trainingszuteilung pro Nachricht erhalten als ein Modell, das trainiert und schnell aufgegeben wurde. Entwicklungsexperimente machen auch den Zähler unsicher.

Aus diesem Grund, Trainings- und Inferenzemissionen sind klarer, wenn sie separat berichtet werden. Ihre Kombination kann für eine retrospektive Lebenszyklusstudie geeignet sein, jedoch nicht, wenn eine unsichere Zuordnung als direkte Messung pro Nachricht dargestellt wird.

Betriebsstrom ist nur eine Kohlenstoffquelle. Die Herstellung von Beschleunigern und Speichern, der Bau von Servern, die Herstellung von Beton und Stahl, der Bau von Rechenzentren und der Transport von Geräten durch Lieferketten verursachen körperliche Emissionen. Die Erzeugung von Backups und der Austausch von Geräten können weitere Auswirkungen haben.

Diese Quellen erscheinen eher in den Scope-3-Inventaren der Unternehmen als in Zahlen pro Modell. Microsofts Nachhaltigkeitsbericht 2025 berichtete, dass seine Gesamtemissionen angesichts der KI- und Cloud-Erweiterung über dem Ausgangswert von 2020 blieben, auch wenn es Fortschritte bei den direkten betrieblichen Emissionen und der CO2-freien Strombeschaffung beschrieb.

Das verrät nicht den CO2-Ausstoß eines Produkts. Es zeigt, warum ein Anspruch auf sauberen Betriebsstrom kein vollständiger KI-Fußabdruck ist.

Die CO2-Bilanzierung kann unterschiedliche Antworten liefern

Eine standortbasierte Berechnung folgt der Emissionsintensität des Netzes, in dem Strom verbraucht wird. Eine marktbasierte Bestandsaufnahme kann Verträge, Zertifikate und andere Instrumente im Zusammenhang mit einer saubereren Stromerzeugung erkennen. Beim stündlichen Matching wird eine strengere Frage gestellt als beim jährlichen Matching: War zum Zeitpunkt und am Ort der Nutzung CO2-freier Strom verfügbar?

Die IEA gibt an, dass ihre Analyse der Versorgung von Rechenzentren den physischen Strommix und nicht den vertraglichen Mix der Unternehmen verwendet. Ein Unternehmensbericht kann berechtigterweise eine anerkannte marktbasierte Rechnungslegung verwenden und zu einem niedrigeren Betriebsergebnis kommen. Wenn Zahlenkonflikte auftreten, überprüfen Sie die Methode, bevor Sie entscheiden, dass eine davon falsch sein muss.

Unser Erklärung zum CO2-Fußabdruck von KI behandelt diese Grenzen detaillierter.

Was die globalen Prognosen sagen und was nicht

Im Basisszenario der IEA wird der gesamte Stromverbrauch von Rechenzentren im Jahr 415 auf etwa 2024 TWh und im Jahr 945 auf etwa 2030 TWh geschätzt. Sie geht davon aus, dass KI neben anderen digitalen Diensten der wichtigste Wachstumstreiber sein wird. Seine strombedingten Emissionen steigen langsamer als der Energiebedarf, da die emissionsärmere Erzeugung zunimmt, obwohl fossile Brennstoffe immer noch einen erheblichen Anteil des kurzfristigen Wachstums liefern.

Das sind Szenarien, keine Messungen der Zukunft. Effizienz, KI-Einführung, Bauwesen und der Erzeugungsmix könnten den Weg ändern. Aus diesem Grund veröffentlicht die IEA Alternativfälle.

Auch sollte ein globaler Anteil die lokalen Auswirkungen nicht minimieren. Die Nachfrage nach Rechenzentren ist konzentriert, sodass eine neue Anlage erhebliche Auswirkungen auf ein regionales Netz haben kann, selbst wenn der Sektor weiterhin einen bescheidenen Teil der globalen Emissionen ausmacht.

Eine vertretbare Möglichkeit, eine Antwort zu melden

Geben Sie das Modell und die Arbeitslast an, schätzen oder messen Sie den Schlussfolgerungsstrom, geben Sie an, ob die Gemeinkosten der Anlage enthalten sind, und legen Sie dann den Netzfaktor und die Zeitbasis offen. Halten Sie Training und verkörperte Emissionen als Ausschlüsse sichtbar, es sei denn, es gibt Belege für ihre Zuordnung. Rund, um der Unsicherheit gerecht zu werden.

Treechat folgt diesem engeren operativen Ansatz. Es schätzt den Strom aus dem Modell und der Token-Anzahl, fügt den Mehraufwand für das Rechenzentrum hinzu und wendet eine angegebene durchschnittliche Kohlenstoffintensität im Netz an. Die Anbieter stellen weder einen Leistungsmesser pro Reaktion noch eine genaue Einrichtung zur Verfügung, daher bleibt das Ergebnis eine Schätzung. Die aktuellen Konstanten und Einschränkungen liegen bei /methodology.

Die Antwort auf „Wie viel CO2 produziert KI?“ ist also bedingt. Zeigen Sie für eine Antwort die Gleichung und die Annahmen. Für die Welt nutzen Sie Rechenzentrumsszenarien, ohne sie als reine KI-Summen umzubenennen. Präzision ohne diese Grenzen ist Dekoration, kein Wissen.