Der Betrieb großer KI-Systeme verursacht nicht nur einen hohen Energieverbrauch, sondern verändert auch grundlegende Ressourcenströme in der digitalen Infrastruktur. Während Trainingsläufe wegen ihres einmaligen Energiebedarfs im Fokus standen, zeigen aktuelle Studien, dass die Nutzung (Inference) langfristig der größere Emissionstreiber ist. Bei Millionen von Nutzeranfragen summiert sich der Energiebedarf zu erheblichen Gesamtemissionen (Luccioni et al., 2024).
Auch die Hardwarewahl hat großen Einfluss:
GPUs sind für parallele Rechenoperationen effizienter, verbrauchen jedoch deutlich mehr Strom als CPUs, vor allem in großen Clustern.
Schlechte Datenverwaltung und ineffiziente Datenpipelines erhöhen zusätzlich den Ressourcen- und Energieverbrauch über den gesamten Lebenszyklus hinweg.
Darüber hinaus führt die Expansion von Rechenzentren zu steigenden Flächenverbräuchen und Veränderungen in der Landnutzung.
Vertiefung
Hyperscale-Rechenzentren beanspruchen tausende Hektar Land und wandeln landwirtschaftliche oder natürliche Flächen in Industriegebiete um. Projekte wie der Bau von 37 Rechenzentren in Virginia (Heim, 2025) oder die 2.700 Acres große Anlage von Meta im Mississippi-Becken (Hiller, 2025) zeigen, dass KI-Infrastruktur zunehmend mit Landnutzungs- und Naturschutzkonflikten kollidiert.
