← Neueste Arbeiten
💻 computer science

To AI or not to AI? Per-task energy and water demands of AI inference are orders of magnitude lower than human labor across all scenarios

Diese Arbeit stellt fest, dass der Energie- und Wasserbedarf pro Aufgabe bei der KI-Inferenz um Größenordnungen niedriger ist als der der menschlichen Arbeit, die sie ergänzt oder ersetzt, selbst wenn man den Ressourcenfußabdruck des gesamten Lebenszyklus menschlicher Arbeit berücksichtigt.

Ursprüngliche Autoren: Arturo Keller

Veröffentlicht 2026-07-14
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Ursprüngliche Autoren: Arturo Keller

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie müssten zwischen zwei Wegen entscheiden, um eine Aufgabe zu erledigen: die Einstellung eines menschlichen Arbeiters oder die Einstellung eines aus Code bestehenden Roboters. Die meisten Menschen sorgen sich, dass der Roboter (Künstliche Intelligenz) ein durstiges, hungriges Monster ist, das Strom und Wasser verschlingt, während der Mensch eine wartungsarme, umweltfreundliche Option ist.

Dieses Papier stellt dieses Szenario auf den Kopf. Es legt nahe, dass, wenn man sich die tatsächlichen Kosten für die Ausführung einer einzelnen Aufgabe ansieht, der menschliche Arbeiter derjenige ist, der einen massiven, unsichtbaren Rucksack an Ressourcenverbrauch mit sich herumschleppt, während die KI eine Feder trägt.

Der menschliche Rucksack
Betrachten Sie einen typischen amerikanischen Erwachsenen als eine riesige, wandernde Ressourcenfabrik. Selbst wenn er nur an einem Schreibtisch sitzt und tippt, „verbraucht“ er indirekt eine enorme Menge an Energie und Wasser durch alles andere, was er in seinem Leben tut. Er fährt Autos, fliegt mit dem Flugzeug, isst Lebensmittel (die viel Wasser benötigen, um wachsen zu können) und heizt seine Wohnungen.

Die Autoren berechneten, dass, wenn man die gesamte Energie und das gesamte Wasser, das diese Person in einem ganzen Jahr verbraucht, durch ihre Arbeitsminuten teilt, sie für jede einzelne Arbeitsminute etwa 467 Wh Energie und 22,7 L Wasser „ausgibt“. Das ist, als würde ein Mensch einen Rucksack tragen, der so viel wie ein kleines Auto wiegt, nur um seinen Job zu machen.

Die KI-Feder
Schauen wir uns nun die KI an. Wenn eine KI eine Textantwort schreibt oder ein Bild zeichnet, läuft sie auf einem Computerchip. Das Papier schätzt, dass eine KI für eine Minute Textproduktion nur 1,5 Wh Energie und etwa 4,6 mL Wasser verwendet (das ist weniger als ein einziger Teelöffel!). Wenn sie ein Bild zeichnet, verbraucht sie etwa 2,9 Wh und 8,9 mL Wasser.

Der große Showdown
Hier werden die Zahlen wild. Die Autoren führten einen Vergleich durch und nahmen dabei ein sehr konservatives Szenario an: Sie schätzten, dass der Mensch 100-mal produktiver ist als die KI (das heißt, der Mensch erledigt 100 Aufgaben in der Zeit, in der die KI nur 1 erledigt). Selbst mit diesem riesigen Vorteil für den Menschen ist der Ressourcen-Rucksack des Menschen immer noch massiv im Vergleich zur KI.

  • Energie: Der Mensch verbraucht etwa 31.000 Mal mehr Energie als die KI für Textaufgaben und 16.000 Mal mehr für Bildaufgaben.
  • Wasser: Der Mensch verbraucht zwischen 134.000 und 1.925.000 Mal mehr Wasser als die KI, je nachdem, wie man das Wasser zählt, das für die Erzeugung der Elektrizität verwendet wird.

Das Papier argumentiert, dass selbst wenn die KI und der Mensch gleich schnell wären (ein Verhältnis von 1:1), der Mensch immer noch 311 Mal mehr Energie und Hunderttausende Male mehr Wasser verbrauchen würde. Die KI gewinnt nicht nur; sie gewinnt haushoch.

Der „Hydro-Paradox“-Twist
Es gibt eine kuriose Wendung in der Wassergeschichte. Normalerweise denkt man, Kaliforniens Stromnetz sei super grün, wegen der vielen Solar- und Windanlagen. Aber das Papier fand ein „Hydro-Paradoxon“. Wenn man das Wasser zählt, das aus riesigen Wasserkraftwerken verdunstet (welches Kalifornien viel nutzt), hat Kaliforniens Netz tatsächlich einen höheren Wasserfußabdruck als das durchschnittliche US-Stromnetz. Es ist, als würde man denken, ein Glas Wasser sei rein, aber vergessen, dass der Eimer, aus dem es kam, geleckt hat.

Was das Papier ausschließt
Die Autoren sind sich sehr klar darüber, was sie nicht sagen. Sie sagen nicht, dass KI keinen ökologischen Fußabdruck hat. Entscheidend ist, dass sie nicht die Energie und das Wasser zählen, die für die Herstellung der Computerchips (Halbleiter) verwendet werden, die die KI betreiben; sie haben nur die „operativen“ Kosten des Betriebs der KI betrachtet. Sie warnen auch davor, dass, wenn die KI uns so produktiv macht, dass wir am Ende viel mehr Arbeit leisten als zuvor, die Gesamtressourcenmenge dennoch steigen könnte, selbst wenn die einzelne Aufgabe billiger ist. Dies wird als „Jevons-Paradoxon“ bezeichnet.

Wie sicher sind sie sich?
Die Autoren sind recht zuversichtlich bei ihren Zahlen, da diese auf realen Daten aus dem US-Stromnetz, Wasserverbrauchsstatistiken und gemessenen Energieverbräuchen von Computerchips basieren. Sie haben nicht einfach nur geraten; sie haben ein detailliertes Buchhaltungssystem aufgebaut. Sie geben jedoch zu, dass das „Produktivitätsverhältnis“ (wie viel schneller die KI im Vergleich zum Menschen ist) eine Schätzung ist. Sollte die KI sogar noch schneller sein als gedacht, wird sich der Vorteil der KI noch weiter vergrößern.

Das Fazit
Wenn Sie um die Umwelt besorgt sind, legt das Papier nahe, dass der Ersatz einer menschlichen Aufgabe durch eine KI-Aufgabe wahrscheinlich ein Nettogewinn an Energie- und Wassereinsparungen ist, kein Verlust. Der menschliche Lebensstil ist hier der schwere Lastenträger, und die KI ist überraschend leichtfüßig.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →