Wir zählen den Strom. Aber wer zählt das Wasser? Was KI-Nutzung wirklich kostet — und warum niemand es beziffern kann
Zur Methodik: Wie bei den vorherigen Ausgaben habe ich dieselbe Forschungsfrage parallel an mehrere KI-Systeme gestellt, diesmal an sieben: Claude, Gemini, ChatGPT, Perplexity, DeepSeek, Kimi und neu hinzugekommen NotebookLM und Copilot. Jedes System hat unabhängig recherchiert. Die Einordnung, Analyse und Bewertung ist meine eigene Arbeit. KI ist ein Recherche-Werkzeug. Die Perspektive kommt vom Menschen. Besonders bei diesem Thema, denn diesmal ist der Befund unangenehmer als sonst: Es hat nicht ein System versagt, sondern alle sieben haben denselben Fehler gemacht. Dazu unten mehr, an der Stelle, an der es wehtut.
Der Auslöser: eine Woche Nachrichten nach dem Urlaub
Ich bin diese Woche aus dem Urlaub zurückgekommen und habe mich durch die Meldungen der letzten Tage gearbeitet. Rhein, Elbe und Donau führen historisches Niedrigwasser. Die Binnenschiffe fahren mit reduziertem Tiefgang, also mit weniger Ladung, also häufiger. Vier Bundesländer haben deshalb das Sonn- und Feiertagsfahrverbot für Lastwagen gelockert: Rheinland-Pfalz und das Saarland bis Ende September, Nordrhein-Westfalen und Niedersachsen bis Ende August. Allein für die ausgefallenen Dieseltransporte sind rund 3.000 zusätzliche Lastwagen pro Tag im Gespräch. In Ungarn musste das Kernkraftwerk Paks gedrosselt werden, weil die Donau nicht mehr genug Kühlwasser führt. Und im Bayerischen Wald bekommt die Gemeinde Böbrach ihr Trinkwasser inzwischen per Tanklaster.
Ein Land, das seine Sonntagsruhe aufgibt, damit die Lieferketten halten. Ein Kraftwerk, das heruntergefahren wird, weil der Fluss zu flach ist. Ein Dorf, das auf Tankwagen wartet.
Das ist der Sommer 2026. Und wir machen bemerkenswert schnell Ausnahmen für die Wirtschaft, wenn Wasser knapp wird.
Beim Lesen musste ich an einen Satz denken, den ich seit Monaten in Unternehmen höre: „Nutzt KI, so viel ihr wollt.“ Der Zugang wird freigeschaltet, ein Impuls im Town Hall, ein Prompt-Cheatsheet ins Intranet, dann soll die Belegschaft loslegen. Inzwischen kommt in denselben Unternehmen die zweite Erkenntnis an: Token kosten Geld. Wenn dreihundert Menschen ein Jahr lang unbegrenzt mit einem großen Modell arbeiten, steht am Ende eine Rechnung, die niemand budgetiert hat. Aus „nutzt KI“ wird „nutzt KI bitte sinnvoll“, getrieben vom Controlling, nicht von der Nachhaltigkeitsabteilung.
Aber diese Token kosten nicht nur Geld. Sie kosten Wasser.
Wir haben Thesen. Die schreiben wir hier auf, mit allem, was die Recherche dazu sagt, und mit allem, wo sie sich selbst widerspricht.
These 1: Wir haben gelernt, Strom zu zählen — und dabei die knappere Ressource übersehen
Dass Digitalisierung Energie verbraucht, ist angekommen. Deutsche Rechenzentren benötigten 2025 laut Bitkom rund 21,3 Milliarden Kilowattstunden Strom, mehr als alle deutschen Wasserkraftwerke zusammen erzeugen. In Frankfurt, dem größten Rechenzentrumsstandort Europas, beanspruchen Rechenzentren nach Recherchen von AlgorithmWatch inzwischen bis zu vierzig Prozent des städtischen Strombedarfs. Diese Zahlen stehen in Nachhaltigkeitsberichten. Sie werden in Aufsichtsräten diskutiert.
Über Wasser spricht niemand.
Dabei ist der Unterschied zwischen beiden Ressourcen kein gradueller, sondern ein grundsätzlicher. Strom ist verbraucht, aber die Kilowattstunde von morgen ist wieder da. Wasser, das in einem Verdunstungskühlturm eingesetzt wird, verdunstet in die Atmosphäre und steht dem lokalen Kreislauf nicht mehr zur Verfügung. Und es wird genau dann am dringendsten gebraucht, wenn es am knappsten ist: An heißen Tagen steigt der Kühlbedarf, während Landwirtschaft, Haushalte und Ökosysteme unter derselben Hitze leiden.
Der Gesetzgeber macht es übrigens nur halb. Das Energieeffizienzgesetz macht Vorgaben zur Energieeffizienz und zur Abwärmenutzung von Rechenzentren. Der Wasserverbrauch wird gemeldet, aber nicht begrenzt. Meine eigene Einschätzung dazu: Solange es für Strom Grenzwerte gibt und für Wasser nur ein Meldefeld, bleibt Wasser auch in Unternehmensbilanzen ein Meldefeld.
These 2: Wer seine Belegschaft sensibilisieren will, findet keine belastbare Zahl — und das ist kein Zufall
Nehmen wir an, eine Geschäftsführerin nimmt das ernst und will ihren Leuten erklären, was eine KI-Anfrage an Wasser kostet. Sie wird nicht fündig. Nicht, weil es keine Forschung gäbe, sondern weil die verfügbaren Zahlen um drei Größenordnungen auseinanderliegen.
Google hat im Sommer 2025 als erster Anbieter im laufenden Betrieb gemessen und kommt für einen medianen Gemini-Textprompt auf 0,24 Wattstunden Energie und 0,26 Milliliter Wasser. Ungefähr fünf Tropfen. Im selben Papier steht, dass dieser Wert binnen zwölf Monaten um das Dreiunddreißigfache gefallen ist. Die viel zitierte Gegenrechnung kommt von der University of California Riverside: Dort verbraucht eine mit GPT-4 verfasste E-Mail von hundert Wörtern rund 519 Milliliter. Eine halbe Wasserflasche.
Faktor 2.000. Und beide Zahlen sind korrekt.
Sie messen nur nicht dasselbe. Google zählt im Wesentlichen das Kühlwasser am Standort. Riverside zählt zusätzlich das Wasser, das bei der Stromerzeugung anfällt, und rechnet ein größeres Modell mit einer vollständigen Textaufgabe. Wer eine der beiden Zahlen nennt, ohne dazuzusagen, was sie einschließt, sagt nichts.
Auf der großen Skala wiederholt sich das Muster. Das Öko-Institut prognostiziert im Auftrag von Greenpeace für 2030 einen Kühlwasserbedarf globaler Rechenzentren von 664 Milliarden Litern. Der Bericht der United Nations University kommt für dasselbe Jahr auf 9,3 Billionen Liter. Faktor vierzehn, und wieder ist keine der Zahlen falsch: Das Öko-Institut zählt ausdrücklich nur direkte Kühlung, die UN zählt den gesamten Wasserfußabdruck einschließlich Stromerzeugung. Acht vom Science Media Center befragte Forschende haben die UN-Rechnung anschließend kritisiert, unter anderem weil sie nicht zwischen entnommenem und tatsächlich verbrauchtem Wasser unterscheidet.
Das ist der Punkt, an dem ein Unternehmen aufgibt. Nicht aus Desinteresse. Aus Überforderung.
These 3: „Nutzt KI“ ohne Befähigung ist die teuerste aller Varianten
Der eigentliche Hebel liegt ohnehin nicht bei der einzelnen Anfrage. Er liegt darin, was Menschen mit dem Werkzeug tun, wenn ihnen niemand erklärt hat, wie es funktioniert.
Eine Arbeitsgruppe der Lancaster University hat 2025 in knapp 900.000 Durchläufen gemessen, welcher Faktor den Energieverbrauch einer Anfrage bestimmt. Es ist nicht die Länge des Prompts. Es ist die Länge der Antwort, mit einer Korrelation von 0,9. Wer „erkläre mir alles über“ schreibt, bestellt eine lange Antwort und bezahlt sie. An der Hochschule München haben Dauner und Socher 2025 gezeigt, dass Reasoning-Modelle im Schnitt 543 Denk-Token pro Frage erzeugen, wo schlanke Modelle mit 38 auskommen, bei bis zu fünfzigfachen Emissionen für dieselbe Frage.
Und dann sind da die Agenten. Der Klimawissenschaftler Zeke Hausfather hat im August 2026 acht Wochen eigener Arbeit mit einem Coding-Agenten protokolliert. Seine 1.138 Eingaben lösten über 14.000 Modellaufrufe aus, also zwölf pro Eingabe. Pro Eingabe wurden im Schnitt 2,9 Millionen Token verarbeitet, gegenüber etwa tausend bei einem normalen Chat. 96 Prozent davon entfielen darauf, dass der Agent bei jedem Zwischenschritt den gesamten bisherigen Kontext erneut einliest. 0,4 Prozent waren der Text, den er am Ende zu sehen bekam. An einem intensiven Arbeitstag verbrauchte dieser eine Arbeitsplatz rund elf Kilowattstunden.
Zwölf Aufrufe pro Eingabe. 0,4 Prozent sichtbares Ergebnis.
Hausfather sagt selbst dazu, dass er ein extremer Nutzer ist und seine Messung nicht repräsentativ. Aber die Richtung ist eindeutig, und sie ist für den Mittelstand hochrelevant: Genau diese Agenten werden gerade ausgerollt. An Menschen, denen man gesagt hat, sie sollten KI nutzen, so viel sie wollen.
An dieser Stelle wird der Faktencheck unbequem — diesmal für alle sieben
Sonst benenne ich hier ein oder zwei Systeme, die Zahlen erfunden haben. Diesmal ist es anders, und deshalb ist es schlimmer. Vier populäre Werte haben sich als überholt, verzerrt oder gar nicht belegbar erwiesen. Darunter der Klassiker, eine KI-Anfrage koste ein Vielfaches einer Google-Suche. Der stützt sich auf zwei veraltete Zahlen gleichzeitig. Die Einzelheiten stehen im Anhang unter den Quellen.
Der schwerwiegendste Befund steht ohnehin in keiner Fehlerliste. Er ist eine Auslassung: Kein einziges der sieben Systeme hat die Systemgrenze benannt.Alle haben eine der konkurrierenden Zahlen genannt, als sei sie die Zahl. Keines hat gesagt, dass 664 Milliarden und 9,3 Billionen Liter dieselbe Welt beschreiben, nur mit unterschiedlichem Zollstock. Ich nehme mich davon nicht aus: Auch Claude, mein Hauptwerkzeug, hat das erst benannt, nachdem ich alle sieben Ergebnisse nebeneinandergelegt hatte.
Das klingt nach Erbsenzählerei. Ist es nicht. Ein Unternehmen, das seine Belegschaft in gutem Glauben sensibilisieren will und dafür eine KI um Zahlen bittet, bekommt mit hoher Wahrscheinlichkeit eine Zahl ohne Systemgrenze. Und eine Zahl ohne Systemgrenze ist in diesem Feld keine Information. Sie ist ein Risik, spätestens im nächsten Audit.
Was das für dich im Mittelstand bedeutet
Wenn dein Unternehmen Nachhaltigkeit auf der Website führt und gleichzeitig KI in die Breite ausrollt, hast du seit diesem Jahr eine Position in deiner Bilanz, die du nicht beziffern kannst. Sie ist da, sie wächst, und sie besteht nicht nur aus Strom. Wenn deine Leute zusätzlich private Zugänge nutzen, weil der offizielle zu langsam oder zu limitiert ist, taucht dieser Verbrauch in überhaupt keiner Bilanz auf.
Der Reflex, daraus ein Verbot zu machen, wäre falsch. Er treibt die Nutzung nur in den Schatten. Der Reflex, das Thema zu ignorieren, weil die Zahlen widersprüchlich sind, ist bequem, hält aber der ersten kritischen Nachfrage nicht stand.
Was bleibt, ist Befähigung. Erkläre, wann eine Suchmaschine reicht. Erkläre, dass ein Reasoning-Modell für eine Rechtschreibprüfung Verschwendung ist. Begrenze Antwortlängen. Speichere wiederkehrende Anfragen zwischen. Und entscheide bewusst, wann ein Agent laufen darf und wann nicht.
Das kostet keine Investition. Es kostet Schulung. Also genau das, was zwischen „nutzt KI“ und „könnt ihr KI“ liegt. Und es senkt gleichzeitig die Rechnung, die dein Controlling ohnehin gerade entdeckt. Selten fallen ökologisches und ökonomisches Argument so vollständig zusammen.
Ehrlicherweise gehört ein unbequemer Teil dazu, und ich will ihn nicht auslassen: Das Energieeffizienzgesetz bewegt sich gerade in die andere Richtung. Das Bundeskabinett hat im Juni 2026 eine Novelle beschlossen, die die Effizienzgrenzwerte für bestehende Rechenzentren lockert, die Pflicht zu hundert Prozent Ökostrom von 2027 auf 2030 verschiebt und die Schwelle anhebt, ab der ein Rechenzentrum überhaupt unter das Gesetz fällt. Wer darauf wartet, dass die Regulierung das Problem löst, wartet in diesem Sommer in die falsche Richtung.
Zwei Fragen zum Schluss
Wenn du deiner Belegschaft gesagt hast, sie solle KI nutzen: Hast du ihr auch beigebracht, wie, oder nur den Zugang freigeschaltet und auf das Beste gehofft?
Und wenn im nächsten Nachhaltigkeitsaudit jemand nach dem Wasserfußabdruck deiner KI-Nutzung fragt: Hast du eine Antwort, oder hast du eine Zahl aus einem Chatfenster?
Wir haben in diesem Sommer die Sonntagsruhe gelockert, damit Waren rollen, die sonst auf dem Fluss geschwommen wären. Wir fahren Trinkwasser in Tanklastern durch den Bayerischen Wald. Und parallel rollen wir eine Technologie in die Breite aus, deren Wasserverbrauch wir nicht messen, nicht begrenzen und den meisten Mitarbeitenden nicht einmal erklären.
Man muss KI dafür nicht ablehnen. Man muss sie beherrschen wollen, statt sie nur zu verteilen.
Transformation mit Menschen, nicht über sie hinweg. Das gilt auch für die Technologie, die wir ihnen in die Hand geben.
P.S.: Was dieser Newsletter selbst gekostet hat
Es wäre unredlich, diesen Text zu schreiben, ohne die eigene Rechnung aufzumachen.
Für diese Ausgabe liefen sieben externe KI-Recherchen, zwei eigene Tiefenrecherchen und ein langer Arbeitschat, in dem mehrere hundert Seiten Material verglichen wurden. Nach den Größenordnungen aus dieser Recherche komme ich auf grob zwei bis fünf Kilowattstunden. Bei zwei bis fünf Litern Wasser je Kilowattstunde, direkte Kühlung plus Stromerzeugung, macht das ungefähr fünf bis fünfundzwanzig Liter.
Ein Eimer Wasser. Für einen Newsletter.
Genauer bekomme ich es nicht. Ich weiß nicht, in welchem Rechenzentrum welche Anfrage lief, nicht bei welcher Außentemperatur, nicht mit welchem Strommix. Kein Anbieter außer Google veröffentlicht belastbare Werte pro Anfrage, und keiner der sieben Dienste hat mir eine Verbrauchsanzeige geliefert.
Das ist keine Koketterie. Das ist exakt These 2, nur diesmal an mir selbst.
Quellen
Wasserlage und Wirtschaft, August 2026 t-online (07.08.2026): Lockerung des Sonn- und Feiertagsfahrverbots in vier Bundesländern. auto motor und sport (06.08.2026): Ankündigung von Bundesverkehrsminister Steffen Bilger, geschätzte Zahl zusätzlicher Lkw-Fahrten. Abendzeitung München (August 2026): Trinkwasserlieferung per Tanklaster nach Böbrach. ZDFheute (August 2026): Drosselung des Kernkraftwerks Paks wegen Donau-Niedrigwasser.
Verbrauch pro Anfrage Elsworth et al. (2025): Measuring the environmental impact of delivering AI at Google Scale. https://arxiv.org/abs/2508.15734 Li, Yang, Islam & Ren (2025): Making AI Less „Thirsty“. Communications of the ACM. https://arxiv.org/abs/2304.03271 Adamska et al. (2025): Green Prompting. Lancaster University. https://arxiv.org/abs/2503.10666 Dauner, M. & Socher, G. (2025): Energy costs of communicating with AI. Frontiers in Communication, Hochschule München. https://doi.org/10.3389/fcomm.2025.1572947 Hausfather, Z. (05.08.2026): The real energy use of agentic AI. The Climate Brink. https://www.theclimatebrink.com/p/the-real-energy-use-of-agentic-ai
Makrozahlen und Prognosen Bitkom / Borderstep Institut (2026): Rechenzentrumsmarkt Deutschland. Öko-Institut im Auftrag von Greenpeace (2025): Umweltauswirkungen künstlicher Intelligenz. https://www.greenpeace.de/ueber-uns/loesungen-finden/kuenstliche-intelligenz-energieverbrauch-und-umweltauswirkungen United Nations University, UNU-INWEH (Juni 2026): Environmental Cost of AI’s Energy Use. Science Media Center Germany / netzpolitik.org (Juni 2026): Methodische Kritik am UN-Bericht. https://netzpolitik.org/2026/un-report-zu-ki-umweltkosten-gut-gemeint-schlecht-gerechnet/ AlgorithmWatch (2026): Rechenzentrenausbau auf Kosten der Stromkunden? https://algorithmwatch.org/de/rechenzentren-strompreise/
Regulierung Energieeffizienzgesetz (EnEfG), Novelle, Kabinettsbeschluss vom 24.06.2026.
Anhang: Der Faktencheck im Detail
Für alle, die es genau wissen wollen. Geprüft wurde jede Zahl gegen die Primärquelle, nicht gegen die KI-Ausgabe.
„Eine ChatGPT-Anfrage verbraucht 2,9 Wattstunden.“ Überholt. Gemini und Kimi nannten diesen Wert als aktuellen Stand. Er beruht auf Hardware-Annahmen von 2023 und liegt rund zehnfach über dem, was heute gemessen wird.
„Eine ChatGPT-Anfrage verursacht 4,32 Gramm CO₂.“ Nicht belegbar. Gemini stützte diese Zahl auf einen nicht wissenschaftlichen Blogbeitrag. Die dabei unterstellte Stromintensität liegt weit über dem realen Weltdurchschnitt. Die Zahl ist rechnerisch nicht plausibel.
„Eine Google-Suche verbraucht 0,3 Wattstunden.“ Stimmt — für 2009. Diesen Vergleichswert nannten sechs von sieben Systemen. Er stammt aus einem Google-Blogbeitrag von 2009. Zusammen mit dem überholten 2,9-Wattstunden-Wert ergibt das den beliebten Satz, eine KI-Anfrage koste ein Vielfaches einer Suchanfrage. Beide Hälften des Vergleichs sind veraltet.
„500 Milliliter pro Anfrage.“ Verzerrt. Derselbe Ursprungswert aus der Riverside-Studie wurde mir in drei verschiedenen Bezugsgrößen geliefert: pro einzelner Anfrage, pro zehn bis fünfzig Fragen, pro zwanzig bis fünfzig Fragen. Zwischen kleinster und größter Lesart liegt Faktor fünfzig.
Zur Fairness, weil die Bedingungen ungleich waren. ChatGPT, Kimi und DeepSeek liefen über kostenlose Zugänge, die übrigen über bezahlte. Kimi ließ diesmal nur den Modus „schnell“ zu, und das sieht man dem Ergebnis an — die Quellenmarker blieben durchgehend leer. Am präzisesten arbeiteten ChatGPT und NotebookLM. ChatGPT war das einzige System, das von sich aus davor warnte, Pauschalzahlen pro Anfrage zu verwenden.
Danke für eure Aufmerksamkeit.
Marc
