Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
oecd30. November 2023 · Q002313

How much water does AI consume? The public deserves to know

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der OECD-Beitrag schätzt, dass KI durch Kühlung und Stromerzeugung erhebliche Wassermengen beansprucht; für 2027 nennt er Milliarden Kubikmeter Wasserentnahme und mehrere hundert Millionen Kubikmeter betrieblichen Wasserverbrauch. Die Werte hängen laut Artikel stark von Standort und Technik ab. Er fordert deshalb, den Wasserfußabdruck von KI zu messen und offenzulegen, damit sich Verbrauch besser vergleichen und gegebenenfalls senken lässt.

Mittel

Der OECD-Beitrag beschreibt den Wasserbedarf von KI in drei Bereichen: Kühlung in Rechenzentren (Scope 1), Wasserverbrauch bei der Stromerzeugung (Scope 2) und Wasser in den Lieferketten, etwa bei der Chipproduktion. Er erklärt, dass Wasserentnahme und Wasserverbrauch unterschiedliche Größen sind: Verbrauch bezeichnet den Anteil, der nicht in die unmittelbare Wasserumgebung zurückgeführt wird, etwa durch Verdunstung.

Für 2027 schätzt der Artikel die weltweite KI-bedingte Wasserentnahme auf 4,2 bis 6,6 Milliarden Kubikmeter und den betrieblichen Verbrauch auf 0,38 bis 0,60 Milliarden Kubikmeter. Diese Prognosen hängen laut Beitrag stark von Standort, Kühlverfahren und Strommix ab. Als Indiz für den wachsenden Bedarf nennt er einen Anstieg des Scope‑1-Verbrauchs von Google um 20 Prozent und von Microsoft um 34 Prozent im Jahr 2022 gegenüber dem Vorjahr. Der Beitrag sieht mögliche Konflikte besonders in dürregefährdeten Regionen.

Er fordert, den Wasserfußabdruck von KI in Modellkarten offenzulegen. Messdaten könnten Vergleiche ermöglichen und helfen, Trainings- und Betriebsorte, Zeitpunkte oder Modellgrößen bewusster zu wählen. Die Zahlen sind Schätzungen beziehungsweise Angaben des Artikels; der bereitgestellte Text erläutert ihre Berechnung nicht vollständig.

Ausführlich lesen

Der Bericht der OECD fragt, wie viel Wasser künstliche Intelligenz verbraucht, und fordert, diesen Verbrauch öffentlich auszuweisen. Er unterscheidet drei Bereiche: Wasser vor Ort für die Kühlung von Servern (Scope 1), Wasser bei der Stromerzeugung (Scope 2) und sogenanntes verkörpertes Wasser in Lieferketten, etwa für die Herstellung von Chips. Im Mittelpunkt stehen die betrieblichen Verbräuche der ersten beiden Bereiche.

Nach Darstellung des Beitrags benötigen große KI-Modelle viel Rechenleistung. Server erzeugen dabei Wärme, die unter anderem mit Kühltürmen, Außenluft oder Flüssigkeitskühlung abgeführt wird. Diese Verfahren können Frischwasser verbrauchen. Auch Kraftwerke benötigen Wasser zur Kühlung; bei Wasserkraft kann zusätzliche Verdunstung auftreten. Als Beispiel für den Umfang des Lieferkettenverbrauchs nennt der Bericht rund 2.200 Gallonen hochreines Wasser für einen Mikrochip. Unter Berufung auf eine Studie heißt es außerdem, das Training eines großen Sprachmodells wie GPT‑3 könne Millionen Liter Frischwasser beanspruchen; 10 bis 50 GPT‑3-Anfragen entsprächen je nach Zeitpunkt und Standort etwa 500 Millilitern. Für GPT‑4 vermutet der Beitrag wegen der größeren Modellgröße einen höheren Verbrauch, stellt dies aber als wahrscheinliche Einschätzung dar.

Der Artikel grenzt Wasserentnahme von Wasserverbrauch ab: Entnahme ist Wasser, das einer Quelle entnommen wird; Verbrauch ist die Entnahme abzüglich der Rückgabe, etwa wenn Wasser verdunstet oder anderweitig dem unmittelbaren Wasserkreislauf entzogen wird. Für 2027 beziffert der Beitrag die weltweite KI-bedingte Wasserentnahme auf geschätzte 4,2 bis 6,6 Milliarden Kubikmeter und den betrieblichen Wasserverbrauch auf mehr als 0,38 bis 0,60 Milliarden Kubikmeter. Er nennt Vergleiche mit nationalen Entnahmemengen, um die Größenordnung einzuordnen. Die Angaben sind Prognosen und hängen laut Text unter anderem davon ab, wo KI betrieben wird und wie dort Strom erzeugt und gekühlt wird.

Als Hinweis auf den wachsenden Bedarf führt der Bericht an, dass Googles Scope‑1-Wasserverbrauch 2022 gegenüber 2021 um 20 Prozent und der von Microsoft um 34 Prozent gestiegen sei. Zugleich warnt er vor Belastungen und Konflikten in dürregefährdeten Regionen. Die tatsächlichen Folgen hängen jedoch nicht allein von der globalen Gesamtmenge ab, sondern auch davon, wo Wasser entnommen und verbraucht wird.

Kernforderung ist mehr Messung und Transparenz: Modellkarten sollten auch den Wasserfußabdruck für Training und Betrieb ausweisen, ähnlich wie sie Informationen zu CO₂-Emissionen enthalten können. Der Beitrag beschreibt eine Berechnungsformel auf Basis von Serverenergie, Kühlwassereffizienz vor Ort und Wasserintensität der Stromversorgung. Bessere Daten könnten Vergleiche ermöglichen und Entscheidungen darüber unterstützen, wann und wo Modelle trainiert oder betrieben werden. Als mögliche Ansätze nennt der Text kleinere Modelle in wasserarmen Gebieten und eine Verteilung von Rechenlasten über Regionen. Die Zahlen und Empfehlungen sind dabei die Einschätzungen und Vorschläge des Artikels; eine vollständige Erläuterung ihrer Berechnungsmethoden enthält der bereitgestellte Text nicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Anteilswerte in Lunas Einordnung wurden nicht geprüft; die Stufen beziehen sich ausschließlich auf den Inhalt des Berichts.

Im Bericht, aber nicht in der Zusammenfassung

  • Wasserbedarf für das Training von GPT-3 (Millionen Liter) und für die Inferenz (500 ml je 10 bis 50 Anfragen)
  • Befund, dass Modellkarten kaum Wasserangaben enthalten und auch der Scope-1-Verbrauch beim Training nicht offengelegt wird
  • Warnung, dass Spannungen zwischen Rechenzentren und Gemeinden zu sozialen Unruhen führen könnten

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Der 34-prozentige Anstieg bei Microsoft wird als Scope-1-Verbrauch dargestellt, der Bericht nennt dafür keinen Scope.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 82 %Hintergrund, keine Belege
    • JEV 49 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 61 %einzelne zitierbare Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 37 %nur am Rande erwähnt
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 37 %gleiches Oberthema, hilft nicht
    • JEV 32 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 74 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 1 · 49 % · gleiches Oberthema, hilft nicht · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 56 %einzelne zitierbare Belege
    • JEV 37 %Hintergrund, keine Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →