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
oecd7. Mai 2025 · Q003516

From myth to metrics: Communities can leverage the real costs of generative AI when negotiating for data centres

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag stellt die verbreitete 10x-Schätzung zum Stromverbrauch generativer KI infrage: Sie beruhe auf unklar definierten und wenig belastbaren Vergleichen und sage wenig über den gesamten Energie- und Ressourcenbedarf aus. Er plädiert für Lebenszyklusdaten zu Strom, Wasser und Verschmutzung, damit Gemeinden an gefragten Rechenzentrumsstandorten informierter über Versorgung und Ausgleichsleistungen verhandeln können. Der Spielraum sei jedoch durch vertrauliche Unternehmensdaten, langsame Regulierung und örtliche Bedingungen begrenzt.

Mittel

Der OECD.AI-Beitrag bezeichnet die verbreitete Behauptung, generative KI benötige pro Anfrage etwa zehnmal so viel Strom wie eine Google-Suche, als „10x-Mythos“. Die zugrunde liegenden Aussagen aus einem Reuters-Bericht von 2023 hätten „Kosten“ und „Rechenkosten“ nicht präzise definiert. Eine spätere Schätzung leitete daraus ungefähr 3 Wattstunden je Anfrage an ein großes Sprachmodell ab; der Autor hält die verwendeten Quellen für wenig belastbar und führt die Verbreitung der Zahl auch auf ihre Wiederholung zurück. Zudem sei „generative KI“ ein uneinheitlicher Begriff, sodass der Verbrauch einzelner Anfragen nur begrenzt Aussagen über den Bedarf der Infrastruktur erlaube.

Stattdessen fordert der Beitrag genauere Kennzahlen, die den Lebenszyklus von KI, Strom, direkten und indirekten Wasserverbrauch sowie mögliche Gesundheitskosten durch Verschmutzung einbeziehen. Er verweist auf IEA-Berichte und argumentiert, dass Gemeinden an begehrten Rechenzentrumsstandorten mit besseren Informationen ihre Verhandlungen über Strom, Wasser und Ausgleichsleistungen stärken könnten. Genannte Forderungen reichen von Mikronetzen und Wasserauffüllung bis zu Ausbildung, Gesundheitsversorgung und Naturschutz. Als Größenordnungen nennt der Text für KI-Rechenzentren mindestens 100 Megawatt und eine Schätzung möglicher US-Gesundheitskosten von bis zu über 20 Milliarden US-Dollar jährlich im Jahr 2030. Zugleich seien Unternehmensdaten oft vertraulich, neue Regeln kurzfristig kaum durchsetzbar und kommunaler Verhandlungsspielraum von Standort und Tarifverfahren abhängig.

Ausführlich lesen

Der OECD.AI-Beitrag kritisiert eine verbreitete Faustregel, nach der eine Anfrage an generative KI ungefähr zehnmal so viel Strom benötige wie eine Google-Suche. Der Autor nennt dies den „10x-Mythos“: Die Zahl gehe auf Äußerungen aus einem Reuters-Bericht von 2023 zurück, in denen weder „Kosten“ noch „Rechenkosten“ eindeutig bestimmt worden seien. Eine spätere grobe Schätzung setzte den Vergleich mit einer Google-Suche von 0,3 Wattstunden in Beziehung und leitete daraus etwa 3 Wattstunden je Anfrage an ein großes Sprachmodell ab. Der Beitrag hält die zugrunde liegenden Quellen für wenig belastbar und beschreibt, wie Wiederholungen die Schätzung weiter verbreitet hätten. Er verweist darauf, dass auch Goldman Sachs und die Washington Post die Zehnfach-Angabe aufgegriffen hätten.

Ein weiteres Problem sei der unklare Begriff „generative KI“: Er könne ein bestimmtes Produkt oder unterschiedliche Modelltypen bezeichnen. Einzelne Anfragen ließen sich daher nur eingeschränkt auf den weltweiten Energiebedarf übertragen. Der Autor plädiert dafür, die 10x-Faustregel durch bessere, branchen- und regionsübergreifende Kennzahlen zu ersetzen. Als Beispiele nennt er die IEA-Berichte „Electricity 2025“ und „Energy and AI“. Eine umfassende Kostenbetrachtung solle den Lebenszyklus von KI berücksichtigen: Entwicklung und Training, anspruchsvolle Nutzung sowie den ganzjährigen Betrieb, wo dieser anfällt. Hinzukommen sollten direkter und indirekter Wasserverbrauch sowie mögliche öffentliche Gesundheitskosten durch Verschmutzung.

Der Beitrag argumentiert, dass Gemeinden, Regionen und Bundesstaaten mit begehrten Standorten für Rechenzentren daraus Verhandlungsspielraum gewinnen könnten. Die IEA beziffere herkömmliche Rechenzentren mit etwa 10 bis 25 Megawatt und KI-orientierte Hyperscale-Zentren mit 100 Megawatt oder mehr; letztere könnten jährlich so viel Strom verbrauchen wie 100.000 Haushalte. Der Text erwähnt außerdem eine geplante Kapazität von bis zu 5.000 Megawatt und berichtet von Hinweisen, dass die Nachfrage nach Rechenleistung und Strom das verfügbare Angebot übersteigen könnte. Standortnähe zu Stromversorgung und bestehenden Rechenzentren sei dabei ein wichtiger Faktor; zugleich wüchsen laut Beitrag auch sekundäre und aufstrebende Märkte an Bedeutung.

Als Belege für weitere Belastungen führt der Autor eine Studie zu einem bestimmten Modellverbund an, dessen Wasserverbrauch mit 2,769 Millionen Litern angegeben wird. Forschende hätten die möglichen öffentlichen Gesundheitskosten US-amerikanischer Rechenzentren im Jahr 2030 auf bis zu mehr als 20 Milliarden US-Dollar jährlich geschätzt. Gemeinden könnten deshalb etwa bessere Strom- und Wasserbedingungen, Mikronetze, Wasserauffüllung, Kühlung mit aufbereitetem Abwasser, Renaturierung, dauerhafte Beschäftigung und Ausbildung sowie Mittel für Gesundheit, Parks, Landwirtschaft und Naturschutz verhandeln.

Die Reichweite der Empfehlungen ist begrenzt: Der Text räumt ein, dass Unternehmen detaillierte Verbrauchsdaten voraussichtlich weiter als Geschäftsgeheimnisse behandeln und neue Regeln in den kommenden zwei Jahren kaum wirksam eingeführt und durchgesetzt werden dürften. Auch laufende Klagen könnten lange dauern. Verhandlungsmöglichkeiten hingen zudem von Standort, lokalen Bedürfnissen und transparenten Verfahren zur Festlegung von Tarifen ab. Der Beitrag liefert keine einheitliche Messung der gesamten KI-Umweltkosten, sondern argumentiert für genauere Daten als Grundlage kommunaler Entscheidungen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna fasst den Bericht im Kern treu zusammen; die Sammelfragen-Einstufungen von Luna sind bei E5 und E4 zu hoch und bei P4 sowie den Teilfragen ebenfalls überhöht, da der Bericht diese Fragen kaum beantwortet.

Im Bericht, aber nicht in der Zusammenfassung

  • Die 10x-Zahl wurde von Goldman Sachs (Mai 2024) und der Washington Post (Juni 2024) wiederholt, was der Bericht als Ursache ihrer Verbreitung nennt
  • Die IEA-Berichte Electricity 2025 und Energy and AI vermeiden die 10x-Schätzung laut Bericht
  • Die Ableitung von 3 Wh je Anfrage stützte sich auf eine Google-Suche mit 0,3 Wh und einen Google-Blogpost von 2009
  • Die Mittelangabe 100 MW gilt im Bericht für hyperscale KI-Rechenzentren, nicht als allgemeine Untergrenze; die größte geplante Kapazität mit 5 000 MW fehlt

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
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 20 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. 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 100 %kein Bezug
    • JEV 24 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 78 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 27 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 49 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • 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 · 49 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 38 %gleiches Oberthema, hilft nicht
    • Luna 68 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 81 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
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 46 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 25 %Hintergrund, keine Belege
    • Luna 37 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 25 %Hintergrund, keine Belege
    • Luna 43 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 32 %nur am Rande erwähnt
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 22 %Hintergrund, keine Belege
    • Luna 61 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • 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 3 · 43 % · Hintergrund, keine Belege
  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 22 %Hintergrund, keine Belege
    • Luna 62 %einzelne zitierbare Belege
    • JEV 48 %beantwortet teilweise oder widerspricht
    • amos 26 %einzelne zitierbare Belege
    • SubQ 26 %einzelne zitierbare Belege
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra 29 %einzelne zitierbare Belege
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 56 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Wirtschaft und Haftung

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 →