Stell dir vor, jede KI-Anfrage wäre ein kleines Radieschen plus 10 Sekunden Netflix.
Mistral AI hat vor kurzem eine faszinierende Rechnung aufgemacht: 400 Token Text generieren entspricht dem Wasserverbrauch eines winzigen Radieschens UND 10 Sekunden Video-Streaming auf Netflix. Klingt vernachlässigbar, oder?
Einzeln betrachtet ist es das auch. Problematisch wird es erst bei Millionen täglicher Anfragen weltweit. Dann wird aus einem Radieschen und 10 Netflix-Sekunden schnell ein ganzer Gemüsegarten plus Netflix-Marathons.
Die gute Nachricht: Mit dem richtigen Wissen wird aus verschwenderischem KI-Konsum intelligenter KI-Einsatz.
Inhaltsverzeichnis
Millionen Radieschen täglich – Warum bewusste KI-Nutzung den Unterschied macht
Eine einfache Frage an eine KI – wie viel Energie und Wasser kann das schon verbrauchen? Mehr als du denkst. Um das zu veranschaulichen, hat Mistral AI einen anschaulichen Vergleich veröffentlicht: Die Generierung einer Seite Text (400 Token) mit ihrem Mistral Large 2 Modell entspricht etwa 10 Sekunden Video-Streaming auf Netflix – oder dem Anbauen eines kleinen Radieschens.
Aber Achtung: Diese Zahlen variieren stark je nach Standort. Während es in den USA 10 Sekunden Netflix-Streaming entspricht, wären es in Frankreich aufgrund des unterschiedlichen Strommixes bereits 50 Sekunden. Der Energieverbrauch hängt also nicht nur vom Modell ab, sondern auch davon, wo die Rechenzentren stehen und wie dort der Strom produziert wird.
Das klingt zunächst vernachlässigbar – 10 Sekunden Netflix, ein kleines Radieschen Wasserverbrauch. Bei einer einzelnen Anfrage ist es das auch. Problematisch wird es erst bei der schieren Masse der weltweiten Nutzung. Wenn Millionen von Menschen täglich KI-Tools verwenden, summieren sich diese „Netflix-Sekunden“ und die Radieschen zu einem beachtlichen Energie- und Wasserverbrauch.
Die gute Nachricht: Du musst nicht auf KI verzichten. Mit dem richtigen Bewusstsein lässt sich KI effizient und klimaschonend nutzen. Es geht nicht darum, die Technologie zu verteufeln, sondern sie intelligent einzusetzen.
Genauso wie du heute wahrscheinlich bewusst entscheidest, welches Verkehrsmittel du nimmst – Auto für weite Strecken, Fahrrad für kurze Wege – können wir auch bei KI-Modellen gezielt wählen. Genau darum geht es in diesem Artikel.
Transparenz beim Energie- und Wasserverbrauch: Die unterschiedlichen Ansätze
Mistral AI: Ein wichtiger erster Schritt
Mistral AI hat 2025 als eines der ersten Unternehmen eine detaillierte Analyse ihres Energieverbrauchs veröffentlicht. Das ist durchaus bemerkenswert in einer Branche, die sonst eher zurückhaltend mit solchen Daten umgeht.
Die Untersuchung erfasst drei zentrale Bereiche: Treibhausgasemissionen, Wasserverbrauch und Materialverbrauch. Für ihr Flaggschiff-Modell Mistral Large 2 gibt das Unternehmen konkrete Zahlen an: Eine Seite Text (400 Token) verursacht 1,14g CO₂-Äquivalent, benötigt 0,05 Liter Wasser und 0,2mg Antimon-Äquivalent an Materialien. Diese Werte entsprechen etwa 10 Sekunden Online-Streaming in den USA oder dem Anbauen eines kleinen Radieschens.
Interessant ist die Aufschlüsselung der Lifecycle-Phasen: 85,5% der Treibhausgasemissionen und 91% des Wasserverbrauchs entstehen beim Training und der Nutzung der Modelle, während die Hardware-Herstellung 61% des Materialverbrauchs ausmacht.
Die zentrale Erkenntnis der Studie: „Our study also shows a strong correlation between a model’s size and its footprint“. Ein zehnmal größeres Modell verbraucht auch etwa zehnmal mehr Ressourcen – eine logische, aber nun wissenschaftlich belegte Korrelation.
Allerdings hat die Studie auch Grenzen. Mistral selbst räumt ein, dass es sich um eine „erste Annäherung“ handelt, da noch keine Standards für die Umweltbilanzierung von LLMs existieren und verlässliche Lifecycle-Daten für GPUs fehlen. Die Zahlen mussten teilweise geschätzt werden, was die Genauigkeit einschränkt. Zudem bezieht sich die Analyse nur auf Mistrals eigene Modelle – ein direkter Vergleich mit anderen Anbietern ist daher schwierig.
Trotz dieser Einschränkungen liefert die Studie wichtige Anhaltspunkte und könnte anderen Unternehmen als Vorlage dienen. Mistral schlägt vor, dass Unternehmen ihre Umweltdaten standardisiert veröffentlichen sollten, um Vergleiche zu ermöglichen. Ob andere Anbieter diesem Beispiel folgen, bleibt abzuwarten.
OpenAI: Weniger Details, große Zahlen
OpenAI geht deutlich zurückhaltender mit detaillierten Verbrauchsdaten um. CEO Sam Altman nannte 0,34 Wattstunden pro ChatGPT-Anfrage – etwa so viel wie eine Sekunde Backofen-Betrieb. Diese Angabe klingt präzise, doch die Berechnungsgrundlage bleibt unklar. Handelt es sich um einen Durchschnittswert? Welche Anfragetypen wurden berücksichtigt? Diese Fragen bleiben offen.
Externe Studien zeigen deutliche Schwankungen: Während einfache Anfragen etwa 0,3 Wattstunden verbrauchen, können komplexere Anfragen deutlich mehr Wattstunden benötigen. Das ist eine erhebliche Spanne, die zeigt, wie schwierig pauschale Aussagen sind.
Die Größenordnung des Gesamtverbrauchs ist dennoch beeindruckend: ChatGPT verursacht jährliche Stromkosten von etwa 140 Millionen US-Dollar bei täglich über 1 Milliarde Anfragen. Das entspricht 39,98 Millionen Kilowattstunden pro Tag – genug Strom für das Empire State Building über anderthalb Jahre. Hinzu kommen 177 Millionen Liter Wasser täglich für die Kühlung der Rechenzentren.
Diese Zahlen verdeutlichen das Ausmaß, auch wenn eine detaillierte Aufschlüsselung nach Modellen und Anfragetypen fehlt. Für Nutzer ist es dadurch schwieriger einzuschätzen, wie sich verschiedene Nutzungsszenarien auf den Energieverbrauch auswirken.
Die Dimensionen der KI-Nutzung
Video- und Bild-KI: Verbrauch
Unabhängig vom Anbieter zeigt sich bei Video-Generierung ein klarer Trend: Ein 5-sekündiges Video benötigt 700-mal mehr Energie als ein einzelnes Bild. Bei Bildern sieht die Bilanz differenzierter aus.
Georg vom KI Marketing Bootcamp hat eine interessante Rechnung aufgemacht: „Die Generierung eines Bildes verursacht im Schnitt 1–3 Gramm CO₂. Klingt wenig – und ist es auch.“ Setzt man das in Relation zu klassischen Produktionsmethoden, ergibt sich ein überraschendes Bild.
„Ein klassisches Fotoshooting mit 300 Bildern (inkl. An- und Abfahrt mit dem E-Auto, 15 km einfach) verursacht rund 3,3 kg CO₂. Davon entfallen 2,4 kg allein auf die Fahrt“, rechnet Georg vor. „Die Generierung von 300 hochwertigen KI-Bildern auf einer RTX 4090 kommt auf 0,93 kg CO₂ – und das ganz ohne Location, Kamera oder Autofahrt.“
Diese Perspektive ist wichtig: KI-Bildgenerierung kann in bestimmten Szenarien sogar klimafreundlicher sein als herkömmliche Methoden. Besonders bei großen Werbeproduktionen, wo Teams durch die Welt geflogen werden, kann KI echte CO₂-Einsparungen bringen.
Entscheidend ist also nicht die Technologie an sich, sondern ihr Einsatzzweck. Zwischen massenweise generiertem „AI Slop“ und hochwertigem Ersatz für ressourcenintensive Produktionen liegt ein riesiger Unterschied.
Mehr zur Videogenerierung – inklusive Video-Prompt-Bot – findest du hier!
Die wichtige Einordnung
Einzelne Prompts sind nicht das zentrale Problem. Es geht um bewusste und effiziente Nutzung im größeren Kontext. Die verschiedenen Anbieter haben unterschiedliche Effizienzgrade, aber das Grundprinzip bleibt gleich: Bewusste Auswahl und effiziente Nutzung machen den Unterschied.
Das zeigt auch: Pauschale Urteile über KI und Klimaschutz greifen zu kurz. Wie bei jeder Technologie kommt es darauf an, sie intelligent und zielgerichtet einzusetzen.
Der Entscheidungsbaum: Intelligent wählen statt blind konsumieren
Mistral hat in ihrer Studie zwei wichtige Hebel identifiziert: „Choosing the model size that is best adapted to users‘ needs“ und „grouping queries to limit unnecessary computing“.
In der Praxis heißt das: Kleine Aufgaben = kleine Modelle = weniger „Netflix-Sekunden“. Und wenn du mehrere Fragen hast, pack sie am besten in eine Anfrage, statt fünf einzelne zu stellen.
Der Entscheidungsbaum zeigt dir ganz konkret: Brauchst du wirklich KI oder reicht Google etc.? Und wenn KI, dann welche Größe? Es ist wie bei der Verkehrsmittelwahl – du nimmst ja auch nicht den Lastwagen für den Weg zum Bäcker.
KI-Einsatz: nachhaltig oder nicht?
🌱 Der interaktive Entscheidungsbaum für bewussten KI-Einsatz
Ich habe eine Aufgabe zu lösen
Lass uns gemeinsam den besten Weg finden!
AI Literacy – Warum Bildung den Unterschied macht
Genau wie bei der Mobilität haben wir heute meist ein gutes Gespür dafür entwickelt: Auto vs. Fahrrad vs. ÖPNV. Jedes hat seine Berechtigung, aber für verschiedene Zwecke. Bei KI brauchen wir das gleiche Bewusstsein: Große KI vs. kleine KI vs. gar keine KI.
Was Mistral empfiehlt
Die Mistral-Studie schlägt zwei Ansätze vor:
Für Unternehmen: Mehr Transparenz! Alle sollten ihre Umweltauswirkungen standardisiert veröffentlichen, damit wir als Nutzer vergleichen können.
Für uns Nutzer: „developing AI literacy to help people use GenAI in the most optimal way“ – sprich, verstehen lernen, wann welches Tool sinnvoll ist.
Die richtigen Fragen stellen
Bevor du zu KI greifst, frag dich: „Brauche ich den SUV oder reicht das Fahrrad?“
Konkret bedeutet das:
- Technisches Verständnis entwickeln: Die „Netflix-Sekunden“ im Kopf behalten
- Prompt-Engineering lernen: Effizienter fragen = weniger Verbrauch
- Alternativen kennen: Manchmal ist Google, eine Dokumentation oder ein einfaches Tool die bessere Wahl
„Radish Academy“ – Schulung für nachhaltige KI-Nutzung
Unsere Mission: KI-Marketing mit Bewusstsein
Gerade im Marketing nutzen wir KI richtig intensiv – Content-Erstellung, Kampagnen, Analysen. Das heißt, wir haben eine besondere Verantwortung. Und mal ehrlich: Effizienter KI-Einsatz steigert nicht nur deinen ROI, sondern schont auch die Umwelt. Win-win!
Was unsere Schulungen dir beibringen:
- Bewusster KI-Einsatz: Wann welches Tool für welche Aufgabe?
- Effizienz-Techniken: Maximaler Output bei minimalem Energieverbrauch
- Kritisches Denken: KI-Outputs hinterfragen und validieren
- Nachhaltige Strategien: Langfristig denken statt kurzfristig optimieren
Fazit
Wir lieben KI – aber wir sind nicht blind dafür. Genau das wollen wir dir vermitteln: Wie du KI effizient und mit Bewusstsein einsetzt. Denn nur wer versteht, was er tut, kann es auch richtig machen.
KI ist ein fantastisches Werkzeug, aber wie jedes mächtige Tool sollten wir es mit Verstand nutzen. Ein bisschen wie beim Autofahren: Nicht jeden Tag, nicht für jeden Weg, aber wenn’s passt, dann richtig gut.
Bereit für den nächsten Schritt?
Die Tools entwickeln sich schnell, und jedes hat seine Besonderheiten.
Im KI Marketing Bootcamp gehen wir systematisch vor: Von der Strategie über die Tool-Auswahl bis zur konkreten Umsetzung. Du lernst nicht nur die Theorie, sondern arbeitest an echten Projekten – mit direktem Feedback und praktischen Workflows, die du sofort einsetzen kannst.
Was erwartet dich?
- Praxisorientierte Anleitungen: Lerne, wie du KI-Tools strategisch einsetzt und das Beste aus ihnen herausholst
- Erprobte Workflows: Vom Konzept bis zur Umsetzung – mit sofort anwendbaren Strategien
- Individuelle Begleitung: Kleine Gruppen und persönliche Betreuung bei deinen Projekten
Deine Vorteile:
- Learning by Doing: Entwickle eigene Kampagnen, die auf deine spezifischen Ziele zugeschnitten sind
- Praxiswissen: Nutze echte Beispiele und Erfolgsstrategien für deine eigenen Projekte
- 100% Online: Flexibel lernen, wann es in deinen Zeitplan passt
Für Unternehmen: Maßgeschneiderte Workshops für dein Marketing-Team.
Dein Expertenteam: Vroni Hackl und Georg Neumann – dein Expertenteam und deine Guides durch KI im Marketing.
