Ich nutze KI 10 Stunden täglich. Das habe ich über Wasserverbrauch herausgefunden.

7 min read

„Weißt du eigentlich, wie viel Wasser das verbraucht?"

Belehrung incoming. (Ich hasse sowas.)

Ich habe fünf Jahre damit verbracht, ein Stroh-Lehm-Haus zu bauen, komplett autark, eigenes Wassersystem, Solarpanels auf dem Dach. Echte Entscheidungen. Die Art, die Wochenenden kostet, Ersparnisse und mehr Streit mit Bauämtern, als mir lieb ist. Wenn also jemand, der vier Croissants zum Frühstück isst, beschließt, mir Vorträge über meine Claude-Anfragen zu halten, mache ich eines: Ich checke die Zahlen.

Das habe ich getan.

Was ich fand, ärgerte mich noch mehr. Nicht aus den Gründen, die ihr denkt.

TL;DR: Euer AI-Verbrauch für ein ganzes Jahr verbraucht weniger Wasser als die Jeans, die ihr gerade tragt. Das echte Problem existiert, aber es zielt nicht auf euch ab, wie sie es darstellen. So lest ihr diese Debatte, ohne von beiden Seiten verarscht zu werden.

Professional working with multiple AI interfaces, analyzing water consumption data and tech impact
AI's Durst: Wenn Produktivität auf Hydrations-Hysterie trifft

Die Zahl, die alle zitieren, ist falsch

Die „500ml pro Anfrage"-Behauptung. Habt ihr gesehen. Reddit-Threads, LinkedIn-Posts, Konferenz-Talks, euer Kollege, der gerade Umweltauswirkungsstatistiken entdeckt hat.

Sie stammt aus einem 2023er Paper von Shaolei Ren an der UC Riverside, Making AI Less Thirsty. Gutes Paper, wirklich nützlich. Aber die Zahl, die viral ging, ist nicht das, was das Paper tatsächlich sagt.

Die Studie maß 500ml für 20 bis 50 Fragen, für GPT-3, laufend auf Microsoft Azure Rechenzentren in 2022, mit Verdunstungskühlung. Das sind höchstens 10 bis 25ml pro Anfrage. Nicht pro Unterhaltung. Pro Anfrage. Auf Hardware, die drei Generationen alt ist, in Anlagen, die seitdem erheblich aufgerüstet wurden.

Sam Altman erklärte im Februar 2026, dass eine typische ChatGPT-Anfrage 0,3ml verbraucht. Ein unabhängiger Analyst, der dieselbe Methodik mit aktuellen Modellen durchrechnete, landete bei etwa 5ml als realistische Zahl. Die tatsächliche Zahl liegt irgendwo in diesem Bereich, je nachdem wo eure Anfrage verarbeitet wird und welches Kühlsystem das Rechenzentrum verwendet.

Diese Varianz ist keine Fußnote. Ein Rechenzentrum in Island mit kostenloser Luftkühlung verbraucht nahezu null Wasser. Dieselbe Anfrage, verarbeitet in einer Arizona-Anlage mit Verdunstungskühlung im Sommer, verbraucht um Größenordnungen mehr. Gleiches Modell, gleicher Prompt, komplett anderer Fußabdruck. Die Zahl ohne die Geografie ist bedeutungslos.

Ein ehrlicher Vorbehalt: Die großen Labs veröffentlichen keine granularen Pro-Anfrage-Wasserdaten. OpenAI, Google, Microsoft berichten alle aggregierte Zahlen mit genug Mehrdeutigkeit, dass unabhängige Forscher schätzen müssen. Also ja, wir arbeiten mit Näherungen. Der 0,3ml bis 25ml Bereich ist real, und jeder, der Präzision darüber hinaus behauptet, arbeitet mit Modellen, nicht Messungen. Einschließlich der Leute, die die 500ml-Behauptung aufstellen.

Die virale Zahl ist eine Extrapolation aus einer 2022er Studie, angewandt auf 2026er Modelle. Das ist keine Wissenschaft. Das ist ein Meme.

Lasst mich die Rechnung für meinen eigenen Verbrauch machen

Ich betreibe die komplette Infrastruktur hinter meinem täglichen AI-Workflow auf einem 5€-VPS. Mehrere Modelle, mehrere Sessions, Claude Code läuft die meiste Zeit des Tages. Zehn Stunden aktive AI-Nutzung, die meisten Tage, seit Monaten.

Nehmen wir die pessimistische Schätzung und seien großzügig damit: 25ml pro Anfrage. Angenommen, ich durchschnittlich eine Anfrage alle zwei Minuten während aktiver Sessions. Das sind 30 Anfragen pro Stunde, 300 pro Tag, etwa 110.000 pro Jahr. Runden wir auf 120.000 auf für die Automatisierungen im Hintergrund.

120.000 Anfragen mal 25ml: 3.000 Liter pro Jahr.

Klingt bedeutend. Also vergleichen wir es mit Dingen, über die mich niemand belehrt.

1 Paar Jeans: 10.000 L
1 Rindersteak (200g): 3.000 L
1 Baumwoll-T-Shirt: 2.700 L
euer AI-Habit, 1 Jahr: 912 L
1 Tasse Kaffee: 140 L
1 Waschgang: 72 L

Water consumption comparison of AI queries, clothing, food, and daily activities
Wasserverbrauchsaufschlüsselung: AI-Anfragen versus Alltagsgegenstände und -aktivitäten

Bei 25ml pro Anfrage landet ein ganzes Jahr intensiver AI-Nutzung bei etwa 900 Litern. Weniger als ein Paar Jeans. Bei der realistischeren 5ml-Schätzung sind es unter 200 Liter. Ein paar Waschgänge. Bei Altmans offengelegten 0,3ml sind es 36 Liter. Eine lange Dusche.

Ein Paar Jeans kostet 11-mal mehr Wasser als ein Jahr eurer AI-Gewohnheit.

Der Croissant-Typ, der mich belehrte? Seine Frühstücksroutine (vier Croissants, Butter, Kaffee, Orangensaft) schlägt irgendwo um 600 Liter eingebettetes Wasser zu Buche. Pro Morgen. Das ist, bevor wir zählen, was er trägt.

Vollständige Offenlegung: Ich bin hier keine neutrale Partei. Ich baue täglich mit AI, ich betreibe Infrastruktur, die davon abhängt, dass diese Modelle verfügbar und bezahlbar bleiben, und ich habe ein offensichtliches Interesse daran, dass das kein Problem ist. Ich sage euch das im Voraus, weil ich denke, dass die Zahlen trotzdem stimmen, und ich möchte lieber, dass ihr sie selbst überprüft, als mir zu glauben.

Das echte Problem ist real, nur nicht dort, wo sie hinzeigen

Der individuelle Fußabdruck ist vernachlässigbar. Der systemische Fußabdruck ist es nicht. Beides ist wahr, und sie zu verwechseln ist entweder verwirrt oder praktisch.

2023 gab Microsoft bekannt, dass 41% seiner Wasserentnahmen aus Gebieten mit hohem Wasserstress stammten. Googles Rechenzentrum in Council Bluffs, Iowa verbrauchte in dem Jahr 1 Milliarde Gallonen, genug um ganz Iowas Wohnwasserversorgung für fünf Tage zu versorgen. Amazon veröffentlichte keine vergleichbaren Zahlen, was euch etwas sagt. Ein Januar-2026-Bericht prognostizierte, dass AI-bezogener Wasserverbrauch bis 2050 um etwa 130% wachsen wird.

Das Arizona-Beispiel wird ständig zitiert. In Maricopa County: Golfplätze verbrauchen 29 Milliarden Gallonen pro Jahr. Rechenzentren verbrauchen 905 Millionen Gallonen. Rechenzentren verwenden 32-mal weniger Wasser und generieren dabei 50-mal mehr Steuereinnahmen pro Gallone. Altman stützte sich auf diesen Vergleich, Steinberger machte ihn in einem Podcast, und er ist faktisch korrekt.

Aber auch rhetorisch nutzlos. „Golfplätze verschwenden auch Wasser" behebt nicht die Entscheidung, exascale Training-Infrastruktur in Nevada während einer jahrzehntelangen Dürre zu bauen. Beides kann ein Problem sein. Auf eines zu zeigen löst das andere nicht auf.

Null-Wasser-Rechenzentren existieren. Microsoft setzte sie 2024 ein. Immersionskühlung, Trockenkühlung, flüssigkeitsgekühlte Chips... das sind keine Forschungsprojekte. Das Problem ist nicht unlösbar. Es ist eine Prioritätsentscheidung, die Hyperscaler treffen, wenn Regierungen es von ihnen verlangen, und nicht vorher. Das ist ein Politikproblem. Es in eine Nutzerverhalten-Belehrung zu verpacken ist ein Kategorienfehler.

Das Wasser-Argument landet auf eurem Teller, weil individuelle Schuld billiger zu produzieren ist als systemische Verantwortlichkeit. „Weniger AI nutzen" erfordert kein Lobbying, keine Regulierung, keinen Unternehmensdruck. Sauber, portabel, teilbar. Es erreicht auch strukturell fast nichts.

Das Problem ist real. Nur nicht über euch.

Niemand weiß, was als nächstes kommt (Das war schon immer so)

Die Disruption ist real. Der Schmerz ist real. Und es verdient, klar gesagt zu werden, bevor das „aber Produktivität"-Argument auftaucht.

Leute in kreativen Industrien, Rechtsassistenz, Kundensupport, Code-Review... sie absorbieren echten, unmittelbaren Schmerz gerade jetzt. Nicht theoretischen zukünftigen Schmerz. Die Silicon Valley-Tendenz, mit langfristigen Gewinnen zu führen, während Leute ihre Lebensgrundlage verlieren, ist ein echtes Empathie-Versagen. Die Leute, die diese Tools bauen, schulden dieser Realität etwas Demut, nicht nur Charts über BIP-Projektionen.

Aber bei der Ungewissheit darüber, was als nächstes kommt, lasst uns präzise sein.

Niemand sah den Asteroiden kommen. Die Handweber sahen den mechanischen Webstuhl nicht. Die Typografen sahen Desktop Publishing nicht. Reisebüros sahen das Internet nicht. Jeder große technologische Übergang in der Geschichte wurde ohne verlässliche Karte navigiert, von Leuten, die keine Ahnung hatten, wie er endete.

Was an AI neu ist, ist nicht die Ungewissheit. Es ist die Geschwindigkeit.

Da wir ehrlich über die Vergangenheit sind: würdet ihr tatsächlich zurückgehen? Nicht rhetorisch. Konkret.

Leben vor hundert Jahren: euer Kind stirbt mit drei an Fieber, weil Antibiotika noch ein Jahrzehnt nicht existieren werden. Ihr brecht einen Zahn... keine echte Zahnmedizin, nur Extraktion und Schmerz, und wenn es sich entzündet, könntet ihr daran sterben. Ihr bekommt eine Krebsdiagnose, die heute sechs Wochen Behandlung und danach ein normales Leben bedeutet. 1925 bedeutete es tot in sechs Monaten, weil die Tools noch nicht existierten. Wenn ihr eine Frau seid, könnt ihr in den meisten Ländern nicht wählen und eure rechtliche Persönlichkeit ist größtenteils von eurem Ehemann abhängig.

Jede Generation vor uns absorbierte brutale Übergänge. Die Leute, die sie navigierten, waren nicht die, die das Ergebnis korrekt vorhersagten (niemand tat das). Sie waren die, die nützlich blieben, während die Karte neu gezeichnet wurde.

Die Ungewissheit ist nicht neu. Die Geschwindigkeit ist es.

Experten, die AI-Katastrophe mit totaler Gewissheit vorhersagen, haben dieselbe Erfolgsbilanz wie Experten, die AI-Utopie mit totaler Gewissheit vorhersagen. Null zu null. Die, die es wert sind gelesen zu werden, sind die, die sagen „Ich weiß es nicht, aber so positioniere ich mich."

Was ihr kontrollieren könnt: technisch bleiben, neugierig bleiben, die Hände in echter Arbeit behalten. Nicht weil es etwas garantiert. Weil es die einzige Position ist, von der aus Anpassung möglich ist, was auch immer tatsächlich passiert. 🤷‍♂️

Niemand sah den Asteroiden auch kommen.

Baut trotzdem.

Quellen

Wenn ihr täglich mit AI baut und die echten Zahlen ohne Panik oder Hype wollt, abonniert. Das ist der Deal.

(*) Das Cover ist AI-generiert. Fand es passend.

Wie viel Wasser verbraucht deine KI wirklich? In diesem Artikel decke ich auf, warum die viral gehenden Zahlen mehr Mythos als Realität sind – und was das für deine Produktivität bedeutet.

→ Newsletter abonnieren und Willkommens-Kit sichern