URI: 

       # taz.de -- Ressourcenverbrauch von KI: Nimmersatt
       
       > Für jedes Bild, jede Antwort im Chat, die die künstliche Intelligenz
       > ausspuckt, gräbt sie an Ressourcen. Lässt sich die Gier noch zähmen?
       
       Einen Teelöffel Wasser. So viel verbraucht Sam Altman, Chef des
       ChatGPT-Entwicklers OpenAI, zufolge ein Dutzend Anfragen an dessen
       KI-Chatbot. Die Botschaft: Ein Teelöffel Wasser, das ist doch quasi nichts.
       Und es stimmt. Ein tropfender Hahn kommt auf mehr, die Herstellung der
       Bohnen für eine Tasse Kaffee benötigt über 250 Liter, und wer will da noch
       wissen, wie viel Wasser auf ein Steak kommt? Je nach Quelle und Größe sind
       es 3.000 Liter aufwärts.
       
       Doch die Summe macht es. Und es ist nicht nur Wasser. Die Rechenzentren, in
       denen KI-Modelle trainiert werden und die Dienste laufen, benötigen Strom,
       das Training der Modelle Daten. Und das Problem wächst. Künstliche
       Intelligenz wird zunehmend in andere Dienste eingebaut. In
       [1][Suchmaschinen], in Messengerdienste, in Onlineplattformen.
       
       „Hinter jedem Prompt, Bild oder Video steht eine wachsende Infrastruktur
       von Energiesystemen, Wasserentnahmen, Landnutzung, Ressourcenabbau und
       Elektronikschrott“, erklärte Kaveh Madani, Direktor des Instituts für
       Wasser, Umwelt und Gesundheit der UN-Universität, kürzlich bei der
       Vorstellung eines Reports zu den [2][Umweltfolgen von KI].
       
       Aber es gibt auch eine gute Nachricht. Die KI-Branche ist in Sachen
       Ressourcenverbrauch noch weit weg etwa von der Betonherstellung oder der
       Landwirtschaft. Und während deren über Jahrzehnte gewachsenen Strukturen
       entsprechend schwer zu verändern sind, hat KI noch ein höheres
       Formbarkeitspotenzial. Wenn ein Gesetzgeber jetzt also Vorgaben macht für
       die Energieeffizienz von Rechenzentren, für nachhaltige Wassernutzung, für
       geeignete und ungeeignete Standorte und für einen transparenten Umgang mit
       Trainingsdaten – dann stellt das die richtigen Weichen für die Zukunft.
       
       Daten: Im Training frisst sich die KI durch Bild und Buch
       
       Für gewöhnlich sehen in Europa geborene Kinder ihren ersten lebendigen
       Elefanten im Zoo. Wie so ein Tier aber aussieht, das wissen sie schon
       vorher ganz genau. Sie haben Zeichnungen in einem Bilderbuch gesehen,
       Kuscheltiere oder vielleicht Fotos, die jemand etwa in Ostafrika oder
       Indien aufgenommen hat. Alles in allem dürfte das in der Regel maximal eine
       zweistellige Zahl an Kontakten zwischen Elefantenbild und Kindgehirn sein.
       Trotzdem hat das Kind eine ziemlich genaue Vorstellung vom Tier und kann es
       von einem Nashorn oder Flusspferd unterscheiden.
       
       Ein Kind ist eben auch keine künstliche Intelligenz. Denn die würde mit
       einer zweistelligen Zahl an visuellen Informationen samt Textbeschreibung
       noch nicht weit kommen. Aktuelle KI-Modelle – die zugegebenermaßen etwas
       mehr können, als Tiere voneinander zu unterscheiden – werden mit Textmengen
       in der Größenordnung von Terabyte bis Petabyte trainiert.
       
       Zum Vergleich: Ein Terabyte sind 1.024 Gigabyte – und handelsübliche
       Smartphones, auf denen haufenweise Fotos, Audio- und Videoaufnahmen liegen,
       haben Speicherplatz im zwei- bis dreistelligen Gigabytebereich.
       
       Daten sind also eine zentrale Ressource zur Entwicklung von KI-Systemen.
       Allerdings können KIs ihre Trainingsdaten nicht einfach selbst generieren –
       ohne irgendwann zu kollabieren und nur noch Unsinn zu produzieren. Die
       KI-Firmen brauchen frische Daten, und zwar viele. Um sich die zu
       beschaffen, gehen die Unternehmen rechtlich wie ethisch nicht immer saubere
       Wege, etwa mithilfe sogenannter [3][Schattenbibliotheken]. In denen werden
       auf Tauschbörsen wie BitTorrent urheberrechtlich geschützte Bücher
       gesammelt.
       
       Gerichtsfest ist bereits, dass Meta diesen Weg genutzt hat, wobei sich der
       Konzern darauf beruft, legal gehandelt zu haben – weil man Vorkehrungen
       getroffen habe, die Daten nicht weiterzuverbreiten.
       
       Oder das Beispiel Social-Media-Posts: Die Plattformen wollen hier in der
       Regel die Daten der Nutzenden zum Training verwenden – ohne sie explizit um
       Erlaubnis zu fragen. Allerdings wäre das aus Sicht von
       Datenschützer:innen nach EU-Recht nötig. Dazu kommt: „Das Recht auf
       Vergessenwerden ist de facto nicht mehr durchsetzbar“, sagt Esther
       Görnemann, die am Weizenbaum-Institut zu KI forscht. Schon jetzt gibt es
       juristische Verfahren, weil Chatbots falsche oder das Persönlichkeitsrecht
       verletzende Informationen zu existierenden Personen generiert haben.
       
       Drittes Beispiel: [4][Stimmen]. Der Verband Deutscher Sprecher:innen
       kritisiert, der Streamingdienst Netflix wolle sich für neue Projekte eine
       Rechteabtretung sichern, der zufolge Aufnahmen auch fürs KI-Training
       zugelassen sind.
       
       Im Februar legte der Sprecher:innenverband ein Gutachten der
       Rechtsanwaltskanzlei Spirit Legal vor, das zentrale Klauseln des Vertrags
       als unwirksam oder rechtswidrig einstuft. Auch die Gema ist vor Gericht
       gegangen – und [5][kann erste Erfolge verbuchen]. So entschied jüngst das
       Landgericht München gegen OpenAI: Die Nutzung von Liedtexten durch den
       US-Konzern verstößt laut Gericht gegen das Urheberrecht. Rechtskräftig ist
       das Urteil noch nicht. Auch ein weiteres Verfahren gegen den
       KI-Musikgenerator Suno läuft noch. Ziel der Gema ist, dass KI-Unternehmen
       künftig für die Nutzung der musikalischen Werke zahlen.
       
       Eher gezwungenermaßen einigte sich vergangenes Jahr das KI-Unternehmen
       Anthropic mit US-Autor:innen auf einen Vergleich. Zur Beilegung einer
       Sammelklage, die Anthropic die unrechtmäßige Nutzung von Büchern für das
       KI-Training vorwarf, verpflichtete es sich, mindestens 1,5 Milliarden
       US-Dollar an Autor:innen zu zahlen. Pro Buch sollen das Medienberichten
       zufolge rund 3.000 US-Dollar sein.
       
       Einen Erfolg verbuchen kann auch die Wikimedia-Stiftung. Sie gab Anfang des
       Jahres bekannt, dass sie spezielle Zugänge eingerichtet hat, die KI-Firmen
       nutzen können, um an Trainingsdaten zu gelangen – und dafür Lizenzgebühren
       zahlen. Konkrete Zahlen nennt die Stiftung nicht. Aber dass Firmen wie
       Google, Amazon und Microsoft mitmachen, ist ein Erfolg.
       
       Forscherin Esther Görnemann fordert, auch in Sachen Regeln nachzulegen:
       etwa eine Pflicht dazu, dass die KI-Unternehmen ihre Trainingsdaten
       offenlegen. Damit würden die Firmen wahrscheinlich von selbst darauf
       achten, keine Urheberrechtsverletzungen zu begehen. Gleichzeitig könnten
       dann mit gutem Kuratieren der Daten beispielsweise menschenverachtende
       Inhalte ebenso wie persönliche Daten entfernt werden.
       
       „Außerdem sollten wir stärker jenseits der LLMs denken“, sagt Görnemann.
       Als Alternative nennt sie unter anderem SLMs – kleine Sprachmodelle. Zum
       Beispiel die Organisation EleutherAI, die kleine Modelle entwickelt, deren
       Trainingsdaten rein aus Open-Source-Quellen bestehen, darunter frei
       verfügbarer Code, wissenschaftliche Texte und Bücher aus der freien
       Bibliothek Projekt Gutenberg.
       
       „Small-Language-Modelle sind rechtssicherer, transparenter und
       nachvollziehbarer“, sagt die Forscherin – und in ihren spezifischen
       Bereichen auch zuverlässiger in ihren Antworten. Für Europa, das gerade
       seinen Weg sucht im globalen KI-Wettrennen, könne das ein
       vielversprechender Ansatz sein.
       
       Energie: Sie frisst sich durch Strom und Gas
       
       Dort, wo in den USA Rechenzentren ihre KI-Modelle betreiben, formt sich
       unter den Anwohner:innen Widerstand. Sie fürchten, die Zentren könnten
       die örtlichen Strompreise nach oben treiben. Zwar sagt Sam Altman, Chef von
       OpenAI, eine Anfrage an ein ChatGPT-Modell verbrauche nur 0,34 Wattstunden
       – so viel Energie wie ein Ofen in einer Sekunde.
       
       Google gibt an, ihre KI Gemini verbrauche sogar nur 0,24 Wattstunden. Wie
       die Konzerne aber zu diesen Zahlen kommen, lassen sie nicht unabhängig
       überprüfen. Sie haben ein Interesse daran, die Zahlen kleinzurechnen.
       
       Und wie sich das rasante Wachstum der KI-Stromfresser mit dem Ende fossiler
       Stromversorgung vereinbaren lässt, steht noch aus. Der Internationalen
       Energieagentur ([6][IEA) zufolge wächst der Strombedarf von Rechenzentren]
       – für KI, aber auch für andere Internetdienste – weltweit viermal schneller
       als die Stromnachfrage aller anderen Sektoren. [7][2030 könnten sie 3
       Prozent des globalen Verbrauchs ausmachen], derzeit sind es noch 1,5. Aber
       falls KI in den nächsten Jahren stärker genutzt wird als im
       Standardszenario der IEA, könnten es auch 4,4 Prozent werden.
       
       All das sind grobe Schätzungen. Wie viel Strom ein KI-Modell braucht, „das
       können wir nicht genau wissen“, sagt Ralf Herbrich. Er forscht zu KI und
       Nachhaltigkeit am Hasso-Plattner-Institut der Universität Potsdam, hat
       schon bei Microsoft, Facebook, Amazon und Zalando zu KI gearbeitet.
       „Einerseits gibt es Probleme mit der Messbarkeit, andererseits mit der
       öffentlichen Verfügbarkeit von Daten“, sagt er.
       
       Ein KI-Sprachmodell wie ChatGPT, Claude oder Gemini werde drei bis sechs
       Monate trainiert, „für ein modernes System brauche ich 20 Millionen
       GPU-Stunden“, erklärt Herbrich. Ein GPU ist ein Prozessor, mit dem sich
       KI-Modelle besonders gut trainieren lassen. Ihr Verbrauch liege bei 1
       Kilowatt pro Stunde, insgesamt verschlingt das Training für eine neue
       Version von ChatGPT also um die 20 Millionen Kilowattstunden. Das
       entspricht etwa 286.000 E-Auto-Ladungen oder der Stromproduktion eines
       Windrads in 16 Monaten.
       
       Aber das Training macht nur 10 bis 20 Prozent des Stromverbrauchs von
       KI-Sprachmodellen aus, den Rest die Nutzung: Ein Bild zu erzeugen, benötige
       etwa halb so viel Energie wie eine Smartphone-Akkuladung, sagt Herbrich,
       und sei etwa zehnmal so energieintensiv wie das Erzeugen eines längeren
       Textes, was wiederum etwa zehnmal so viel Strom verbrauche wie eine ganz
       kurze Antwort. Das unterscheide sich aber je nach Modell und Version – und
       transparent machen die Unternehmen das nicht.
       
       Dazu kommen noch die Kühlung des Rechenzentrums, in dem die Prozessoren
       arbeiten, Datenspeicher, Netzwerkequipment und Back-up-Batterien oder
       -Generatoren, die sich alle je nach Bauart unterscheiden. Außerdem sind
       Rechenzentren selten nur mit den Anfragen für ein einziges Sprachmodell
       beschäftigt, sondern erledigen eine ganze Reihe von Aufgaben mit
       unterschiedlichen Strombedarfen. All das macht es kompliziert, den
       Stromverbrauch von KI zu berechnen.
       
       Diverse Unternehmensberatungen, Forschungsinstitute und die IEA haben sich
       trotzdem an Schätzungen versucht. Forscher:innen des Öko-Instituts haben
       im Auftrag von Greenpeace [8][auf dieser Basis die Folgen des
       Rechenzentrenausbaus untersucht]. Bis 2030 steigt deren Energieverbrauch
       weltweit demnach auf 1.389 Terrawattstunden, deutlich mehr als die 945
       Terrawattstunden, aus dem Normalszenario der IEA.
       
       Das Öko-Institut geht aber noch einen Schritt weiter: Es berechnet, wie
       klimaschädlich der KI-Boom ist. Das ist noch schwieriger. Denn wenn ein
       Rechenzentrum ans schwedische Stromnetz angeschlossen ist, das zu 99
       Prozent mit erneuerbaren Energien läuft, ist es bei gleicher Leistung für
       deutlich weniger CO2-Emissionen verantwortlich als im Kohleland Polen.
       
       Das Öko-Institut nimmt dafür seine Schätzung des Energieverbrauchs der
       Rechenzentren und teilt ihn auf die USA, China, Europa und den Rest der
       Welt auf. Mithilfe der Anteile erneuerbarer Energien am jeweiligen Strommix
       der Region kommen sie auf insgesamt 356 Millionen Tonnen CO2-Ausstoß im
       Jahr 2030, mehr als dreimal so viel wie 2025. „Wir haben sogar mit einem
       optimistischen CO2-Reduktionspfad in der weltweiten Stromerzeugung
       gerechnet und sind trotzdem auf diese hohen Zahlen gekommen“, sagt Jens
       Gröger, der die Studie mitgeschrieben hat.
       
       Noch ein Grund, warum die Öko-Institut-Zahlen den CO2-Ausstoß der
       Rechenzentren eher unterschätzen: „In den USA sieht es teilweise noch
       schlimmer aus, weil dort, wo der Strom sowieso knapp ist, Gasturbinen für
       die Rechenzentren gebaut werden“, sagt Gröger. So zum Beispiel das
       Rechenzentrum für Elon Musks KI-Modell Grok, das auf Anfragen von Nutzern
       tagelang [9][sexualisierte Deepfakes von Frauen und Mädchen] generierte.
       
       KI-Forscher Sasha Luccioni fordert im [10][MIT Technology Review]: „Wir
       sollten aufhören, Zahlen basierend auf Hörensagen zu rekonstruieren,
       sondern mehr Druck auf diese Unternehmen ausüben, die echten Zahlen
       herauszugeben.“ Zumal Ralf Herbrich darauf hinweist, dass
       KI-Entwickler:innen dabei sind, den Stromverbrauch der Modelle zu
       verkleinern. „Der Ausbau erhöht die Notwendigkeit, die Energiewende
       voranzutreiben, den Ausbau der erneuerbaren Energien zu beschleunigen, und
       er treibt die Forschung in energieeffizientere Software voran“, sagt er.
       
       Gröger ist weniger zuversichtlich: „So schnell, wie der Ausbau stattfindet,
       kommen die Stromnetzbetreiber nicht hinterher, diesen Strom durchzuleiten“,
       sagt er. Er hält es jedoch ebenfalls für möglich, KI für Klima- und
       Umweltschutz einzusetzen – nur nicht mit den riesigen Sprachmodellen der
       US-Techgiganten, sondern zum Beispiel mit auf Müllsortierung
       spezialisierten, kleinen Modellen. „Man kann alle Dienste effizient
       anbieten, wenn man zuerst die Aufgaben und dann die Lösungen definiert,
       aber die großen KI-Firmen machen es umgekehrt: Sie bieten die Sprachmodelle
       an und suchen nach Aufgaben“, sagt Gröger.
       
       Um den KI-Boom in geregelte Bahnen zu lenken, schlägt er vor, zuerst zu
       klären, wofür die KI eingesetzt werden soll, kleinere Rechenzentren zu
       bauen und deren Abwärme etwa zur Wärmeversorgung zu nutzen. Die aktuelle
       Art der KI-Entwicklung sei „nicht gottgegeben“, sagt er. Man könne als
       Staat durchaus eingreifen. „Die Lösung ist nicht, die US-Techkonzerne in
       der EU zu kopieren.“
       
       Ganz ähnlich sehen das die fünf KI-Forscher:innen, die das
       Bundesumweltministerium zu nachhaltiger KI-Nutzung beraten haben.
       Deutschlands „industrielle KI-Landschaft“ beruhe auf aufgabenspezifischen,
       spezialisierten KI-Modellen, die sich für die Anwendung in der Industrie
       besser eigneten und gleichzeitig weniger Energie verbrauchten als die
       großen KI-Modelle von Anthropic und Co.
       
       Sie schlagen deshalb neben Transparenzpflichten auch vor, Forschungsgelder
       gezielt an KI-Entwickler:innen zu geben, die abseits der aktuell angesagten
       generativen Modelle arbeiten. Außerdem sollten deutsche und europäische
       Behörden Umweltschutzkriterien beachten müssen, wenn sie KI-Anwendungen und
       Clouddienste einkaufen, sodass Entwickler:innen einen Anreiz haben,
       diese Kriterien einzuhalten.
       
       Wasser: Die KI dürstet nach Wasser
       
       Über 3.000 Rechenzentren stehen in der EU. Um den zunehmenden Bedarf durch
       Digitalisierung und KI zu decken, will die EU-Kommission viele mehr bauen.
       Auch in Deutschland sollen sich die Rechenzentrumskapazität bis 2030
       verdoppeln und „die Kapazitäten für künstliche Intelligenz und
       High-Performance-Computing vervierfachen“, verkündete Digitalminister
       Karsten Wildberger (CDU) im März zur neuen nationalen
       Rechenzentrumsstrategie.
       
       In manchen Regionen könnte die aber zum Problem werden. Nach einer Studie
       des Bundesverbands Bitkom werden viele der neuen Zentren dort gebaut, wo
       der Wasserstress ohnehin hoch ist, etwa im [11][von Trockenheit betroffene
       Brandenburg] oder im Rhein-Main-Gebiet rund um Frankfurt. Beide Gegenden
       gehören nach einer Studie des BUND zu den am stärksten betroffenen Regionen
       Deutschlands. Dort, auf lokaler Ebene, kann der Wasserverbrauch der
       Rechenzentren zum Problem werden.
       
       Er umfasst verschiedene Bereiche. Die Wissenschaft betrachtet sowohl den
       Wasserverbrauch in der Anwendung und im Training und inkludiert den
       Verbrauch zur Stromerzeugung und der Kühlung. Somit landen unabhängige
       Studien bei einem errechneten Wasserverbrauch pro Anfrage, der 15- bis
       75-mal so hoch ist wie der der Anbieter, die nur den Verbrauch im Moment
       der Anfrage zählen. So soll ChatGPT nicht mehr als ein Tröpfchen, „ein
       Fünfzehntel eines Teelöffels“, Wasser verbrauchen.
       
       Der Deutsche Verein des Gas- und Wasserfaches bleibt auf Anfrage aber
       entspannt. In der Gesamtschau werde der neue Wasserbedarf ausgeglichen
       durch Effizienzgewinne und durch die Energiewende. Der Energieverbrauch
       fällt je nachdem besonders ins Gewicht: Strom aus Atom, Gas und Kohle
       verbraucht deutlich mehr Wasser als aus Wind und Solar. In den letzten
       Jahrzehnten sank der Wasserverbrauch durch Stromerzeugung deswegen von 29
       Millionen auf 9 Millionen Kubikmeter.
       
       Trotzdem brauchen Rechenzentren Kühlung, und die verbraucht vor Ort Wasser.
       Über den Wasserstress durch Rechenzentren dringen Informationen nur
       tröpfchenweise an die Öffentlichkeit. Denn obwohl die europäische
       Energieeffizienzrichtlinie Rechenzentren verpflichtet, ihren Verbrauch
       offenzulegen, verstecken sich Betreiber hinter nationalen Ausnahmen. Laut
       einem Bericht der EU-Kommission wurden die entsprechenden Daten für das
       Jahr 2024 nur für 36 Prozent der Rechenzentren gemeldet. Und auch in
       Deutschland meldeten insbesondere die großen Rechenzentren „entweder gar
       keine Verbräuche oder lassen Energie- und Wasserverbrauch schlicht aus“,
       sagt Julian Bothe von der NGO Algorithm Watch.
       
       Gerade streng durchgesetzte Energieeffizienzregeln wären ein starker Hebel,
       um den Wasserverbrauch zu senken – würde Bundeswirtschaftsministerin
       Katherina Reiche das Energieeffizienzgesetz nicht gerade versuchen
       abzuschwächen.
       
       Mehr Transparenz hilft in der Planung neuer Rechenzentren. Wie viel Wasser
       sie verbrauchen, kann auf mehreren Wegen gesteuert werden, etwa durch den
       Standort. [12][Kühle Lagen] helfen dabei, allein durch die Außenluft die
       Rechenzentren zu kühlen. Orte mit lokaler Infrastruktur, um die Abwärme
       direkt zu nutzen, könnten doppelt profitieren. Doch bisher entscheidet nach
       einer [13][Studie der Gesellschaft für Informatik] primär die Anbindung an
       Energienetze und Internetknotenpunkte den Standort. Ökologische Faktoren
       spielten eine untergeordnete Rolle. Einige Unternehmen entwickeln
       [14][Kühlsysteme, die etwa einen geschlossenen Kreislauf bilden]. Damit sie
       sich als Best Practice durchsetzen, helfen klare Rahmenbedingungen.
       
       Nach Recherchen von Lobby Control und Campact deutet viel darauf hin, dass
       Techkonzerne auf die Änderung des Energieeffizienzgesetzes Einfluss nahmen.
       Der Entwurf sieht vor, dass der Ressourcenverbrauch nicht mehr
       veröffentlicht werden muss. Dabei forderten deutsche und europäische
       Anbieter durchaus mehr Transparenz und klare Auflagen, sagt Bothe. „Weil
       sie besonders gut sind in nachhaltiger Rechnerei.“ Gegen die US-Anbieter
       könne Europa mit nachhaltigerer KI wettbewerbsfähig bleiben. Laschere
       Regeln könnten wirtschaftlich von Nachteil sein.
       
       Die Kabinettsabstimmung über das Energieeffizienzgesetz wurde verschoben,
       möglicherweise auch wegen öffentlichen Drucks: Über 150.000 Unterschriften
       hat die Petition „Klimaschutz statt KI-Wahn“. Sie fordert Leitplanken für
       Big Tech.
       
       Hinweis: In einer früheren Version des Textes hieß es, ein Terabyte seien
       etwa 1.024 Gigabyte. Es sind jedoch genau 1.024 Gigabyte.
       
       20 Jun 2026
       
       ## LINKS
       
   DIR [1] /Wie-kuenstliche-Intelligenz-die-Online-Suche-veraendert/!6169810
   DIR [2] /Umweltfolgen-von-kuenstlicher-Intelligenz/!6183982
   DIR [3] /Kuenstliche-Intelligenz/!6186606
   DIR [4] /KI-zum-Klonen-von-Stimmen/!6002363
   DIR [5] /Was-darf-ChatGPT-mit-Songtexten-tun/!6128826
   DIR [6] https://www.iea.org/reports/energy-and-ai
   DIR [7] /Energieverbrauch-von-KI/!6077886
   DIR [8] https://www.oeko.de/news/pressemeldungen/ki-auf-kosten-des-klimaschutzes-energiebedarf-von-rechenzentren-verdoppelt-sich-bis-2030/
   DIR [9] /KI-Deepfakes-von-Frauen-auf-X/!6144230
   DIR [10] https://www.technologyreview.com/2023/12/01/1084189/making-an-image-with-generative-ai-uses-as-much-energy-as-charging-your-phone/
   DIR [11] /Boom-der-Serverfarmen/!6099850
   DIR [12] https://www.datacenter-insider.de/der-versteckte-wasserfussabdruck-moderner-rechenzentren-a-1a7797237fc054cf282386d39d0820fe/
   DIR [13] https://gi.de/fileadmin/GI/Allgemein/PDF/2025-06_GI_Studie_KI_RZ_Halbleiter_Auswirkungen_Wasser.pdf
   DIR [14] https://datacentremagazine.com/news/how-closed-loop-cooling-is-reshaping-data-centre-design
       
       ## AUTOREN
       
   DIR Svenja Bergt
   DIR Raoul Spada
   DIR Jonas Waack
       
       ## TAGS
       
   DIR wochentaz
   DIR Zukunft
   DIR Schwerpunkt Künstliche Intelligenz
   DIR Ressourcenverbrauch
   DIR Energie
   DIR Wasser
   DIR Datendiebstahl
   DIR GNS
   DIR Schwerpunkt Künstliche Intelligenz
   DIR Reden wir darüber
   DIR Digitalisierung
   DIR Digitalisierung
   DIR Schwerpunkt Künstliche Intelligenz
       
       ## ARTIKEL ZUM THEMA
       
   DIR Künstliche Intelligenz: KI von OpenAI unternimmt selbstständig Hackerangriff
       
       KI-Prototypen von OpenAI sind aus einer Testumgebung ausgebrochen und haben
       eine Website gehackt, berichtet die Firma. Einen Forscher beunruhigt das.
       
   DIR Rechenzentren und Klimaschutz: KI um jeden Preis
       
       Die Bundesregierung will den Ausbau von Rechenzentren für KI-Modelle
       vorantreiben – und lockert dafür Umweltauflagen. Das ist klimapolitisch
       falsch.
       
   DIR Künstliche Intelligenz: Kaufen, scannen, füttern
       
       Eine Online-Plattform bestellt seit einiger Zeit größere Mengen alter
       Bücher. Händler:innen spekulieren über Betrug, doch vieles spricht für
       KI-Training.
       
   DIR Umweltfolgen von künstlicher Intelligenz: 250 Eiffeltürme Elektronikschrott
       
       Wasser, Land, Strom: KI braucht Ressourcen und verursacht Müll. Ein
       UN-Report zeigt, wie groß das Problem ist – und welche Lösungen es gibt.
       
   DIR Stromfresser Künstliche Intelligenz: „Die Energieverbräuche durch KI gehen durch die Decke“
       
       Überall ist Künstliche Intelligenz eingebaut, selbst in Zahnbürsten, dabei
       verbraucht sie Unmengen an Strom. Der Forscher Rainer Rehak sagt, was wir
       tun können.