KI Wasserverbrauch: Datenzentren und ihre Umweltkosten

Der KI Wasserverbrauch ist kein abstraktes Zukunftsproblem, sondern lässt sich bereits pro Anfrage beziffern: Für 10 bis 50 mittelgroße Prompts verbraucht ChatGPT nach einer Auswertung von MangoThrive (2026) auf Basis einer Studie der University of California, Riverside etwa 500 Milliliter Wasser. Das entspricht einer kleinen Flasche Mineralwasser für eine kurze Chat-Session.

Dahinter steckt eine physikalische Notwendigkeit: Die Grafikprozessoren in KI-Rechenzentren erzeugen unter Volllast enorme Abwärme, die abgeführt werden muss. Viele Data Center setzen dafür auf Verdunstungskühlung, bei der buchstäblich Trinkwasser in Dampf übergeht. Dieser Artikel ordnet die Zahlen ein, erklärt die Technik dahinter, vergleicht direkte und indirekte Verbräuche und zeigt, welche EU-Regeln ab 2026 für mehr Transparenz sorgen.

Wie viel Wasser verbraucht KI wirklich?

Der Wasserverbrauch der KI liegt pro einzelner Anfrage im Milliliterbereich, summiert sich über Milliarden täglicher Prompts aber zu einem erheblichen Ressourcenbedarf. Entscheidend ist die Betrachtungsebene: Eine einzelne Anfrage wirkt harmlos, die aggregierte Nutzung großer Sprachmodelle ist es nicht.

Die Größenordnung wird deutlich, wenn man den Gesamtbetrieb betrachtet. Große Sprachmodelle (Large Language Models) werden weltweit millionenfach pro Stunde genutzt, jede Anfrage löst Rechenleistung auf spezialisierten Servern aus, und jede Kilowattstunde Rechenleistung erzeugt Abwärme, die gekühlt werden muss. Der Wasserverbrauch durch KI entsteht also nicht in der App auf dem Smartphone, sondern in den Serverhallen der Anbieter.

KI-Wasserverbrauch pro Anfrage: Was kostet ein Prompt?

Pro Prompt fallen grob 10 bis 50 Milliliter Wasser an, abhängig von Modellgröße, Rechenzentrum und lokalem Strommix. Die vielzitierte Schätzung von 500 Millilitern für 10 bis 50 mittelgroße Prompts stammt aus einer Auswertung von MangoThrive (2026), die auf einer Studie der University of California, Riverside basiert.

Zum Vergleich: Laut Heinrich-Böll-Stiftung (2025) benötigen 20 herkömmliche Google-Suchanfragen nur etwa 10 Milliliter Wasser, während ChatGPT für eine ähnliche Interaktion einen halben Liter verbraucht. Der Faktor 50 erklärt sich aus der deutlich höheren Rechenleistung generativer Modelle gegenüber einer klassischen Indexsuche. Die Werte sind Schätzungen, keine Messstandards, denn Anbieter veröffentlichen bislang keine verbindlichen Verbrauchsdaten pro Anfrage.

Wo fließt mehr Wasser: ins Training oder in die Nutzung?

Die laufende Nutzung (Inferenz) verbraucht über die Lebensdauer eines Modells deutlich mehr Wasser als das einmalige Training. Das Training eines Large Language Models ist ein energieintensiver Sprint über Wochen oder Monate, der in der Summe Millionen Liter Wasser für Kühlung und Stromerzeugung beansprucht.

Die Inferenz hingegen ist ein Dauerbetrieb ohne Ende: Jede Nutzeranfrage weltweit addiert sich, rund um die Uhr, jeden Tag. Mit jeder neuen Modellgeneration und jedem neuen Nutzerkreis wächst dieser Anteil weiter. Für die Nachhaltigkeitsbilanz ist deshalb weniger die Frage entscheidend, wie teuer das Training war, sondern wie effizient der laufende Betrieb pro Anfrage gestaltet wird.

Warum verbraucht KI Wasser?

KI verbraucht Wasser, weil die Abwärme der GPU-Server in vielen Rechenzentren über Verdunstungskühlung abgeführt wird und weil die Stromerzeugung selbst Kühlwasser benötigt. Ohne Kühlung würden die Chips innerhalb von Minuten überhitzen.

Wie funktioniert Verdunstungskühlung in Rechenzentren?

Bei der Verdunstungskühlung strömt warme Abluft der Server durch feuchte Oberflächen, das Wasser verdunstet und kühlt die Luft ab. Das Verfahren gilt als der Klassiker im Rechenzentrum, weil es deutlich weniger elektrische Energie benötigt als reine Kompressorkälteanlagen.

Der Haken liegt im Ressourcenverbrauch: Was verdunstet, ist weg. In trockenen Regionen konkurriert der KI Rechenzentrum Wasserverbrauch damit direkt mit Landwirtschaft und Trinkwasserversorgung. Hinzu kommt, dass das Kühlwasser oft Trinkwasserqualität haben muss, damit Leitungen und Verdunsterflächen nicht verkalken oder verkeimen.

Welche Rolle spielen Standort und Klima?

Der Standort entscheidet maßgeblich darüber, wie problematisch der Wasserverbrauch eines Data Centers ist. In kühlen, wasserreichen Regionen Skandinaviens lässt sich ein Großteil des Jahres mit Freikühlung über Außenluft arbeiten, ganz ohne Verdunstung.

In wasserarmen Regionen sieht die Bilanz anders aus. Betreiber wählen Standorte häufig nach Strompreis, Netzanbindung und Grundstückskosten, weniger nach Wasserverfügbarkeit. Gerade in Regionen mit wiederkehrenden Trockenperioden, etwa im Südwesten der USA oder in Südeuropa, trifft der wachsende Wasserbedarf der Rechenzentren auf eine ohnehin angespannte Versorgungslage. Wasserknappheit wird damit von einem regionalen Umweltthema zu einem Standortrisiko für die digitale Infrastruktur.

Rechenzentren im Alltagsvergleich: Kleinstadt statt Serverhalle

Ein typisches Rechenzentrum verbraucht täglich so viel Wasser wie eine Stadt mit 30.000 bis 50.000 Einwohnern. Dieser Vergleich stammt von Veolia Water Technologies (2024) und macht die Dimension greifbarer als abstrakte Literzahlen.

Besonders große Hyperscale-Rechenzentren, wie sie die großen Cloud- und KI-Anbieter betreiben, erreichen laut IONOS (2025) bis zu 766 Millionen Liter Wasserverbrauch pro Jahr. Das entspricht dem Jahresbedarf einer Kleinstadt. Diese Anlagen laufen rund um die Uhr, und ihr Wasserbedarf wächst mit jeder neuen KI-Anwendung, die auf ihrer Infrastruktur trainiert oder betrieben wird.

Während 20 herkömmliche Google-Suchanfragen nur etwa 10 Milliliter Wasser benötigen, verbraucht ChatGPT für eine ähnliche Interaktion einen halben Liter.

Heinrich-Böll-Stiftung, 2025

Zur Einordnung hilft der Blick auf andere digitale Infrastrukturen: Auch der Bitcoin Stromverbrauch zeigt, wie rechenintensive Systeme über ihre Energieversorgung indirekt Wasserressourcen beanspruchen. Der Unterschied liegt im Wachstumspfad: Während der Bitcoin-Verbrauch an die Blockproduktion gekoppelt ist, skaliert der KI-Bedarf direkt mit der Nutzerzahl.

Direkter und indirekter Wasserverbrauch: Kühlung vs. Strommix

Der Wasserfußabdruck von Rechenzentren setzt sich aus direktem Verbrauch vor Ort und indirektem Verbrauch über die Stromerzeugung zusammen, wobei der indirekte Anteil meist deutlich größer ist. Diese Unterscheidung erklärt das Williams College (2026) in seiner Nachhaltigkeitsanalyse.

Die Zahlen aus den USA verdeutlichen das Verhältnis: Im Jahr 2023 verbrauchten US-Rechenzentren laut MangoThrive (2026) auf Basis von Daten des Lawrence Berkeley National Laboratory direkt etwa 66 Milliarden Liter Wasser für die Kühlung. Indirekt, über die Kraftwerke hinter dem Strommix, kamen fast 800 Milliarden Liter hinzu. Der indirekte Anteil übersteigt den direkten damit um mehr als das Zehnfache.

Wie hängen Wasser und Strom bei KI zusammen?

Die Verbindung von Wasser und Strom entsteht in thermischen Kraftwerken: Kohle-, Gas- und Kernkraftwerke benötigen für ihre eigene Kühlung große Wassermengen. Jede Kilowattstunde, die ein Rechenzentrum aus einem solchen Strommix bezieht, trägt also einen versteckten Wasserrucksack.

Umgekehrt gilt: Je höher der Anteil erneuerbarer Energien im Strommix, desto geringer der indirekte Wasserverbrauch. Windkraft und Photovoltaik benötigen im Betrieb praktisch kein Kühlwasser. Wer den Wasserfußabdruck von KI senken will, muss deshalb nicht nur die Kühltechnik im Rechenzentrum betrachten, sondern auch die Frage, woher der Strom kommt.

Wie stark steigt der KI-Wasserverbrauch bis 2030?

Der weltweite Wasserverbrauch von Rechenzentren könnte sich bis 2030 mehr als verdoppeln, von rund 560 Milliarden auf etwa 1.200 Milliarden Liter pro Jahr. Diese Prognose nennt MangoThrive (2026) auf Basis von Daten der Internationalen Energieagentur (IEA).

Schon auf kürzere Sicht zeigen die Prognosen steil nach oben: Der weltweite Wasserbedarf für Künstliche Intelligenz dürfte bis 2027 auf 4,2 bis 6,6 Milliarden Kubikmeter steigen, so MangoThrive (2026) unter Verweis auf die UC-Riverside-Studie. Das übersteigt den jährlichen Wasserverbrauch von ganz Dänemark um das Vier- bis Sechsfache. Haupttreiber ist der massive Ausbau der Infrastruktur: Microsoft meldet im eigenen Sustainability Report einen Anstieg der Unternehmensemissionen um 58 Prozent gegenüber 2020, maßgeblich getrieben durch den Bau neuer KI-Rechenzentren.

Transparenzlücken und neue Offenlegungspflichten in EU und Deutschland

Die EU schließt die Transparenzlücke ab 2026 schrittweise: Rechenzentren müssen erstmals verbindlich ihren Wasserverbrauch über die Kennzahl Water Usage Effectiveness melden. Bislang erfassen viele Betreiber ihren Stromverbrauch genau, den Wasserverbrauch aber nur lückenhaft oder gar nicht.

Was verlangt die EU von Rechenzentrumsbetreibern?

Die EU-Energieeffizienzrichtlinie (EED) verpflichtet meldepflichtige Rechenzentren, ihre Nachhaltigkeitskennzahlen in einer europäischen Datenbank zu erfassen. Laut Drees & Sommer (2026) gehört dazu ausdrücklich die Water Usage Effectiveness (WUE), also das Verhältnis des jährlichen Wasserverbrauchs zur IT-Energie. Erstmals wird der Wasserverbrauch damit genauso systematisch erfasst wie bislang der Stromverbrauch.

Welche Initiativen diskutiert die deutsche Politik?

Deutschland geht mit dem Energieeffizienzgesetz (EnEfG) einen eigenen Weg: Für neue Rechenzentren gilt ab Juli 2026 ein Stromeffizienzwert (PUE) von maximal 1,2. Wie die Stuttgarter Zeitung (2026) berichtet, warnen Experten vor einem Nebeneffekt: Betreiber könnten den strengen Strom-Grenzwert ausgerechnet mit wasserintensiver Verdunstungskühlung erreichen, weil diese weniger elektrische Energie benötigt als Kompressorkühlung.

Die politische Debatte dreht sich deshalb zunehmend um die Frage, ob Strom- und Wassereffizienz gemeinsam reguliert werden müssen. Diskutiert werden unter anderem verbindliche WUE-Grenzwerte und eine finanzielle Beteiligung der Betreiber an den Kosten regionaler Wasserknappheit. Die Stimmung in der Politik ist klar: Die bisherige Selbstverpflichtung der Branche gilt als unzureichend.

Welche Alternativen zur Verdunstungskühlung gibt es?

Es existieren mehrere erprobte Alternativen, die den Wasserverbrauch von Rechenzentren drastisch senken oder ganz eliminieren. Der Technologiewechsel ist vor allem eine Frage der Investitionsbereitschaft, nicht der Machbarkeit.

Der Übergang zu geschlossenen Kreisläufen folgt dabei einem Prinzip, das auch die Kreislaufwirtschaft beschreibt: Ressourcen bleiben im System, statt verdunstet und verloren zu gehen. Für Neubauten in Deutschland dürften flüssigkeitsbasierte Verfahren durch das EnEfG zusätzlich an Attraktivität gewinnen, weil sie Strom- und Wasserziele gleichzeitig bedienen.

Sustainable AI in der Praxis: Hebel für Unternehmen und Nutzer

Sustainable AI bedeutet, den Ressourcenverbrauch künstlicher Intelligenz über den gesamten Lebenszyklus zu messen und zu reduzieren. Die größten Hebel liegen bei den Anbietern, doch auch Unternehmen und Nutzer haben Einfluss.

Auf Anbieterseite zählen vier Maßnahmen: der Umstieg auf flüssigkeitsbasierte Kühlung, die Beschaffung von Ökostrom zur Senkung des indirekten Wasserverbrauchs, die Standortwahl in kühlen und wasserreichen Regionen sowie die vollständige Offenlegung von PUE- und WUE-Werten. Unternehmen, die KI-Dienste einkaufen, können diese Kennzahlen in ihre Beschaffungskriterien aufnehmen und Anbieter gezielt danach auswählen.

Auch die Nutzungsseite hat Stellschrauben: Kleinere, spezialisierte Modelle verbrauchen pro Anfrage deutlich weniger Ressourcen als die größten Generalisten. Wer KI gezielt für Aufgaben einsetzt, bei denen sie echten Mehrwert schafft, statt jede Suchanfrage an ein Sprachmodell zu delegieren, reduziert den Verbrauch spürbar. Neue Produkte wie der ChatGPT Atlas Browser zeigen zugleich, wie tief KI inzwischen in Alltagsanwendungen integriert wird, was die Frage nach dem Ressourcenverbrauch pro Nutzung umso relevanter macht.

Fazit: KI und Wasserverbrauch gehören in jede Nachhaltigkeitsbilanz

KI und Wasserverbrauch sind untrennbar verbunden: Schon heute verbrauchen Rechenzentren täglich Wassermengen im Maßstab von Kleinstädten, und bis 2030 könnte sich der globale Verbrauch mehr als verdoppeln. Die entscheidende Erkenntnis liegt in der Zusammensetzung: Der indirekte Verbrauch über die Stromerzeugung übersteigt den direkten Kühlverbrauch um ein Vielfaches, weshalb Ökostrom der wirksamste Einzelhebel ist.

Gleichzeitig zeigen Direct Liquid Cooling und Immersionskühlung, dass der Technologiewandel technisch längst möglich ist. Mit der Meldepflicht zur Water Usage Effectiveness ab 2026 entsteht erstmals die Datengrundlage, um Anbieter vergleichbar zu machen. Wer KI nutzt oder einkauft, sollte den Wasserverbrauch ab jetzt genauso ernst nehmen wie den CO2-Fußabdruck.