Laut Studie wird sich der Stromverbrauch von KI-spezifischen Rechenzentren vom Basisjahr 2023 bis zum Jahr 2030 von 50 auf 550 Terawattstunden (TWh) erhöhen – eine Verelffachung in nur sieben Jahren. Zusammen mit konventionellen Rechenzentren würden dann weltweit rund 1.400 TWh für zentrale Datenverarbeitung aufgewendet. Die Folge ist ein deutlicher Anstieg der CO₂-Emissionen: von 212 Millionen Tonnen im Jahr 2023 auf voraussichtlich 355 Millionen Tonnen bis 2030 – trotz des angenommenen Ausbaus erneuerbarer Energien.
Hinzu kommen weitere ökologische Belastungen: Der Wasserbedarf für die Kühlung von Servern steigt auf rund 664 Mrd. Liter, der anfallende Elektronikschrott wächst um zusätzliche fünf Mio. Tonnen. Darüber hinaus werden große Mengen Stahl, Aluminium und kritische Rohstoffe benötigt – darunter rund 920 Kilotonnen (kt) Stahl sowie etwa 100 kt an seltenen Metallen und Erden.
Die Studie warnt: Die geplanten Kapazitäten im Bereich der Erneuerbaren reichen nicht aus, um den steigenden Strombedarf vollständig zu decken. „Auch in den kommenden Jahren werden Rechenzentren weiterhin auf fossile Energieträger wie Erdgas und Kohle angewiesen sein – mit entsprechend hohen ökologischen Kosten“, sagt Jens Gröger, Forschungskoordinator für nachhaltige digitale Infrastrukturen am Öko-Institut. Bereits heute investieren große Technologieunternehmen in neue Kernkrafttechnologien wie kleine modulare Reaktoren (SMR), um den künftigen Energiebedarf abzusichern.
Indirekte Umwelteffekte bisher kaum reguliert
Die Studie hebt nicht nur die direkten Umweltauswirkungen hervor, sondern verweist auch auf systemische Risiken, die laut Öko-Institut bislang weitgehend unbeachtet bleiben. So wird KI bereits eingesetzt, um Prozesse zu optimieren, die Umweltbelastungen zusätzlich verstärken – etwa bei der Erschließung fossiler Energiequellen, der Automatisierung industrieller Landwirtschaft oder der Skalierung konsumintensiver Geschäftsmodelle. Auch fehlerhafte Daten oder fehlerhafte Trainingsprozesse können unbeabsichtigt negative ökologische Effekte auslösen.
Um gegenzusteuern, schlägt die Studie konkrete politische Maßnahmen vor. Dazu gehören Transparenz- und Berichtspflichten für Betreiber von Rechenzentren und KI-Anbietern, die Einführung eines Effizienzlabels und die Entwicklung spezifischer Umweltkennzahlen für KI-Services. Zudem sollten Lastmanagement und Speicherlösungen stärker in die Netzarchitektur integriert werden. Nicht zuletzt fordert die Studie eine Anpassung des Rechtsrahmens: KI-Systeme müssten in Zukunft einer umweltbezogenen Folgenabschätzung unterzogen werden.