In Wirklichkeit sind die neueren Suchvorg\u00e4nge von Google etwa 10-mal effizienter als 2009, und der tats\u00e4chliche Energieverbrauch von ChatGPT pro Anfrage ist heute weitaus geringer, als die ersten Alarmglocken vermuten lie\u00dfen.<\/p>\n\n\n\n
Neuere Modelle wie das GPT-4o haben gro\u00dfe Fortschritte bei der Effizienz gemacht, was bedeutet, dass die kursierenden Schlagzeilen veraltet und, ehrlich gesagt, ein wenig irref\u00fchrend sind.<\/p>\n\n\n\n
Wie sieht es also wirklich aus? Das ist genau das, was wir hier untersuchen.<\/p>\n\n\n\n
Das werden Ihre Mitbringsel sein:<\/p>\n\n\n\n
- \n
- Was treibt ChatGPT unter der Haube an?<\/li>\n\n\n\n
- Wie viel Energie verbraucht eine ChatGPT-Suche?<\/li>\n\n\n\n
- Wie viel Energie verbraucht es im Vergleich zur Google-Suche und anderen KI-Modellen?<\/li>\n\n\n\n
- Was tut OpenAI, um seine Auswirkungen zu verringern?<\/li>\n\n\n\n
- Welche Schritte k\u00f6nnen Sie als Nutzer unternehmen, um Ihre KI-Nutzung verantwortungsvoller zu gestalten?<\/li>\n<\/ul>\n\n\n\n
Kommen wir zur Sache.<\/p>\n\n\n\n
Was treibt ChatGPT an?<\/h2>\n\n\n
\n![\"\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/robot-human-hands-interacting-1-1024x585.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nMark Russinovich, CTO von Microsoft Azure, hat uns einen Blick hinter den Vorhang gew\u00e4hrt in einem Podcast<\/a> dass Microsoft ver\u00f6ffentlicht im Jahr 2023<\/a>. <\/p>\n\n\n\n
Ihm zufolge hat Microsoft eine Infrastruktur aufgebaut, die in der Lage ist, Modelle mit Hunderten von Milliarden von Parametern zu trainieren. <\/p>\n\n\n\n
GPT-3 zum Beispiel hatte 175 Milliarden Parameter, was schon zu viel klingt, bis man h\u00f6rt, dass Microsofts Megatron-Turing-Modell mit 530 Milliarden zurechtkam.<\/p>\n\n\n\n
Der urspr\u00fcngliche OpenAI-Supercomputer 2020 verf\u00fcgte \u00fcber 285.000 \u00fcber InfiniBand verbundene AMD-CPU-Kerne und 10.000 NVIDIA V100 Tensor Core GPUs. <\/p>\n\n\n\n
Die neue H100 Virtual Machine Serie clustert bis zu acht NVIDIA H100 Tensor Core GPUs pro VM und skaliert auf Tausende, genau wie die Hochleistungsinfrastruktur, die in Hosting von Minecraft-Servern<\/a> um Erfahrungen mit niedrigen Latenzzeiten und hoher Verf\u00fcgbarkeit zu liefern.<\/p>\n\n\n\n
Kurz gesagt, wenn Sie sich fragen, was ChatGPT antreibt, lautet die Antwort im Grunde: alles. <\/p>\n\n\n\n
Alle Kerne, alle GPUs, die gesamte Netzwerkbandbreite, die Sie jemals in Ihren Tr\u00e4umen horten k\u00f6nnten.<\/p>\n\n\n\n
Gesch\u00e4tzter Energieverbrauch von ChatGPT<\/h3>\n\n\n\n
Nun zur eigentlichen Frage: Wie viel Energie verbraucht ChatGPT pro Frage? <\/p>\n\n\n\n
Man k\u00f6nnte erwarten, dass es apokalyptisch ist und mit jeder Eingabeaufforderung Gletscher schmelzen l\u00e4sst. <\/p>\n\n\n\n
J\u00fcngste Sch\u00e4tzungen besagen jedoch, dass eine typische ChatGPT-Abfrage auf GPT-4o etwa 0,3 Wattstunden (Wh) verbraucht. <\/p>\n\n\n\n
Das ist etwa zehnmal weniger als \u00e4ltere (und wahrscheinlich ungenaue) Sch\u00e4tzungen von Anfang 2023, die von 3 Wattstunden ausgingen. <\/p>\n\n\n\n
Der Effizienzsprung ist auf bessere Modelle, sch\u00e4rfere Hardware und die Erkenntnis zur\u00fcckzuf\u00fchren, dass fr\u00fchere Sch\u00e4tzungen der Token-Anzahl viel zu pessimistisch waren.<\/p>\n\n\n\n
Zum Vergleich: 0,3 Wattstunden sind weniger Energie, als Ihr Laptop verbraucht, w\u00e4hrend Sie Ihren Kaffee aufw\u00e4rmen. <\/p>\n\n\n\n
Selbst wenn Sie den ganzen Tag \u00fcber viele Anfragen stellen, sind die Zahlen f\u00fcr den Energieverbrauch von ChatGPT pro Tag immer noch ziemlich zahm im Vergleich zum Betrieb Ihrer Klimaanlage oder Ihres Spiele-PCs. Aber das ist nur Ihr Verbrauch.<\/p>\n\n\n\n
Die Nutzerbasis von OpenAI lag im Februar bei \u00fcber 400 Millionen w\u00f6chentlichen Nutzern, wie aus einer Ein OpenAI-Sprecher sagte gegen\u00fcber Reuters<\/a>. Das w\u00e4ren also eine Menge Wattstunden, selbst wenn man sparsam damit umgeht.<\/p>\n\n\n\n
Es ist wichtig zu beachten, dass diese 0,3 Wattstunden immer noch ein wenig zu vorsichtig sind. <\/p>\n\n\n\n
Viele allt\u00e4gliche Fragen sind wahrscheinlich billiger als das.<\/p>\n\n\n\n
Aber Abfragen, die gro\u00dfe Mengen an Eingaben, umfangreiche Ausgaben oder schwerf\u00e4llige Schlussfolgerungsmodelle beinhalten, k\u00f6nnen den Verbrauch noch viel h\u00f6her treiben.<\/p>\n\n\n\n
Energieverbrauch: GPT-4 gegen\u00fcber GPT-3.5<\/h2>\n\n\n\n
Auch wenn GPT-3.5 nicht mehr weiterentwickelt wird, bleibt sein Erbe bestehen, insbesondere wenn wir dar\u00fcber diskutieren, wie viel Energie ChatGPT in den verschiedenen Versionen verbraucht.<\/p>\n\n\n\n
Die folgenden Daten geben Aufschluss \u00fcber den Energieverbrauch im Vergleich zum GPT-4.<\/p>\n\n\n\n
Bei einem Modell vom Typ GPT-3 mit etwa 175 Milliarden Parametern waren die Emissionen bereits hoch, aber der Wechsel zu einem Modell vom Typ GPT-4 mit seiner schwereren Architektur k\u00f6nnte die Emissionen um das 200-fache erh\u00f6hen. <\/p>\n\n\n\n
Nach Ansicht von George Hotz<\/a>GPT-4 besteht aus acht Instanzen eines 220B-Parameter-GPT-3-\u00e4hnlichen Modells, die zusammengef\u00fcgt wurden. <\/p>\n\n\n\n
Wichtig ist jedoch, dass nur zwei dieser Modelle w\u00e4hrend der Inferenz tats\u00e4chlich geroutet werden, was bedeutet, dass die eigentliche Aktion mit etwa 280B effektiven Parametern stattfindet, wenn man die gemeinsame Nutzung einiger Parameter ber\u00fccksichtigt (~55B f\u00fcr Aufmerksamkeitsmechanismen).<\/p>\n\n\n\n
Vergleichen Sie das mit dem 175B-Setup von GPT-3.5, und Sie beginnen zu verstehen, warum die Inferenzkosten von GPT-4 bis zu dreimal h\u00f6her sind. <\/p>\n\n\n\n
Der Anstieg des Energieverbrauchs \u00fcbertrifft die blo\u00dfe Zunahme der Parameterzahl, die nur einen Anstieg um das 1,6-fache h\u00e4tte erwarten lassen. <\/p>\n\n\n\n
Aber das ist nicht passiert, denn die Abfragen der GPT-4 sind einfach viel teurer. <\/p>\n\n\n\n
Der Kohlenstoff-Fu\u00dfabdruck von AI-Modellen<\/h3>\n\n\n\n
Der Betrieb gro\u00dfer KI-Modelle ist nicht billig, weder f\u00fcr den Planeten noch f\u00fcr die Stromrechnung. <\/p>\n\n\n\n
Diese Modelle ben\u00f6tigen viel Rechenleistung, was eine Menge Strom und in vielen F\u00e4llen auch eine Menge Emissionen bedeutet.<\/p>\n\n\n\n
So ben\u00f6tigte der GPT-3 Berichten zufolge rund 1.287 MWh Strom f\u00fcr die Ausbildung, Produktion von \u00fcber 50 Pfund CO2<\/a>. <\/p>\n\n\n\n
Neuere Modelle wie der GPT-4o sind sogar noch gr\u00f6\u00dfer, aber OpenAI hat ihre genaue Grundfl\u00e4che nicht ver\u00f6ffentlicht.<\/p>\n\n\n\n
Neben ChatGPT von OpenAI gibt es noch den KI-Assistenten von Meta, der wahrscheinlich auf Llama 3.2-Modellen (entweder 11B- oder 90B-Parameter) l\u00e4uft. <\/p>\n\n\n\n
Auch hier sind keine genauen Zahlen zu den CO2-Emissionen verf\u00fcgbar.<\/p>\n\n\n\n
Das Sonnet Claude 3.5 von Anthropic wiegt wesentlich schwerer, sch\u00e4tzungsweise 400 Milliarden Parameter, ohne dass sein genauer Kohlenstoff-Fu\u00dfabdruck bekannt ist.<\/p>\n\n\n\n
Und Googles Gemini? Angetrieben durch die \"Flash\"- und \"Pro\"-Varianten, wobei Google keine genauen Parameterzahlen bekannt gegeben hat. <\/p>\n\n\n\n
Wir k\u00f6nnen immer noch davon ausgehen, dass sie mit dem GPT-4o oder seinen Mini-Varianten vergleichbar sind.<\/p>\n\n\n\n
Apropos schlanke Modelle: DeepSeek-V3 kommt mit nur 37 Milliarden aktiven Parametern aus (von insgesamt 671 B). <\/p>\n\n\n\n
Seine R1-Variante zeigt eine starke Leistung und verbraucht pro Token weniger Energie als GPT-4o. <\/p>\n\n\n\n
Wie schneidet ChatGPT im Vergleich zu anderen Tools ab?<\/h2>\n\n\n
\n![\"\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/Chatgpt-comparison-683x1024.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nAn dieser Stelle sollten Sie wissen, dass der Energieverbrauch von ChatGPT von der Version abh\u00e4ngt, mit der Sie interagieren, von der L\u00e4nge der Eingabeaufforderungen und von den Mechanismen unter der Haube. <\/p>\n\n\n\n
Verglichen mit dem gr\u00f6\u00dferen Universum der KI-Tools ist ChatGPT in Bezug auf den Energiebedarf etwa durchschnittlich, insbesondere bei High-End-Modellen. <\/p>\n\n\n\n
Aber wenn es um den schieren Marktanteil und die H\u00e4ufigkeit der Nutzung geht, bedeutet selbst \"durchschnittlich\" einen enormen Energie-Fu\u00dfabdruck in gro\u00dfem Ma\u00dfstab.<\/p>\n\n\n\n
Energieverbrauch im Vergleich zur Google-Suche<\/h3>\n\n\n\n
Damals im Jahr 2009, Google sch\u00e4tzt<\/a> die Energiekosten f\u00fcr eine einzige Suchanfrage auf 0,3 Wh.<\/p>\n\n\n\n
Spulen Sie bis 2024 vor, und diese Sch\u00e4tzung ist inzwischen verstaubt.<\/p>\n\n\n\n
Es hat sich herausgestellt, dass die heutige Google-Suche etwa 10 Mal weniger Energie verbraucht als die ersten Sch\u00e4tzungen. <\/p>\n\n\n\n
In der Zwischenzeit waren fr\u00fchere Energiesch\u00e4tzungen f\u00fcr eine durchschnittliche LLM-Anfrage, einschlie\u00dflich ChatGPT, ebenfalls etwa 10x zu hoch (2,9 Wh).<\/p>\n\n\n\n
Mit den neuesten Forschungsergebnissen, die die Energieverbrauch von Google bei 0,04 Wh<\/a> und ChatGPT bei 0,3 Wh, diese beiden Fehler heben sich gegenseitig auf, was bedeutet, dass die alte \"LLMs verbrauchen etwa 10x mehr Energie pro Abfrage als die Google-Suche\" immer noch gilt... aber nur, weil jeder auf genau die richtige Weise falsch lag. <\/p>\n\n\n\n
Was unternimmt OpenAI, um die Auswirkungen zu verringern?<\/h2>\n\n\n\n
OpenAI ist sich dar\u00fcber im Klaren, dass das Trainieren und Ausf\u00fchren von Modellen wie ChatGPT deutlich mehr Energie verbraucht. <\/p>\n\n\n\n
Das bringt uns zu der Frage: Was wird dagegen unternommen?<\/p>\n\n\n\n
Zun\u00e4chst einmal hat OpenAI die Effizienzsteigerung vorangetrieben. <\/p>\n\n\n\n
Im Laufe der Zeit wurden neuere Modelle, wie das GPT-4o und jetzt GPT-4.1<\/a>wurden speziell f\u00fcr einen deutlich geringeren Energieverbrauch w\u00e4hrend der Inferenz optimiert. <\/p>\n\n\n\n
Fortschritte bei der Modellarchitektur, der Token-Verarbeitung und Verbesserungen der Hardware auf Serverebene bedeuten, dass der Energieverbrauch einer ChatGPT-Abfrage heute bereits weitaus geringer ist als noch vor einem Jahr f\u00fcr dieselbe Aufgabe.<\/p>\n\n\n\n
OpenAI arbeitet auch mit Microsoft Azure zusammen, und Azure hat sich verpflichtet, seine Rechenzentren bis 2025 mit 100% erneuerbarer Energie zu betreiben<\/a>. <\/p>\n\n\n\n
Das ist wichtig, denn wenn Sie Abfragen an ChatGPT stellen, pingen Sie die Azure-Supercomputer an, \u00fcber die wir bereits gesprochen haben. <\/p>\n\n\n\n
Die Verlagerung der Energiequelle weg von fossilen Brennstoffen hin zu erneuerbaren Energien verringert zwar nicht direkt die von einer Abfrage verbrauchte Wattzahl, aber sie verringert den damit verbundenen Kohlenstoff-Fu\u00dfabdruck radikal.<\/p>\n\n\n\n
Abgesehen von der Infrastruktur gibt es noch einige weitere zukunftsweisende Dinge zu tun. OpenAI erforscht aktiv M\u00f6glichkeiten, Modelle zu verkleinern, ohne die Leistung zu beeintr\u00e4chtigen. <\/p>\n\n\n\n
Modellkomprimierung, Destillation und intelligenteres Routing (z. B. dynamische Token-Verarbeitung) sind in KI-Effizienzkreisen sehr aktuelle Themen. <\/p>\n\n\n\n
Was k\u00f6nnen Sie als Nutzer tun?<\/h2>\n\n\n\n
W\u00e4hrend OpenAI f\u00fcr die gro\u00dfen strukturellen Ver\u00e4nderungen zust\u00e4ndig ist, m\u00fcssen die Nutzer immer noch eine Rolle dabei spielen, Abfall zu minimieren und ChatGPT verantwortungsvoll zu nutzen. <\/p>\n\n\n\n
Das k\u00f6nnen Sie tun:<\/p>\n\n\n\n
- \n
- Fassen Sie sich kurz:<\/strong> Formulieren Sie Ihre Aufforderungen klar und knapp. Jedes zus\u00e4tzliche Token, das verarbeitet wird, kostet ein bisschen Energie.<\/li>\n\n\n\n
- Vermeiden Sie spammige Aufforderungen:<\/strong> Widerstehen Sie der Versuchung, 15 leicht umformulierte Versionen derselben Frage einzureichen.<\/li>\n\n\n\n
- Verwenden Sie geeignete Modelle:<\/strong> W\u00e4hlen Sie nach M\u00f6glichkeit leichtere, billigere Modelle (wie das GPT-4o-mini, falls angeboten) f\u00fcr gelegentliche oder leichte Aufgaben.<\/li>\n\n\n\n
- Stapeln Sie Ihre Anfragen:<\/strong> Fassen Sie die Fragen in einer einzigen, gut durchdachten Aufforderung zusammen, anstatt sie zu verstreuen.<\/li>\n<\/ul>\n\n\n\n
Wenn Sie endlose Wiederholungen und Neugenerierungen vermeiden m\u00f6chten, sollten Sie spezielle Tools verwenden, die bereits bei den ersten Versuchen saubere, ver\u00f6ffentlichungsreife Inhalte erzeugen.<\/p>\n\n\n\n
Dies ist der Ort, an dem Nicht nachweisbare AI<\/a> Werkzeuge wie Stealth Writer<\/a> oder Paraphrasierer<\/a> komm rein. <\/p>\n\n\n
\n![\"Unauffindbarer](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/AI-Stealth-Writer.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\n![\"Screenshot](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2025\/04\/AI-paraphrasing-tool-1-1024x369.jpg\" "\\"\\"")
<\/figure><\/div>\n\n\nAnstatt ChatGPT zu bitten, die perfekte Version Ihres Textes durch mehrere Bearbeitungen und Wiederholungen (die jeweils mehr Energie kosten) zu erstellen, k\u00f6nnen Sie einfach unsere spezialisierten Werkzeuge verwenden, die auf Pr\u00e4zision ausgelegt sind. <\/p>\n\n\n\n
Werkzeuge, die f\u00fcr bestimmte Aufgaben entwickelt wurden, arbeiten im Allgemeinen effizienter, und alle unsere Werkzeuge passen genau in dieses Modell der intelligenten, energiebewussten Nutzung. <\/p>\n\n\n\n
Mit anderen Worten: sauberer Output in weniger Versuchen = weniger Energieaufwand = zufriedenere Server = Sie retten die Welt, ein knackiger Absatz nach dem anderen.<\/p>\n\n\n\n
Sind Sie bereit, den Unterschied zu sehen? Starten Sie unseren KI-Detektor und Humanizer mit dem Widget unten!<\/p>\n\n\n\n
- Vermeiden Sie spammige Aufforderungen:<\/strong> Widerstehen Sie der Versuchung, 15 leicht umformulierte Versionen derselben Frage einzureichen.<\/li>\n\n\n\n
- Fassen Sie sich kurz:<\/strong> Formulieren Sie Ihre Aufforderungen klar und knapp. Jedes zus\u00e4tzliche Token, das verarbeitet wird, kostet ein bisschen Energie.<\/li>\n\n\n\n