Die verborgenen Kosten von KI – Wie der KI-Boom Mensch und Umwelt belastet

Von Jannik Struss, Projektmanager bei UPJ e.V.

Künstliche Intelligenz (KI) hat sich innerhalb weniger Jahre von einer Zukunftstechnologie zu einem festen Bestandteil unseres Alltags entwickelt. KI schreibt Texte, erstellt Bilder und Videos, programmiert Software, unterstützt medizinische Diagnosen oder optimiert Produktionsprozesse. Unternehmen und Staaten investieren weltweit Milliardenbeträge in den Ausbau von Rechenzentren und digitaler Infrastruktur.

In der öffentlichen Debatte steht häufig die Frage im Vordergrund, welche Chancen KI für Wirtschaft, Forschung und Gesellschaft eröffnet. Weniger Aufmerksamkeit erhalten die negativen Folgen für Mensch und Umwelt, die von KI-Anwendungen und deren Infrastruktur ausgehen. Denn hinter jedem Chatbot, jedem KI-generierten Bild und jedem programmierten Code können hohe Ressourcenverbräuche, problematische Arbeitsbedingungen und diskriminierende Inhalte stehen. Da KI-Anbieter bereits fester Bestandteil globaler Lieferketten sind, sollten sich KI-Nutzer*innen intensiv mit diesen Risiken auseinandersetzen.

Der Energiehunger von Rechenzentren

Die Nutzung moderner KI-Anwendungen erfordert enorme Rechenleistungen. Diese werden überwiegend in großen Rechenzentren erbracht. Im Jahr 2025 entfielen rund 20 Prozent des gesamten Stromverbrauchs von Rechenzentren auf KI-Anwendungen. Bis 2030 wird dieser Anteil voraussichtlich auf 40 Prozent steigen. Laut einer Analyse der International Energy Agency (IEA) verbrauchten Datenzentren im Jahr 2025 rund 485 Terawattstunden Strom weltweit. Das entspricht etwa 1,5 Prozent des globalen Stromverbrauchs.

Doch der weltweite Energiehunger von Rechenzentren ist noch lange nicht gestillt. Die zunehmende Nutzung von KI und der Bau neuer Datenzentren werden den Stromverbrauch bis 2030 voraussichtlich auf rund 945 Terawattstunden verdoppeln. Zum Vergleich: Das ist etwa dreimal so viel wie der jährliche Stromverbrauch von Pakistan, Bangladesch und Nigeria zusammen. In diesen Ländern leben zusammen mehr als 650 Millionen Menschen.

Ein so hoher Energiebedarf hat negative Folgen für unser Klima. Im Jahr 2025 verursachten globale Rechenzentren laut UN etwa 189 Millionen Tonnen CO₂, wovon KI-Systeme 30 bis 80 Millionen Tonnen CO₂ ausmachten. Die Emissionen hängen dabei stark vom jeweiligen Strommix der Datenzentren ab. Dieser unterscheidet sich je nach Land und Region stark. So verursacht beispielsweise derselbe Rechenaufwand in einem kohleintensiven Land wie Indien bis zu 10-mal mehr CO₂ als in Ländern mit einem hohen Anteil erneuerbarer Energien.

Insgesamt stehen etwa 4.000 Datenzentren und damit die Hälfte der globalen Anlagen in den USA. Dort liefern fossile Energieträger wie Erdgas, Erdöl und Kohle rund 60 Prozent des Stroms. Im Vergleich zu Deutschland ist die Stromerzeugung in den USA somit deutlich CO₂-intensiver und die Trump-Regierung verhindert den Ausbau erneuerbarer Energien eher, anstatt sie zu fördern. Auch zukünftig werden die USA wohl der Hauptstandort für KI-Rechenzentren bleiben. Bis 2030 erwartet die IEA dort Investitionen in Rechenzentren in Höhe von 2,4 Billionen US-Dollar.

Darüber hinaus sind für die Hardware von Rechenzentren und KI kritische Mineralien unerlässlich. Der Abbau und die Verarbeitung dieser Rohstoffe gehen jedoch oft mit großen ökologischen Schäden in den Herkunftsländern einher. Und auch die sozialen Auswirkungen des Bergbaus, beispielsweise auf lokale Gemeinschaften, sind gravierend. Ein Beispiel hierfür ist der Abbau von Lithium in Südamerika. Am Ende ihrer Lebensdauer produziert die notwendige Hardware wiederum große Mengen Elektroschrott. So prognostiziert die UN, dass die KI-Infrastruktur bis 2030 jährlich bis zu 2,5 Millionen Tonnen Elektronikschrott verursachen könnte.

Laut einem Bericht der Umweltschutzorganisation ChemSec führt der Ausbau von KI-Rechenzentren außerdem zu einem verstärkten Einsatz von per- und polyfluorierten Alkylsubstanzen (PFAS). PFAS werden vor allem in der Chipproduktion und zur Kühlung der Datenzentren eingesetzt. Gelangen die sogenannten Ewigkeitschemikalien in die Umwelt, reichern sich die gesundheitsgefährdenden Stoffe in Böden sowie Gewässern an und bauen sich kaum ab.

Energiesparpotenziale durch KI?

KI ausschließlich als Klimarisiko zu betrachten, wäre aber zu einfach. KI kann Stromnetze effizienter steuern, erneuerbare Energien besser integrieren und Energieverbräuche optimieren. Dadurch ergeben sich erhebliche Potenziale für Effizienzsteigerungen und Energieeinsparungen. Die IEA schätzt, dass die Optimierung von Produktionsprozessen den Energieverbrauch in energieintensiven Industrien um bis zu 10 Prozent senken kann. So könnte bis 2035 etwa 3 Prozent des globalen Energieverbrauchs durch KI eingespart werden.

Allerdings könnte der sogenannte Rebound-Effekt diese Einsparung wieder zunichtemachen. Technologische Effizienzsteigerungen senken zwar den Energieverbrauch pro Rechenschritt, führen aber gleichzeitig zu einer Ausweitung der Nutzung von KI und damit zu höheren Gesamtemissionen. Tatsächlich hat sich die Energieeffizienz von KI-Anwendungen seit ihren Anfängen erheblich verbessert. Fortschritte bei Software und Hardware haben dazu geführt, dass einfache Textantworten heute in der Regel weniger Strom verbrauchen als ein Fernseher über denselben Zeitraum. Jedoch werden immer wieder neue, energieintensive KI-Anwendungen eingeführt. So verbraucht das Erstellen eines KI-Bildes beispielsweise 60-mal mehr Energie als eine kurze Textantwort und die Erzeugung von Videoclips ist nochmals deutlich energieintensiver.

KI und der Wasserverbrauch

Genauso unsichtbar wie der massive Energie- und Rohstoffverbrauch ist auch der Wasserverbrauch von Rechenzentren. Einerseits benötigen Datenzentren große Mengen Wasser, um ihre Server vor Ort zu kühlen. Darüber hinaus entsteht ein erheblicher Teil des Wasserverbrauchs von Rechenzentren durch die Stromversorgung aus fossilen Kraftwerken und die wasserintensive Herstellung der erforderlichen Halbleiter-Chips. 

Nach Angaben des Environmental and Energy Study Institute verbrauchen große Rechenzentren so bis zu 19 Millionen Liter Wasser pro Tag. Das entspricht dem täglichen Wasserbedarf einer Stadt mit bis zu 50.000 Einwohnenden. 

Die UN beziffert den Wasserverbrauch globaler Datenzentren im Jahr 2025 mit etwa 4,5 Billionen Liter. Bis 2030 wird eine Verdopplung auf 9,3 Billionen Liter Wasser pro Jahr erwartet. Besonders problematisch ist dieser Wasserverbrauch in Regionen mit Wasserknappheit. Eine Recherche des Guardian zeigt, dass rund zwei Drittel der neu geplanten US-Datenzentren in Gegenden errichtet werden sollen, die bereits von Dürre betroffen sind.

An dieser Stelle sei jedoch erwähnt, dass andere Branchen deutlich mehr Wasser verbrauchen. So entfallen laut dem UN World Water Development Report rund 70 Prozent der weltweiten Süßwasserentnahmen auf die Landwirtschaft. Der globale Wasserverbrauch durch KI ist vergleichbar mit dem des Braunkohlebergbaus in Deutschland. Für den Abbau von Braunkohle werden allein im Rheinischen Braunkohlerevier jährlich rund 453 Milliarden Liter Grundwasser verwendet. Zum Vergleich: Eine wissenschaftliche Analyse schätzt den globalen Wasserfußabdruck von KI-Modellen im Jahr 2025 auf insgesamt 312 bis 765 Milliarden Liter.

Gleichzeitig schießen weltweit neue Rechenzentren geradezu aus dem Boden, wodurch deren globaler Wasserverbrauch in Zukunft deutlich ansteigen wird. In Zeiten extremer Hitzewellen, in denen Flüsse zu Rinnsalen schrumpfen, wird es wohl immer schwieriger werden, dies zu rechtfertigen.

„Not in my backyard!“ – der Widerstand gegen Rechenzentren wächst

Dass sich Widerstand gegen Rechenzentren in der Bevölkerung regt, zeigt sich aktuell vor allem in den USA. Laut einer Gallup-Umfrage lehnen 70 Prozent der US-Bürgerinnen und -Bürger Rechenzentren in ihrer Nachbarschaft ab. Als häufigster Grund wird der hohe Energie- und Wasserverbrauch genannt. Darüber hinaus berichten Anwohnende von Lärmbelästigung und Luftverschmutzung durch Dieselgeneratoren und Gasturbinen, die zusätzlich betrieben werden, um den Energiehunger von Rechenzentren zu stillen.                                                                             US-amerikanische Studien zeigen, dass der steigende fossile Energiebedarf von KI-Rechenzentren tatsächlich zu einer höheren regionalen Feinstaubbelastung führt. Diese Luftverschmutzung erhöht entsprechend das Gesundheitsrisiko der Anwohnenden. Eine Analyse des Vantage Data Center in Loudoun County, Virginia, geht beispielsweise von bis zu 6,5 zusätzlichen vorzeitigen Todesfällen pro Jahr in der Region aus.  

Insbesondere in Regionen mit einer hohen Anzahl an Rechenzentren befürchten Anwohnende außerdem, dass die dortigen Stromnetze überlastet werden, die lokalen Strompreise steigen und es zu Konflikten über die Flächennutzung kommt.

Diese zunehmende „Not in my backyard“-Haltung hat bereits zu zahlreichen Protesten und Klagen gegen den Bau von Rechenzentren geführt. Doch nicht nur in den USA, sondern auch weltweit regt sich Widerstand. Laut einer Studie der London School of Economics (LSE) sind Rechenzentren bereits heute einer der häufigsten Anlässe für Umweltklagen. Und auch in Zukunft werden immer mehr Klagen in Bezug auf die ökologischen Auswirkungen von Rechenzentren erwartet.

Unsichtbare Ausbeutung hinter KI

KI-Systeme und Rechenzentren geben jedoch nicht nur hinsichtlich der Umweltrisiken Grund zur Sorge. Auch ihre Lieferketten stehen in der Kritik aufgrund problematischer Arbeitsbedingungen. Denn hinter den meisten KI-Anwendungen stehen Millionen von Menschen, die KI-Modelle trainieren, Datensätze bereinigen, Inhalte interpretieren, KI-Antworten bewerten oder Texte und Bilder sichten. Diese Beschäftigten werden auch als „Data Worker“ bezeichnet. Ihre Arbeit ist weitgehend unsichtbar, jedoch für die Entwicklung moderner KI-Systeme unverzichtbar. Zugleich sind Data Worker oft prekären Arbeitsbedingungen ausgesetzt.

In diesem Zusammenhang ist die Branche wenig transparent. Die großen Tech-Unternehmen legen selten offen, wie viele Data Worker sie beschäftigen und entsprechende Arbeitsaufträge werden in der Regel ausgelagert. Die meisten Data Worker sind deshalb über Subunternehmen oder externe Plattformen angestellt. Viele von ihnen arbeiten in Ländern des Globalen Südens wie etwa Brasilien, den Philippinen oder Indien, wo die Löhne oft niedriger und die Arbeitsschutzrechte schlechter sind.

Im Jahr 2023 sorgte beispielsweise eine Recherche des Time Magazine für Aufsehen. Diese zeigte, dass Data Worker in Kenia weniger als 2 US-Dollar pro Stunde verdienten, um ChatGPT so zu trainieren, dass dessen Antworten „weniger toxisch“ ausfallen. Dazu sichteten und sortierten die Arbeiter*innen eines Subunternehmens große Mengen verstörender Inhalte, die unter anderem Darstellungen von sexueller Gewalt, Suiziden und Tierquälerei enthielten. Die Data Worker berichteten diesbezüglich von traumatisierenden Arbeitsbedingungen.

Dies ist jedoch kein Einzelfall, sondern hat System. In der Branche werden immer wieder Vorwürfe laut bezüglich prekärer Arbeitsbedingungen. Data Worker von Subunternehmen berichten regelmäßig von ausbeuterischen Verhältnissen, extrem niedrigen Löhnen, willkürlichen Entlassungen, Verstößen gegen die Vereinigungsfreiheit und fehlenden Sozialleistungen. Die Plattform „Data Workers‘ Inquiry“ sammelt Erfahrungsberichte über Arbeitsbedingungen von Datenarbeiter*innen aus der ganzen Welt. Dort beschreibt die freiberufliche Datenarbeiterin Oskarina Fuentes Anaya ihre Situation so: „Für die Gesellschaft sind wir wie Geister. Ich behaupte sogar, dass wir für die Unternehmen, für die wir jahrelang ohne Arbeitsplatzgarantie oder -schutz tätig sind, nichts weiter als billige Wegwerf-Arbeitskräfte sind“.

KI-Modelle reproduzieren Stereotype

Abgesehen von den problematischen Arbeitsbedingungen in der Lieferkette stehen auch die KI-Modelle selbst in der Kritik. Entgegen der Annahme, dass KI-Modelle objektivere Entscheidungen treffen als Menschen, scheint das Gegenteil der Fall zu sein. So soll KI Stereotype reproduzieren und diskriminierende Empfehlungen abgeben.

In diesem Zusammenhang hat eine Studie der Stanford University eine bei Arbeitgebern beliebte KI-Software zur Jobvermittlung untersucht. Diese filtert eingehende Bewerbungen vorab und ordnet sie passenden offenen Stellen zu. Die Auswertung von 4 Millionen Bewerbungen ergab, dass das KI-Modell etwa 26 Prozent aller schwarzen und rund 15 Prozent aller asiatischen Bewerberinnen solchen Jobs zuordnete, bei denen sie Benachteiligungen ausgesetzt wären. Zudem wurden schwarze Bewerberinnen allgemein seltener für Jobs vorgeschlagen.

Diesen Eindruck erhärtet eine im Fachmagazin Nature veröffentlichte Studie zu rassistischen Stereotypen bei Large Language KI-Modellen (LLMs). Die Forschenden untersuchten, wie KI-Chatbots reagieren, wenn Personen African American English statt Standard American English sprechen. Tatsächlich tendierten die LLMs dazu, Afroamerikaner*innen mit negativen Stereotypen zu verbinden und sie beispielsweise für weniger angesehene Tätigkeiten vorzuschlagen.

Für die US-amerikanische Firma „Workday“ hat dies bereits reale Konsequenzen. Das Unternehmen wird derzeit verklagt, da seine KI-basierte Jobvermittlung Bewerber*innen aufgrund von Merkmalen wie Herkunft, Alter und Behinderung diskriminiert haben soll.

Die Ursachen für die Ungleichbehandlung liegen vor allem im Training der KI-Modelle. Dieses beruht auf historisch verzerrten Daten, die rassistische, antisemitische, misogyne und sonstige Klischees sowie gesellschaftliche Machtungleichheiten beinhalten. Algorithmen reproduzieren und verstärken diese strukturelle Diskriminierung. KI-Systeme sind also nur so gut wie ihre Trainingsdaten, die nun mal auf einer gesellschaftlichen, wirtschaftlichen und politischen Realität beruhen, in der Minderheiten strukturell benachteiligt werden.

Die Frage ist nicht, ob KI sich durchsetzt, sondern wie

KI gilt vielen als Schlüsseltechnologie des 21. Jahrhunderts. Sie verspricht wirtschaftliches Wachstum, medizinische Fortschritte und Lösungen für gesellschaftliche Herausforderungen unserer Zeit. Die Frage ist längst nicht mehr, ob sie sich durchsetzt, sondern wie. Denn hinter jeder KI-Anfrage stehen soziale und ökologische Risiken.

Wenn KI tatsächlich zu mehr Wohlstand und gesellschaftlichem Fortschritt beitragen soll, darf ihr Erfolg nicht allein an Innovationen, Investitionen oder Effizienzsteigerungen gemessen werden. Wer KI verantwortungsbewusst nutzen will, muss auch ihre versteckten Kosten in den Blick nehmen. Transparenz über Umweltfolgen, faire Arbeitsbedingungen, verantwortungsvolle Standortplanung und Maßnahmen gegen Diskriminierung sind keine Hindernisse für die KI-Revolution, sondern Voraussetzung dafür, dass diese langfristig gesellschaftlich akzeptiert und nachhaltig genutzt werden kann.