Alarmstufe Rot: Fünf Sekunden KI-Video verbrauchen so viel Energie wie eine Stunde Mikrowelle – und der Trend wächst exponentiell.
Neue Forschung zeigt, dass generative KI-Tools, die Textbefehle in Bilder oder Videos verwandeln, einen deutlich höheren Energiebedarf haben, als bislang angenommen wurde. Eine Studie des Open-Source-Teams Hugging Face zeigt: Der Energieverbrauch von Text-zu-Video-Systemen vervierfacht sich, sobald die Länge des erzeugten Videos verdoppelt wird. Als Beispiel heißt es: Ein sechssekündiges KI-Video zieht vier Mal so viel Strom wie ein drei Sekunden langes Video. Diese Ergebnisse zeigen, dass das Problem nicht linear skaliert, sondern mit zunehmender Komplexität deutlich stärker wird.
In This Article:
Nicht lineares Wachstum: Warum längere KI-Videos viel mehr Strom fressen
Die Energieintensität von Text-zu-Video-Pipelines skaliert nicht linear. Die Hugging Face-Studie zeigt, dass die Anforderungen an Strom nicht proportional zur Videodauer wachsen; Verdopplung der Länge führt zu einer Vervierfachung des Energiebedarfs. Die Autoren fordern ein effizienteres Design, intelligentes Caching, die Wiederverwendung bestehender Generierungen und das Entfernen ineffizienter Trainingsbeispiele (Pruning).
Die Kluft zwischen Wahrnehmung und Realität: KI-Energieverbrauch ist löchrig beschrieben
MIT Technology Review warnte, dass das gängige Verständnis des KI-Energieverbrauchs voller Löcher ist. Die neue Studie legt nahe, dass die tatsächlichen Auswirkungen deutlich größer sein könnten – besonders bei der Erzeugung von Videos. Die Forscher betonen die Notwendigkeit, Umweltfolgen gründlich zu erfassen, während KI-Tools weiter verbreitet werden.
Große Player, großer Preis: Google, Veo 3 und die Infrastruktur
Der Bericht verweist darauf, dass der KI-Energieverbrauch bereits rund 20 Prozent des weltweiten Datencenter-Stroms ausmacht. Gleichzeitig investieren Tech-Konzerne weiter in Rechenzentren, manchmal mit ehrgeizigen Klimazielen, teils aber mit Rückschlägen. Google veröffentlichte 2024 den Veo-3-Videogenerator; in sieben Wochen sollen über 40 Millionen Videos entstanden sein. Der Umwelt-Fußabdruck dieser Tools bleibt schwer abzuschätzen, und Kritiker vermuten, dass er deutlich größer ist als gedacht.
Wege nach vorn: Caching, Wiederverwendung und Pruning – reicht das?
Es gibt Ansätze, die den Stromverbrauch senken könnten: intelligentes Caching, die Wiederverwendung bereits erzeugter Inhalte und das gezielte Entfernen ineffizienter Trainingsbeispiele (Pruning). Ob diese Maßnahmen ausreichen, ist unklar: Die Gesamtemissionen könnten weiterhin hoch bleiben. Angesichts der gigantischen Investitionen in Rechenzentren und der weiten Verbreitung von KI fordert die Studie mehr Transparenz, bessere Design-Standards und klare politische Rahmenbedingungen. Nur durch konsequentes Design, Regulierung und Innovation lässt sich der Energiehunger von KI in den Griff bekommen, bevor er unhaltbar wird.
