KI-Rechenzentren verbrauchten 2025 laut Mordor Intelligence rund 264 Milliarden Gallonen Wasser, fast eine Billion Liter. Laut Tom's Hardware könnte der Verbrauch bis 2030 auf bis zu 600 Milliarden Gallonen steigen, getrieben vom Energiebedarf. Jeder Prompt hat physische Kosten.
Am 8. Juni 2026 fasste UNILAD Tech eine Zahl zusammen, die viele Firmen bisher kaum auf dem Schirm haben: KI lebt nicht im Nichts. Hinter jedem Chatbot, jeder automatisierten Antwort und jeder generierten Tabelle stehen Server, die heiß werden und gekühlt werden müssen. Das kostet Strom. Und es kostet Wasser. Sehr viel Wasser.
Wie viel Wasser KI wirklich schluckt
Laut Mordor Intelligence verbrauchten KI-Rechenzentren 2025 rund 264 Milliarden Gallonen Wasser. Das sind knapp eine Billion Liter. Eine Zahl in dieser Größenordnung ist schwer greifbar, deshalb hilft ein Vergleich.
Aktuell ziehen diese Rechenzentren rund 550 Millionen Gallonen pro Tag. Das entspricht laut den Berichten ungefähr dem Wasserbedarf der gesamten weltweiten Flaschenwasser-Industrie. Nicht eines einzelnen Werks. Der gesamten Branche.
Das Wasser geht nicht im Server selbst verloren. Es wird zur Kühlung gebraucht. Die Prozessoren, die Sprachmodelle trainieren und betreiben, erzeugen enorme Abwärme. Ein großer Teil der Kühlung läuft über Wasser, das verdunstet oder verbraucht wird, statt im Kreislauf zu bleiben.
Besonders durstig ist das Training neuer Modelle. Wochen- oder monatelang laufen tausende Prozessoren unter Volllast, und die Abwärme muss durchgehend abgeführt werden. Der laufende Betrieb, also jede Anfrage von Millionen Nutzern Tag für Tag, kommt obendrauf. Beides zusammen ergibt die Zahlen, die jetzt sichtbar werden.
Die Prognose macht das Bild nicht freundlicher. Laut Tom's Hardware könnte der Wasserverbrauch bis 2030 auf bis zu 600 Milliarden Gallonen steigen. Der Haupttreiber dahinter ist nicht das Wasser selbst, sondern der Energiebedarf. Mehr Rechenleistung heißt mehr Strom, mehr Strom heißt mehr Abwärme, mehr Abwärme heißt mehr Kühlung. Diese Kette dreht sich mit jedem neuen Modell und jedem neuen Rechenzentrum schneller.
Warum Strom und Wasser zusammenhängen
Strom und Wasser lassen sich bei Rechenzentren nicht trennen. Der Stromverbrauch treibt den Wasserverbrauch, weil Kühlung der Preis für Rechenleistung ist.
Der Energiehunger steht im Mittelpunkt der Debatte, und zu Recht. Laut Tom's Hardware ist der steigende Energiebedarf der Hauptgrund, warum der Wasserverbrauch bis 2030 so stark wachsen könnte. Jede neue Generation von Sprachmodellen ist größer als die vorherige, braucht mehr Rechenleistung, und jeder zusätzliche Server muss mit Strom versorgt und gekühlt werden. Wer also über Wasser spricht, spricht eigentlich über Energie, und wer über Energie spricht, spricht über die schiere Menge an KI-Nutzung weltweit.
Dazu kommt ein zweiter, oft übersehener Punkt. Auch die Stromerzeugung selbst braucht Wasser. Kraftwerke, die den Strom liefern, kühlen ebenfalls mit Wasser. Ein Rechenzentrum, das viel Strom zieht, verursacht also indirekt zusätzlichen Wasserverbrauch, weit weg vom eigentlichen Standort. Der Fußabdruck eines Modells ist damit größer als das, was am Server selbst gemessen wird.
Und der Standort entscheidet mit. Viele große Rechenzentren stehen in den USA, oft in Regionen, in denen Wasser ohnehin knapp ist. Genau dort wird es heikel. 2025 traf eine schwere Dürre laut den Berichten fast 63 Prozent der USA. Wenn ausgerechnet in trockenen Gebieten Rechenzentren wachsen, geraten KI-Betreiber und Anwohner um dieselbe Ressource in Konkurrenz. Das ist nicht mehr nur ein technisches Detail, das ist eine Standort- und Akzeptanzfrage geworden.
Was diese Zahlen für deine Kosten heißen
Du betreibst kein Rechenzentrum. Trotzdem landet ein Teil dieser Rechnung bei dir, wenn du KI nutzt.
Jeder API-Aufruf, jede Anfrage an ein großes Sprachmodell, jede automatisierte Auswertung läuft in genau diesen Rechenzentren. Du zahlst pro Token, und der Preis pro Token bildet die Kosten des Betreibers ab, also auch Strom und Kühlung. Steigen Energiepreise oder wird Rechenleistung knapper, schlägt sich das früher oder später in den Nutzungspreisen nieder. Das ist kein Naturgesetz, aber ein Trend, mit dem du rechnen solltest.
An dieser Stelle habe ich eine klare Meinung. Viele Firmen behandeln KI so, als wäre sie kostenlos und beliebig verfügbar. Das ist sie nicht. Jeder Prompt hat physische Kosten, und genau dieses Bewusstsein fehlt in den meisten Teams. Wir sehen in unseren DigiMan-Kursen regelmäßig, dass Teilnehmer jede noch so kleine Aufgabe ans größte, teuerste Modell schicken, weil es eben da ist. Eine Mail umformulieren, einen Termin in den Kalender schreiben, einen kurzen Text zusammenfassen. Dafür braucht es kein Frontier-Modell. Wer das einmal verstanden hat, spart Geld und Ressourcen zugleich, ohne dass die Arbeit darunter leidet.
Bewusster Einsatz heißt konkret: Für einfache, wiederkehrende Aufgaben reichen kleinere Modelle, die weniger Rechenleistung ziehen und weniger kosten. Das große Modell holst du dir gezielt für die Fälle, in denen es wirklich einen Unterschied macht. Kleinere oder selbst gehostete Modelle sparen dabei doppelt: weniger Ressourcenverbrauch und niedrigere laufende Kosten. Das setzt voraus, dass im Team jemand weiß, welches Werkzeug wann passt.
Ein zweiter Hebel ist die Architektur deiner KI-Nutzung. Wer denselben Standardtext zehnmal am Tag neu generieren lässt, statt ihn einmal als Vorlage abzulegen, zahlt jedes Mal die volle Rechenleistung. Wer lange Dokumente komplett ans Modell schickt, obwohl nur ein Absatz relevant ist, verbrennt Tokens ohne Mehrwert. Solche Muster summieren sich, gerade wenn ein ganzes Team KI im Alltag nutzt. Hier liegt oft mehr Einsparung als in der Frage, welches Modell man wählt.
Eine ehrliche Einordnung der Zahlen
Ein Wort zur Vorsicht, bevor jemand mit diesen Zahlen Panik macht. Die genannten Werte stammen überwiegend aus den USA. Die Marktforschung von Mordor Intelligence und die Prognose von Tom's Hardware beziehen sich stark auf den US-Markt, in dem die größten Rechenzentren stehen.
Auf Europa lassen sich diese Zahlen nicht eins zu eins übertragen. Klimazonen sind anders, Kühlmethoden sind anders, Wasserverfügbarkeit ist anders. Manche europäischen Standorte nutzen kühlere Außentemperaturen oder geschlossene Kühlkreisläufe, die weniger Wasser verbrauchen.
Das macht das Thema nicht kleiner, nur differenzierter. Der Trend ist real und global. Mehr KI bedeutet mehr Rechenleistung, mehr Strom und mehr Kühlbedarf. Wie stark das auf Wasser durchschlägt, hängt vom Standort ab. Wer mit den US-Zahlen pauschal Alarm für ganz Europa schlägt, übertreibt. Wer das Thema ganz ignoriert, unterschätzt es. Die ehrliche Mitte ist: Zahlen kennen, Standort und Quelle mitdenken, daraus eine nüchterne Entscheidung ableiten.
Was das für KMU bedeutet
Für ein kleines oder mittleres Unternehmen sind diese Zahlen aus zwei Richtungen relevant. Erstens als Kostenfrage. Strom und Kühlung treiben die Betriebskosten der KI-Anbieter, und über den Token-Preis landet ein Teil davon auf deiner Rechnung. Wer KI in der Breite einsetzt, sollte seinen Verbrauch im Blick haben wie jede andere laufende Position auch.
Zweitens als Nachhaltigkeits- und ESG-Thema. Immer mehr Kunden, Banken und öffentliche Auftraggeber fragen nach dem Ressourcenfußabdruck. Wer KI nutzt, sollte dazu Auskunft geben können, gerade in regulierten Branchen oder bei größeren Ausschreibungen. Das ist kein Selbstzweck, das wird zunehmend Teil der Geschäftsgrundlage.
Praktisch bleibt die Empfehlung dieselbe: KI bewusst einsetzen statt gedankenlos. Nicht jede Aufgabe braucht das größte Modell. Kleinere oder selbst gehostete Modelle sparen Ressourcen und Geld. Das ist kein Verzicht, das ist saubere Wirtschaftlichkeit. Und genau das ist der Punkt, an dem KI-Kompetenz im Team den Unterschied macht: zu wissen, welches Werkzeug für welche Aufgabe das richtige ist, statt aus Bequemlichkeit immer das teuerste zu wählen.
Häufige Fragen
Wie viel Wasser verbrauchen KI-Rechenzentren?
Laut Mordor Intelligence verbrauchten KI-Rechenzentren 2025 rund 264 Milliarden Gallonen Wasser, also knapp eine Billion Liter. Aktuell ziehen sie rund 550 Millionen Gallonen pro Tag, was laut den Berichten ungefähr dem Wasserbedarf der gesamten weltweiten Flaschenwasser-Industrie entspricht. Das Wasser wird zur Kühlung der heißen Prozessoren gebraucht, die Sprachmodelle trainieren und betreiben.
Wie hängen Strom und Wasserverbrauch bei Rechenzentren zusammen?
Strom und Wasser lassen sich nicht trennen, weil Kühlung der Preis für Rechenleistung ist. Laut Tom's Hardware ist der steigende Energiebedarf der Hauptgrund, warum der Wasserverbrauch bis 2030 auf bis zu 600 Milliarden Gallonen steigen könnte. Auch die Stromerzeugung selbst braucht Wasser, da Kraftwerke ebenfalls mit Wasser kühlen. Der Fußabdruck eines Modells ist damit größer als das, was am Server gemessen wird.
Lassen sich die US-Zahlen auf Europa übertragen?
Nein, nicht eins zu eins. Die Werte von Mordor Intelligence und Tom's Hardware beziehen sich stark auf den US-Markt mit den größten Rechenzentren. In Europa sind Klimazonen, Kühlmethoden und Wasserverfügbarkeit anders, manche Standorte nutzen kühlere Außentemperaturen oder geschlossene Kreisläufe. Der Trend ist real und global, wie stark er auf Wasser durchschlägt, hängt vom Standort ab. Zahlen kennen, Quelle mitdenken.
Was bedeutet der Ressourcenverbrauch der KI für ein KMU?
Er ist aus zwei Richtungen relevant. Erstens als Kostenfrage: Strom und Kühlung treiben die Betriebskosten der Anbieter, und über den Token-Preis landet ein Teil davon auf deiner Rechnung. Zweitens als ESG-Thema, weil Kunden und Banken nach dem Ressourcenfußabdruck fragen. Praktisch: KI bewusst einsetzen, nicht jede Aufgabe braucht das größte Modell. Kleinere Modelle sparen Ressourcen und Geld zugleich.
Mehr über KI im Mittelstand lernen?
Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI praktisch einsetzen. Vollkurs Digitalisierungsmanager mit Bildungsgutschein. Förderwege: Bildungsgutschein, QCG und AFBG im Vergleich.
Zuletzt aktualisiert: 14.06.2026. Stand der Recherche: 14.06.2026.