KI-Agenten verbrauchen bis zu 137-mal mehr Strom als einfache Chatbots

Das entspricht einem Faktor von etwa 136,5 bis 137. In anderen Worten: Eine einzige Anfrage an einen KI-Agenten verbraucht so viel Strom, wie man bräuchte, um einen durchschnittlichen Kühlschrank einen ganzen Tag lang zu betreiben.

Doch nicht nur der Stromverbrauch steigt rasant. Die Antwortzeiten der Agenten waren bis zu 153,7-mal länger als die eines Chatbots ^MBP. Der Grund: KI-Agenten führen keine einfache Frage-Antwort-Runde durch, sondern durchlaufen mehrere Schritte: Sie erstellen einen Plan, rufen wiederholt Informationen ab, greifen auf externe Datenbanken oder Rechner zu und integrieren die Ergebnisse. Jeder dieser Schritte erfordert einen separaten Aufruf des großen Sprachmodells (LLM). Im Schnitt rief der Agent das LLM 9,2-mal häufiger auf als eine herkömmliche Abfrage ^HC.

GPU-Leerlauf: Der versteckte Stromfresser

Ein wesentlicher Faktor für die Energieineffizienz ist die Art und Weise, wie KI-Agenten arbeiten. Da sie auf externe Tools warten müssen (z. B. eine Suchmaschine oder einen Taschenrechner), sind die extrem leistungshungrigen Grafikprozessoren (GPUs) in den Rechenzentren über weite Strecken untätig.

Die KAIST-Studie quantifizierte dieses Problem erstmals: Bis zu 54,5 % der gesamten Ausführungszeit entfallen auf Leerlaufzeiten der GPUs ^HM. Das bedeutet, dass in diesen Phasen zwar Strom verbraucht wird, aber keine Berechnung stattfindet – eine immense Ineffizienz, die die Kosten und den CO₂-Fußabdruck in die Höhe treibt.

Zukunftsszenario: Rechenzentren als Strom-Giganten

Die Forscher wagten auch einen Blick in die Zukunft. In einem Hochrechnungsszenario, bei dem täglich 13,7 Milliarden KI-Agenten-Anfragen gestellt werden (das entspricht etwa der heutigen Anzahl von Google-Suchanfragen), beträgt der geschätzte Strombedarf der dafür nötigen Rechenzentren rund 198,9 Gigawatt (GW) ^N.

Zum Vergleich: Das ist etwa die Hälfte der durchschnittlichen gesamten Stromerzeugungskapazität der USA ^N. Diese Zahl übersteigt die aktuellen Pläne für mehrere GW-große KI-Rechenzentren bei weitem und zeigt, dass die derzeitige Infrastruktur für eine breite Einführung von KI-Agenten nicht ausgelegt ist.

Bedeutung für die Branche

Die Studie ist die weltweit erste quantitative Analyse des Energieverbrauchs von KI-Agenten im Vergleich zu herkömmlichen Chatbots ^MM. Sie unterstreicht den dringenden Handlungsbedarf:

• Effizientere Modelle und Hardware: Die Entwicklung kleinerer, spezialisierterer Modelle und optimierter Hardware ist nötig, um die Energielücke zu schließen.
• Bessere Auslastung: Neue Ansätze, die den Leerlauf von GPUs reduzieren, könnten den Energieverbrauch drastisch senken.
• Politische Weichenstellung: Regierungen und Unternehmen müssen beim Ausbau der KI-Infrastruktur die massiven Energie- und Emissionskosten einkalkulieren.

Die Ergebnisse der KAIST-Studie dienen als Weckruf. Während KI-Agenten zweifellos zu präziseren und leistungsfähigeren Anwendungen führen können, darf der kaum beachtete Nebeneffekt in Form explodierender Stromrechnungen und Emissionen nicht ignoriert werden.