Künstliche Intelligenz und Energieverbrauch: Die unsichtbaren Ressourcen der digitalen Revolution

Die unsichtbare materielle Grundlage einer scheinbar immateriellen Technologie

Künstliche Intelligenz erscheint als eine Technologie, die sich weitgehend von den materiellen Bedingungen der Welt gelöst hat. Sie existiert in der Wahrnehmung ihrer Nutzer in Form von Sprache, Bildern, Antworten und scheinbar grenzenlos verfügbaren Informationen. Ihre Benutzeroberfläche vermittelt den Eindruck einer entkörperlichten Intelligenz: Ein Gedanke wird eingegeben, eine Antwort erscheint, und zwischen beiden Vorgängen scheint kaum mehr als ein abstrakter Informationsaustausch stattzufinden.

Dieser Eindruck ist jedoch eine technologische Illusion. Hinter jeder generierten Antwort steht eine physische Infrastruktur aus Rechenzentren, Halbleitern, Stromnetzen, Kühlsystemen, Kommunikationsleitungen und industriellen Produktionsketten. Was auf der Oberfläche immateriell erscheint, ist im Hintergrund an eine beträchtliche Menge materieller Voraussetzungen gebunden.

Die zentrale These lautet daher: Die Leistungsfähigkeit künstlicher Intelligenz ist nicht allein eine Frage algorithmischer Intelligenz, sondern ebenso eine Frage der Verfügbarkeit von Energie, Rohstoffen, industrieller Produktionskapazität und technischer Infrastruktur. Die digitale Revolution hebt die materiellen Bedingungen menschlicher Zivilisation nicht auf. Sie verlagert und erweitert sie.

Damit entsteht ein grundlegender Widerspruch. Während die digitale Technologie den Eindruck einer nahezu unbegrenzten Verfügbarkeit von Wissen und Rechenleistung erzeugt, ist ihre tatsächliche Leistungsfähigkeit von begrenzten Ressourcen abhängig. Die scheinbare Grenzenlosigkeit der Software beruht auf der Skalierung einer sehr konkreten, sehr kostspieligen und ökologisch keineswegs neutralen materiellen Welt.

Die entscheidende Frage ist deshalb nicht nur, was künstliche Intelligenz leisten kann. Sie lautet ebenso: Welche physische Wirklichkeit muss geschaffen werden, damit diese Leistung überhaupt möglich wird?

Von der Rechenmaschine zur globalen Infrastruktur

Die materielle Abhängigkeit digitaler Technologien ist keineswegs neu. Bereits die frühen elektronischen Rechenmaschinen waren auf große technische Anlagen, erhebliche elektrische Versorgung und spezialisierte Produktionsbedingungen angewiesen. Mit der fortschreitenden Miniaturisierung der Halbleiter wurde Rechenleistung zwar immer kompakter und kostengünstiger, aber keineswegs immateriell.

Die Entwicklung verlief vielmehr in mehreren historischen Etappen: von zentralisierten Großrechnern über Personal Computer und vernetzte Computersysteme bis hin zu globalen Rechenzentren und cloudbasierten Plattformen. Mit jeder Entwicklungsstufe wurde Rechenleistung stärker in den Alltag integriert und zugleich infrastrukturell konzentriert.

Die Cloud hat diese Entwicklung besonders deutlich gemacht. Daten und Anwendungen schienen nicht länger an einen bestimmten Computer gebunden zu sein. Tatsächlich verschwanden die Rechner jedoch nicht. Sie wurden in gewaltigen Rechenzentren zusammengeführt, deren physische Existenz für die meisten Nutzer unsichtbar blieb.

Mit dem Aufstieg leistungsfähiger künstlicher Intelligenz erreicht diese Entwicklung eine neue Größenordnung. Das Training großer Modelle und ihre anschließende Nutzung erfordern hoch spezialisierte Rechensysteme. Grafikprozessoren und andere Beschleuniger übernehmen dabei Aufgaben, die mit herkömmlichen Prozessoren erheblich weniger effizient oder wirtschaftlich wären. Ihre Leistungsfähigkeit ermöglicht neue Anwendungen, erhöht jedoch zugleich die Anforderungen an Stromversorgung, Kühlung und Infrastruktur.

Die historische Besonderheit besteht somit nicht darin, dass digitale Technologien plötzlich Ressourcen verbrauchen. Neu ist vielmehr die Geschwindigkeit, mit der ihre infrastrukturelle Basis wächst, sowie die Konzentration von Rechenleistung in besonders leistungsfähigen Anlagen.

Energie: Die unterschätzte Voraussetzung künstlicher Intelligenz

Die Energiefrage bildet einen der sichtbarsten Konflikte zwischen dem technologischen Fortschrittsversprechen künstlicher Intelligenz und ihren materiellen Voraussetzungen. Leistungsfähige KI-Systeme benötigen erhebliche Rechenkapazitäten. Diese müssen nicht nur während des Trainings großer Modelle bereitgestellt werden, sondern auch während des laufenden Betriebs. Jede Anfrage, jede Bildgenerierung und jede automatisierte Analyse beansprucht Rechenleistung und damit Energie.

Die Internationale Energieagentur schätzte den weltweiten Stromverbrauch von Rechenzentren für das Jahr 2025 auf rund 485 Terawattstunden. Das entspricht ungefähr 1,5 Prozent des globalen Stromverbrauchs. Für das Jahr 2030 erwartet sie in ihrem Basisszenario einen Anstieg auf etwa 950 Terawattstunden. Dabei ist zu berücksichtigen, dass diese Zahlen sämtliche Rechenzentren umfassen und nicht ausschließlich auf künstliche Intelligenz entfallen.

Die Größenordnung ist bemerkenswert. Eine Technologie, deren Produkte scheinbar ohne physische Anstrengung entstehen, entwickelt sich zu einem bedeutenden Faktor der globalen Energieinfrastruktur. Besonders KI-orientierte Rechenzentren weisen eine hohe Leistungsdichte auf. Die dafür benötigten Beschleuniger können erhebliche elektrische Lasten erzeugen, die wiederum leistungsfähige Stromanschlüsse und komplexe Kühlsysteme erforderlich machen.

Allerdings wäre es verkürzt, den Energieverbrauch künstlicher Intelligenz ausschließlich als ökologisches Problem zu betrachten. Energie ist zunächst eine Voraussetzung technischer und wirtschaftlicher Entwicklung. Auch industrielle Automatisierung, wissenschaftliche Simulationen und digitale Kommunikationssysteme haben einen Energiebedarf, der gesellschaftlich nicht grundsätzlich als Verschwendung bewertet wird.

Die entscheidende Kontroverse liegt deshalb nicht allein in der absoluten Höhe des Verbrauchs. Sie betrifft das Verhältnis zwischen eingesetzter Energie und gesellschaftlichem Nutzen. Wenn ein KI-System medizinische Forschung beschleunigt, industrielle Prozesse effizienter gestaltet oder Energieversorgungssysteme optimiert, kann sein Verbrauch einen erheblichen Gegenwert erzeugen. Wenn dieselbe Infrastruktur dagegen überwiegend für kurzlebige, redundante oder wirtschaftlich wenig bedeutsame Anwendungen eingesetzt wird, stellt sich die Frage nach ihrer gesellschaftlichen Rechtfertigung in anderer Form.

Doch lässt sich dieser Nutzen überhaupt zuverlässig messen? Wie wird der Wert einer eingesparten Arbeitsstunde gegen den zusätzlichen Stromverbrauch aufgerechnet? Welcher Maßstab entscheidet darüber, ob eine technologische Anwendung ihren Ressourcenverbrauch rechtfertigt? Und wer bestimmt, welche Anwendungen gesellschaftlich wertvoll genug sind, um einen wachsenden Energiebedarf zu legitimieren?

Die verbreitete Vorstellung, technologische Effizienz werde das Energieproblem automatisch lösen, greift ebenfalls zu kurz. Effizientere Chips und optimierte Algorithmen können den Energiebedarf einzelner Berechnungen reduzieren. Gleichzeitig können niedrigere Kosten und höhere Leistungsfähigkeit die Nutzung ausweiten. Dieses als Rebound-Effekt bekannte Phänomen ist aus der Umwelt- und Wirtschaftsforschung seit Langem bekannt.

Effizienzgewinne führen daher nicht zwangsläufig zu einem sinkenden Gesamtverbrauch. Sie können ebenso die Grundlage für eine noch umfassendere Nutzung schaffen. Die Frage, ob künstliche Intelligenz langfristig Ressourcen einspart oder zusätzliche Nachfrage erzeugt, lässt sich folglich nicht allein anhand der Effizienz einzelner Rechenoperationen beantworten.

Halbleiter: Die industrielle Grundlage digitaler Intelligenz

Die physische Realität künstlicher Intelligenz beginnt nicht erst im Rechenzentrum. Sie beginnt bereits in den hoch spezialisierten Produktionsanlagen, in denen die dafür benötigten Halbleiter hergestellt werden.

Moderne KI-Beschleuniger gehören zu den technisch anspruchsvollsten Industrieprodukten überhaupt. Ihre Fertigung erfordert hoch entwickelte Produktionsverfahren, extrem kontrollierte Umgebungsbedingungen, spezialisierte Materialien und komplexe globale Lieferketten. Die Herstellung einzelner Chips ist das Ergebnis einer internationalen industriellen Arbeitsteilung, die sich über zahlreiche Unternehmen, Produktionsstandorte und Zulieferindustrien erstreckt.

Damit wird künstliche Intelligenz zugleich zu einer Frage industrieller Macht. Die Fähigkeit, leistungsfähige Halbleiter zu entwickeln und in ausreichender Menge herzustellen, beeinflusst die wirtschaftliche und geopolitische Position ganzer Volkswirtschaften. Der Zugang zu Rechenleistung ist deshalb nicht ausschließlich eine technische Frage. Er hängt auch von Produktionskapazitäten, Handelsbeziehungen, Exportkontrollen und der Verfügbarkeit strategischer Rohstoffe ab.

Die häufig verwendete Metapher von der digitalen Intelligenz verdeckt diese Abhängigkeiten. Ein KI-Modell kann als Software kopiert und über das Internet verbreitet werden. Die Hardware, auf der es ausgeführt wird, lässt sich jedoch nicht in vergleichbarer Weise vervielfältigen. Sie muss industriell produziert, transportiert, installiert, mit Energie versorgt und regelmäßig erneuert werden.

Hier tritt ein weiterer Widerspruch hervor: Die digitale Technologie verspricht eine zunehmend grenzenlose Verfügbarkeit von Wissen und Rechenleistung, während ihre industrielle Grundlage von hoch konzentrierten Produktionskapazitäten und verletzlichen Lieferketten abhängt. Die vermeintlich universelle Technologie besitzt damit eine ausgesprochen selektive materielle Basis.

Rohstoffe, Wasser und die ökologische Bilanz der Digitalisierung

Der Energieverbrauch ist nur ein Teil der materiellen Kosten künstlicher Intelligenz. Die vollständige ökologische Betrachtung muss den gesamten Lebenszyklus der technischen Infrastruktur einbeziehen: die Gewinnung von Rohstoffen, die Herstellung von Halbleitern, den Bau von Rechenzentren, deren Betrieb, die Kühlung sowie die spätere Entsorgung der technischen Komponenten.

Besonders die Halbleiterproduktion verdeutlicht, wie weit die digitale Welt von einer ressourcenfreien Wirtschaft entfernt ist. Die Herstellung moderner Mikrochips benötigt hochreine Ausgangsmaterialien, zahlreiche chemische Prozessstoffe und große Mengen aufbereiteten Wassers. Hinzu kommen Metalle und weitere Rohstoffe, deren Gewinnung mit Eingriffen in Landschaften, Ökosysteme und lokale Lebensbedingungen verbunden sein kann.

Auch der Betrieb von Rechenzentren ist nicht allein eine Frage des Stromverbrauchs. Die entstehende Wärme muss abgeführt werden. Je nach technischer Architektur, Standort und Kühlsystem kann dafür erheblicher Wasserbedarf entstehen. Die tatsächliche Umweltbelastung unterscheidet sich deshalb regional erheblich. Ein Rechenzentrum in einer wasserreichen Region hat andere unmittelbare Auswirkungen als eine vergleichbare Anlage in einem Gebiet mit bereits angespannten Wasserressourcen.

Hinzu kommt der Ressourcenbedarf durch die vergleichsweise kurzen Innovationszyklen der Hardware. Leistungsfähigere Beschleuniger und neue Servergenerationen können ältere Systeme wirtschaftlich entwerten, obwohl diese technisch noch funktionsfähig sind. Damit entsteht ein Spannungsverhältnis zwischen technologischer Wettbewerbsfähigkeit und der Lebensdauer industrieller Produkte.

Die ökologische Bilanz lässt sich deshalb nicht auf eine einzige Kennzahl reduzieren. Stromverbrauch, CO₂-Emissionen, Wasserbedarf, Flächenverbrauch, Rohstoffgewinnung und Elektroschrott bilden unterschiedliche Dimensionen einer gemeinsamen Problematik. Wer nur den Stromverbrauch betrachtet, unterschätzt die vorgelagerten und nachgelagerten Folgen der Technologie.

Das Umweltprogramm der Vereinten Nationen weist in seiner Analyse des gesamten KI-Lebenszyklus ausdrücklich darauf hin, dass direkte und indirekte Umweltwirkungen gemeinsam betrachtet werden müssen. Zugleich bestehen erhebliche methodische Schwierigkeiten bei der vollständigen Zuordnung und Messung dieser Auswirkungen.

Damit wird eine grundlegende Unsicherheit sichtbar: Die gesellschaftliche Bewertung einer Technologie hängt nicht nur von ihren unmittelbaren Leistungen ab, sondern auch davon, welche Kosten in ihrer Herstellung entstehen, wo diese Kosten anfallen und wer sie tatsächlich trägt.

Zwei gegensätzliche Deutungen des technologischen Fortschritts

Die Diskussion über die materiellen Kosten künstlicher Intelligenz lässt sich auf einen grundlegenden Konflikt zwischen zwei unterschiedlichen Fortschrittsverständnissen zurückführen.

Die optimistische Perspektive: Effizienz als Weg aus der Ressourcenknappheit

Aus einer technologieoptimistischen Perspektive ist der steigende Ressourcenverbrauch zunächst eine Begleiterscheinung einer tiefgreifenden Innovationsphase. Neue Technologien benötigen Investitionen, Infrastruktur und Energie, bevor ihre langfristigen Produktivitätsgewinne vollständig sichtbar werden.

Diese Position verweist darauf, dass künstliche Intelligenz ihrerseits dazu beitragen kann, Ressourcen effizienter einzusetzen. Sie kann industrielle Produktionsprozesse optimieren, Stromnetze besser steuern, Materialverschwendung reduzieren und wissenschaftliche Verfahren beschleunigen. Auch die Entwicklung neuer Werkstoffe und energieeffizienterer Technologien könnte durch KI unterstützt werden.

Darüber hinaus ist zu erwarten, dass Fortschritte bei der Chiparchitektur, der Kühlung und der Softwareoptimierung den Energiebedarf bestimmter Anwendungen senken. Aus dieser Perspektive wäre es verfehlt, den gegenwärtigen Verbrauch als unveränderliche Eigenschaft der Technologie zu betrachten.

Der zentrale Gedanke lautet: Eine Technologie darf nicht allein anhand der Ressourcen bewertet werden, die sie heute verbraucht. Entscheidend sei vielmehr, welche Möglichkeiten sie eröffnet und welche Ressourcen sie langfristig einzusparen vermag.

Die kritische Perspektive: Effizienz als Motor zusätzlicher Nachfrage

Die Gegenposition bezweifelt, dass technologische Effizienz automatisch zu einer ökologischen Entlastung führt. Sie verweist auf den Rebound-Effekt und auf die wirtschaftliche Dynamik digitaler Märkte. Werden Rechenoperationen günstiger und leistungsfähiger, entstehen häufig neue Anwendungen, zusätzliche Nutzungsmöglichkeiten und höhere Erwartungen an die verfügbare Rechenleistung.

Aus dieser Sicht besteht die Gefahr, dass Effizienzsteigerungen nicht zur Begrenzung des Ressourcenverbrauchs führen, sondern dessen weitere Expansion ermöglichen. Die Einsparung auf der Ebene einzelner Berechnungen wird durch eine wachsende Zahl von Berechnungen teilweise oder vollständig aufgehoben.

Die kritische Perspektive richtet den Blick außerdem auf die ungleiche Verteilung der Kosten. Die wirtschaftlichen Gewinne aus KI-Anwendungen können bei wenigen Unternehmen und Nutznießern konzentriert sein, während der Ausbau der Infrastruktur lokale Stromnetze, Wasserressourcen, Flächen und öffentliche Investitionen beansprucht.

Der Konflikt betrifft damit nicht nur die Umweltverträglichkeit einer Technologie. Er berührt auch die Frage nach der Verteilung von Nutzen, Kosten und Entscheidungsmacht in einer zunehmend digitalisierten Gesellschaft.

Die psychologische Unsichtbarkeit materieller Kosten

Dass die materiellen Voraussetzungen künstlicher Intelligenz im öffentlichen Bewusstsein häufig in den Hintergrund treten, ist nicht allein ein Informationsproblem. Es hängt auch mit der Art zusammen, wie Menschen digitale Technologien wahrnehmen.

Digitale Dienstleistungen erzeugen eine unmittelbare Erfahrung: Eine Frage wird beantwortet, ein Text erstellt, eine Aufgabe erledigt. Die dafür erforderlichen Ressourcen bleiben dagegen räumlich und zeitlich von dieser Erfahrung getrennt. Die Nutzer erleben den Nutzen direkt, die ökologischen und industriellen Voraussetzungen hingegen kaum.

Diese Trennung begünstigt eine psychologische Entkopplung zwischen Konsum und Ressourcenverbrauch. Was nicht unmittelbar sichtbar ist, wird leichter als selbstverständlich wahrgenommen. Die technische Komplexität verschwindet hinter einer einfachen Benutzeroberfläche.

Die Umweltpsychologie und die Forschung zur Wahrnehmung globaler Umweltprobleme beschäftigen sich seit Langem mit vergleichbaren Mechanismen. Insbesondere räumliche Distanz, zeitliche Verzögerung und die Schwierigkeit, individuelle Handlungen mit weitreichenden Folgen zu verbinden, können die subjektive Wahrnehmung von Umweltproblemen beeinflussen.

Allerdings wäre es ebenso verkürzt, jede geringe Aufmerksamkeit für den Ressourcenverbrauch als Ausdruck psychologischer Verdrängung zu interpretieren. Die meisten Nutzer verfügen weder über verlässliche Informationen zum Energiebedarf einzelner Anwendungen noch über die Möglichkeit, die vollständige ökologische Bilanz einer digitalen Dienstleistung zu beurteilen.

Die Unsichtbarkeit der Infrastruktur ist daher nicht ausschließlich ein individuelles Wahrnehmungsproblem. Sie ist auch eine Folge der wirtschaftlichen und technischen Organisation digitaler Dienstleistungen. Was für den Nutzer einfach und unmittelbar erscheint, ist das Ergebnis einer hochgradig arbeitsteiligen und räumlich verteilten Industrie.

Gesellschaftliche Konsequenzen: Wenn digitale Macht auf physischer Knappheit beruht

Die materielle Abhängigkeit künstlicher Intelligenz besitzt Konsequenzen, die weit über die ökologische Dimension hinausreichen. Sie verändert die Voraussetzungen wirtschaftlicher Wettbewerbsfähigkeit, politischer Handlungsfähigkeit und gesellschaftlicher Teilhabe.

Rechenleistung wird zunehmend zu einer strategischen Ressource. Wer über leistungsfähige Halbleiter, große Rechenzentren, ausreichende Energieversorgung und das notwendige Kapital verfügt, besitzt strukturelle Vorteile bei der Entwicklung und Nutzung künstlicher Intelligenz. Diese Konzentration kann bestehende wirtschaftliche Machtverhältnisse verstärken.

Gleichzeitig entsteht eine neue Abhängigkeit von Infrastrukturen, die sich nur mit erheblichen Investitionen aufbauen lassen. Während digitale Anwendungen vergleichsweise leicht verbreitet werden können, bleibt ihre technische Grundlage auf wenige industrielle Produktionszentren und kapitalintensive Unternehmen konzentriert.

Damit stellt sich die Frage, ob der Zugang zu künstlicher Intelligenz tatsächlich demokratisiert wird, wenn die Kontrolle über ihre materiellen Voraussetzungen zunehmend konzentriert ist. Eine Technologie kann auf der Ebene ihrer Nutzung allgemein verfügbar erscheinen und dennoch auf der Ebene ihrer Produktion hochgradig exklusiv organisiert sein.

Auch die Energieversorgung erhält eine neue gesellschaftliche Bedeutung. Wenn Rechenzentren zu bedeutenden regionalen Stromverbrauchern werden, konkurrieren sie unter Umständen mit anderen Nutzungen um Netzkapazitäten und verfügbare Energie. Besonders dort, wo die Infrastruktur nicht schnell genug erweitert werden kann, entstehen Verteilungskonflikte.

Die Frage lautet dann nicht mehr nur, wie viel Strom eine Gesellschaft erzeugen kann. Sie lautet auch, welche wirtschaftlichen und gesellschaftlichen Aktivitäten Vorrang erhalten sollen. Ist die Versorgung einer hochprofitablen digitalen Infrastruktur wichtiger als andere industrielle, kommunale oder soziale Bedürfnisse? Und wer besitzt die Legitimation, darüber zu entscheiden?

Die materiellen Grundlagen künstlicher Intelligenz werden damit zu einem Gegenstand gesellschaftlicher Auseinandersetzung. Hinter der scheinbar technischen Frage nach Rechenkapazität verbirgt sich eine politische Frage nach Ressourcenverteilung und wirtschaftlicher Macht.

Die Grenzen populärer Erklärungen

Die öffentliche Debatte über den Ressourcenverbrauch künstlicher Intelligenz wird häufig von vereinfachenden Erzählungen bestimmt. Diese reichen von der Vorstellung einer zwangsläufigen ökologischen Katastrophe bis zur Überzeugung, technologische Innovation werde sämtliche Ressourcenprobleme langfristig lösen.

Beide Perspektiven greifen zu kurz.

Die Annahme, künstliche Intelligenz sei grundsätzlich umweltschädlich, vernachlässigt mögliche Effizienzgewinne und gesellschaftlich wertvolle Anwendungen. Sie ignoriert außerdem, dass nicht jede Rechenoperation denselben Energiebedarf besitzt und dass die Umweltbilanz wesentlich vom Standort, der Energiequelle, der Hardware und der Auslastung abhängt.

Umgekehrt ist die Vorstellung, steigende Effizienz werde den Ressourcenverbrauch automatisch reduzieren, wissenschaftlich nicht haltbar. Der Rebound-Effekt zeigt, dass technische Einsparungen durch zusätzliche Nachfrage teilweise oder vollständig kompensiert werden können. Die tatsächliche Entwicklung hängt von wirtschaftlichen, politischen und gesellschaftlichen Rahmenbedingungen ab.

Ebenso problematisch ist die Gleichsetzung des gesamten Stromverbrauchs von Rechenzentren mit dem Energiebedarf künstlicher Intelligenz. Rechenzentren betreiben auch Cloud-Dienste, Speicherinfrastrukturen, Kommunikationssysteme und zahlreiche andere digitale Anwendungen. Selbst innerhalb des KI-Bereichs unterscheiden sich Training und laufende Nutzung hinsichtlich ihrer energetischen Anforderungen.

Eine weitere Verkürzung besteht darin, die ökologische Bewertung ausschließlich auf den Stromverbrauch zu reduzieren. Die Herstellung von Hardware, der Wasserbedarf, die Gewinnung von Rohstoffen und die Entsorgung technischer Komponenten gehören ebenso zur Gesamtbilanz.

Schließlich dürfen Prognosen nicht mit gesicherten Zukunftstatsachen verwechselt werden. Die Entwicklung des Energiebedarfs hängt von der Geschwindigkeit technologischer Innovation, der Verbreitung von KI-Anwendungen, der Verfügbarkeit von Energie und der wirtschaftlichen Nachfrage ab. Szenarien beschreiben mögliche Entwicklungen unter bestimmten Annahmen. Sie sind keine unveränderlichen Vorhersagen.

Eine wissenschaftlich tragfähige Betrachtung muss deshalb mehrere Ebenen gleichzeitig berücksichtigen: technische Effizienz, absolute Nachfrage, ökologische Gesamtwirkung, wirtschaftliche Interessen und gesellschaftliche Verteilung. Erst diese Verbindung ermöglicht eine realistische Einschätzung der materiellen Grundlagen künstlicher Intelligenz.

Die eigentliche Spannung: Eine grenzenlose Technologie in einer begrenzten Welt

Künstliche Intelligenz steht exemplarisch für einen grundlegenden Widerspruch der modernen Industriegesellschaft. Sie verspricht die Überwindung bisheriger Grenzen menschlicher Leistungsfähigkeit, ist selbst jedoch vollständig in die materiellen Grenzen der Welt eingebunden.

Ihre scheinbare Entkörperlichung verdeckt, dass jede digitale Leistung auf physischer Arbeit, industrieller Produktion, Energie und natürlichen Ressourcen beruht. Die zunehmende Abstraktion der Benutzererfahrung geht mit einer wachsenden Komplexität ihrer materiellen Voraussetzungen einher.

Die eigentliche historische Besonderheit liegt möglicherweise gerade in dieser Diskrepanz: Noch nie war es in einem solchen Ausmaß möglich, immaterielle Leistungen in einer globalen Infrastruktur zu erzeugen, deren Ressourcenbedarf gleichzeitig so weit vom unmittelbaren Erleben ihrer Nutzer entfernt ist.

Damit verändert sich auch die Bedeutung des technologischen Fortschritts. Fortschritt lässt sich nicht mehr ausschließlich an Rechenleistung, Geschwindigkeit oder wirtschaftlicher Produktivität messen. Er muss sich ebenso mit den Bedingungen auseinandersetzen, unter denen diese Leistungen entstehen, und mit den Konsequenzen, die ihre Verbreitung für die Gesellschaft und ihre natürlichen Lebensgrundlagen besitzt.

Doch genau hier beginnt die eigentliche Kontroverse. Wenn künstliche Intelligenz die Produktivität steigert, wissenschaftliche Erkenntnisse beschleunigt und neue gesellschaftliche Möglichkeiten eröffnet, wie viel materieller Aufwand ist dann gerechtfertigt? Und lässt sich diese Frage überhaupt unabhängig von den Interessen beantworten, die den Ausbau der Technologie vorantreiben?

Vielleicht liegt die entscheidende Herausforderung nicht darin, dass künstliche Intelligenz Ressourcen verbraucht. Jede komplexe Zivilisation tut das. Die tiefere Herausforderung besteht darin, dass eine Technologie, die zunehmend als universelle Lösung gesellschaftlicher Probleme verstanden wird, selbst neue Abhängigkeiten und Verteilungskonflikte hervorbringt.

Je leistungsfähiger die digitale Intelligenz wird, desto deutlicher tritt ihre physische Abhängigkeit hervor. Je selbstverständlicher ihre Nutzung erscheint, desto leichter geraten ihre materiellen Voraussetzungen aus dem Blick.

Die zentrale Frage bleibt deshalb offen: Ist künstliche Intelligenz Ausdruck einer neuen Stufe technologischer Freiheit oder entsteht gerade eine neue Form der Abhängigkeit – von Energie, Rohstoffen, industrieller Konzentration und einer Infrastruktur, deren Grenzen sich nicht durch Software überwinden lassen?

Die Antwort darauf wird nicht allein in den Laboren der Technologieentwicklung entstehen. Sie wird sich daran entscheiden, wie eine Gesellschaft das Verhältnis zwischen technischem Fortschritt, materiellen Voraussetzungen und den Grenzen ihrer eigenen Lebensgrundlagen versteht.

Quellen & Literatur

• International Energy Agency (2026): Key Questions on Energy and AI. Aktuelle Schätzungen und Szenarien zum weltweiten Stromverbrauch von Rechenzentren und zum Einfluss künstlicher Intelligenz.
• International Energy Agency (2025): Energy and AI. Umfassende Untersuchung der Wechselwirkungen zwischen künstlicher Intelligenz, Energieversorgung, Rechenzentren und technologischer Entwicklung.
• United Nations Environment Programme (2024): Artificial Intelligence (AI) end-to-end: The Environmental Impact of the Full AI Lifecycle Needs to Be Comprehensively Assessed. Untersuchung der Umweltwirkungen über den gesamten Lebenszyklus künstlicher Intelligenz.
• Our World in Data (2026): How Much of the World's Electricity Is Used for Data Centers and Artificial Intelligence? Einordnung des Energieverbrauchs von Rechenzentren und Abgrenzung des KI-Anteils.
• European Commission: Energy Performance of Data Centres. Informationen zu Energieeffizienz, Stromverbrauch und Umweltwirkungen europäischer und globaler Rechenzentren.

Neue Texte auf Gedankenplanet

Was geschieht – und was es mit uns macht. Ein vielstimmiger Blick auf die Gegenwart und ihre Fragen. Neues aus Alltag & Leben, Business & Karriere, Gesellschaft & Politik, Gesundheit & Wohlbefinden, Kultur & Kunst, Liebe & Beziehungen, Natur & Umwelt, Philosophie & Psychologie, Recht sowie Wissenschaft & Technik: