SÜDKOREA / LONDON (IT BOLTWISE) – KAIST zeigt in einer Studie, dass KI-Agenten pro Anfrage massiv mehr Energie benötigen als klassische Chatbots. Für ein 70-Milliarden-Parameter-Modell werden rund 348, 41 Wattstunden pro Anfrage genannt, bei Agenten mit dynamischem Reasoning. Gleichzeitig bleibt ein Großteil der GPU-Zeit ungenutzt, was auf Effizienzlücken in typischen Rechenzentrums-Setups hindeutet. Die Ergebnisse wurden auf der HPCA-Konferenz vorgestellt und münden in ein Open-Source-Tool namens AgentBench.
Autonome KI-Agenten stehen gerade deshalb im Fokus, weil sie nicht nur antworten, sondern Arbeitsabläufe selbstständig in mehreren Schritten ausführen. Doch genau dieser Mehrschritt-Charakter kippt in der Energiebilanz. Wie eine Studie des Korea Advanced Institute of Science and Technology (KAIST) berichtet, kann der Strombedarf pro Anfrage bei KI-Agenten bis zu 136, 5-mal höher liegen als bei konventionellen Chatbots wie ChatGPT. Das ist nicht nur ein Betriebskosten-Thema, sondern berührt die Kapazitätsplanung von Rechenzentren weltweit: Wenn sich Energiekosten und Kühlbedarf exponentiell verschieben, werden Architekturentscheidungen zu strategischen Hebeln.
Der Kernunterschied liegt in der Funktionsweise. Ein generatives KI-System, das überwiegend direkte Frage-Antwort-Pfade nutzt, arbeitet meist in einem vergleichsweise geradlinigen Inferenzprozess. KI-Agenten hingegen führen häufig komplexe, iterative und mehrstufige Denk- und Ausführungssequenzen aus. Um diese Sequenzen zu bewältigen, müssen Large Language Models wiederholt aktiviert werden. In der KAIST-Bewertung wird dabei eine Art „dynamisches Reasoning“ herausgestellt: Je nach Aufgabenkomplexität wird mehr Rechenzeit „nachgeschaltet“, statt bei einem einzigen Durchlauf zu bleiben. Für ein Modell mit 70 Milliarden Parametern werden rund 348, 41 Wattstunden für eine einzelne Anfrage genannt.
Damit verbunden ist ein zweiter Effekt, der im Alltag von Cloud- und On-Prem-Betrieb schnell übersehen wird: Die reine Wattzahl ist nur die halbe Wahrheit, entscheidend ist auch die Auslastungsrealität der Hardware. Die Studie beschreibt, dass GPUs während des Betriebs etwa 54, 5 Prozent der Zeit ungenutzt bleiben. Das passt zum Bild typischer Agent-Workloads: Statt dauerhaft in einem durchgehenden Batch-Compute-Modus zu laufen, wartet die Hardware zwischen den Agenten-Schritten auf den nächsten Reasoning-Trigger. Genau hier entstehen „versteckte“ Betriebskosten, weil Rechenkapazität vorhanden ist, aber aufgrund von Warte- und Synchronisationsphasen nicht effizient genutzt wird. Im Ergebnis werden Strom und Zeit gleichzeitig ineffizient gebunden.
Schon die Präsentation der Ergebnisse im Februar 2026 auf dem IEEE International Symposium on High-Performance Computer Architecture (HPCA) deutet darauf hin, dass es sich nicht um ein Randproblem handelt. HPCA adressiert typischerweise die Frage, wie Speicherhierarchien, Beschleuniger und Scheduling in High-Performance-Systemen zusammenspielen. Dass die KAIST-Erkenntnisse dort aufschlagen, stärkt die Annahme, dass das „Agenten-Training“ nicht automatisch mit „Agenten-Betrieb“ skaliert. Unternehmen, die aktuell vor allem auf Modellqualität optimieren, könnten dadurch in eine Ausbauschleife geraten: Mehr Anfragen führen nicht nur zu höheren Kosten, sondern auch zu neuen Engpässen in Netzwerken, Workload-Queues und Interconnects.
Im Marktvergleich wird das Thema zusätzlich durch die Konkurrenzsituation verschärft: Große Anbieter investieren parallel in Agenten-Orchestrierung und Tool-Use, etwa über Plattformen und SDKs rund um KI-Systeme. Wer dabei die Effizienzkomponente vernachlässigt, trifft im operativen Betrieb auf ein unkomfortables Spannungsfeld zwischen Latenz, Durchsatz und Energieprofil. Aus analytischer Sicht ist damit zu rechnen, dass sich Wettbewerbsvorteile zunehmend über „cost per successful task“ statt nur über „tokens per second“ definieren. Marktkenner erwarten, dass Effizienzmetriken in Budgets und Service-Level-Abkommen (SLA) stärker gewichtet werden, weil Rechenzentrumskapazität inzwischen ebenso knapp ist wie Energie.
Für die Nachhaltigkeitsdebatte liefert die Studie eine besonders drastische Skalierungsrechnung. KAIST nennt ein Szenario mit täglich 13, 7 Milliarden Agenten-Anfragen; daraus ergäbe sich ein Strombedarf von etwa 198, 9 Gigawatt. Zum Kontext: Das entspricht laut der Arbeit ungefähr der Hälfte des gesamten US-amerikanischen Stromverbrauchs. Auch wenn ein solches Extremszenario eher als Stress-Test zu lesen ist, zeigt es die Richtung: Sobald Agentenfunktionen breit in Produktivsysteme wandern und sich Nutzerverhalten anreichert, kann sich der Energiebedarf schneller als erwartet verschieben. Für CTOs und Betreiber bedeutet das: Ohne Architektur- und Scheduling-Anpassungen steigt das Risiko, dass Energie- und Kühlgrenzen früher erreicht werden als Planwerte.
Technisch setzt der Ansatz der KAIST-Arbeit am Evaluierungsproblem an. Um vergleichbare Aussagen über die Kosten dynamischen Reasonings zu ermöglichen, veröffentlichen die Forscher einen Evaluierungsrahmen namens AgentBench als Open-Source-Projekt auf GitHub. Damit wird aus einer einzelnen Messkampagne ein reproduzierbarer Benchmark-Workflow: Entwickler können Workloads definieren, Agentenvarianten gegeneinander testen und Kostenprofile nachvollziehbar machen. AgentBench zielt damit weniger auf „Schönrechnen“ als auf belastbare Systemvergleiche, inklusive der Frage, wie oft ein Modell neu aktiviert wird und welche Wartephasen im Betrieb entstehen. Für Unternehmen ist das relevant, weil Effizienz nicht allein am Modell hängt, sondern auch an Orchestrierung, Scheduling und Infrastruktur-Feintuning.
Der nächste Schritt für die Praxis dürfte eine Mischung aus Workload-Design und Infrastruktur-Engineering sein. Gegenüber klassischem Chat-Betrieb müssen Agentenpipelines so gestaltet werden, dass GPU-Idle-Zeit sinkt und CPU/GPU-Phasen besser orchestriert werden. Dazu zählen etwa adaptive Step-Limits, dynamische Umroutings für Teilaufgaben, sorgfältiges Chunking von Kontext und ein Scheduling, das Wartezeiten reduziert, bevor sie den Beschleuniger „trockenlegt“. Gleichzeitig sollten Betreiber Monitoring so erweitern, dass Energie- und Auslastungsmetriken unmittelbar mit Agentenaktionen korrelieren. Wer das früh angeht, kann sich gegenüber der Konkurrenz absetzen, weil Effizienz in der Skalierung nicht nur Kosten senkt, sondern auch Kapazitätsreserven schafft.
Ausblickend ist zu erwarten, dass Effizienz als Produktanforderung in Agentenplattformen fest verankert wird. Schon jetzt wird deutlich: Agenten liefern zusätzliche Funktionalität, aber sie bringen einen anderen Betriebscharakter mit – mit iterativen Berechnungen, spürbaren Latenzunterschieden und messbar niedrigeren GPU-Taktzeiten. Die KAIST-Ergebnisse zeigen außerdem, dass „mehr Intelligenz“ nicht automatisch „günstiger“ bedeutet. In den kommenden Monaten dürften deshalb Benchmarks wie AgentBench, Energie-Reporting in MLOps-Prozessen und genauere Kostenmodelle an Bedeutung gewinnen. Das ist auch regulatorisch und datenschutznah relevant: Wer effizienter arbeitet, reduziert nicht nur Energie, sondern verkürzt potenziell auch Verarbeitungsfenster für Daten in sensiblen Workflows – ein Faktor, der bei Unternehmens-Compliance künftig stärker diskutiert wird.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KAIST warnt: KI-Agenten verbrauchen bis zu 136-mal mehr Strom" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KAIST warnt: KI-Agenten verbrauchen bis zu 136-mal mehr Strom" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KAIST warnt: KI-Agenten verbrauchen bis zu 136-mal mehr Strom« bei Google Deutschland suchen, bei Bing oder Google News!