LONDON (IT BOLTWISE) – KI-Agenten können nach aktuellen Auswertungen rund 600-mal mehr Energie verbrauchen als einzelne Textanfragen über typische Chat-Schnittstellen. Die Rechnung basiert auf acht Wochen Nutzung von Claude Code: 1.138 Prompts, 14.000 Modellaufrufe und etwa 3,2 Milliarden erzeugte Tokens. Für diesen Zeitraum werden rund 170 kWh geschätzt, daraus folgt für einen einzelnen Prompt im Schnitt ein Energiebedarf von etwa 150 Wh. Entscheidend wird damit auch die Frage, wie effizient Rechenzentren und Beschleuniger genutzt werden, weil sich die CO2-Werte bei Skalierung deutlich verschieben.
Autonome KI-Agenten werden in Unternehmen zunehmend als „Arbeitskraft“ genutzt: Sie planen Schritte, rufen Tools auf und arbeiten Aufgaben wiederholt ab, statt nur eine einzelne Antwort zu formulieren. Genau diese Betriebsart macht den Energieverbrauch deutlich sichtbarer. In einer Auswertung wird berichtet, dass KI-Agenten etwa 600-mal mehr Energie benötigen als einfache, einmalige Textanfragen über herkömmliche Chat-Schnittstellen. Der Kernpunkt ist dabei nicht, dass KI grundsätzlich „teurer“ wird, sondern dass sich der Aufwand bei Agenten als iterative Kette aus vielen Modellaufrufen aufbaut.
Die Zahlen lassen sich an konkreter Nutzung festmachen: Die Untersuchung bezieht sich auf die Auswertung der Agenten-Nutzung des Tools Claude Code über acht Wochen. In dieser Zeit wurden insgesamt 1.138 Prompts verarbeitet. Auffällig ist dabei, dass die Prompts nicht „einmal“ durchlaufen werden, sondern für die jeweils komplexen Aufgaben insgesamt rund 14.000 Modellaufrufe nötig waren. Zusätzlich fällt ein sehr großes Token-Volumen an: Es wurden ungefähr 3,2 Milliarden Tokens generiert. Für den Zeitraum von acht Wochen wird der Energieverbrauch auf etwa 170 kWh geschätzt; die Spanne reicht dabei von 70 bis 330 kWh, weil unterschiedliche Annahmen zur Hardware-Effizienz in die Berechnung eingehen.
Um die Größenordnung für den Alltag greifbar zu machen, werden die Werte pro Prompt umgerechnet. Dem Bericht zufolge ergibt sich daraus im Schnitt ein Energiebedarf von etwa 150 Wh pro Prompt. Zum Vergleich wird die Größenordnung für eine einzelne Standardantwort mit rund 500 Tokens betrachtet: Diese liege nur bei etwa 0,029 bis 0,29 Wh. Der Unterschied entsteht damit nicht durch „mehr Text“, sondern vor allem durch das wiederholte Nachdenken und Nachjustieren im Agentenbetrieb: Jeder zusätzliche Modellaufruf erzeugt neue Token, triggert weitere Inferenzschritte und verlängert die Zeit, in der GPU- bzw. Beschleuniger-Ressourcen belegt sind. Für IT-Leiter und Produktverantwortliche heißt das: Die Umwelt- und Kostenwirkung hängt stark daran, wie viele Iterationen ein Agent tatsächlich braucht, und weniger daran, wie „groß“ die Antwort wirkt.
Auf Basis der Messdaten werden auch Hochrechnungen für den dauerhaften Einsatz solcher Agenten-Systeme abgeleitet. Bei einer Nutzung über ein volles Jahr ergäbe sich demnach ein geschätzter Energieverbrauch von etwa 1,1 MWh. Je nach zugrunde gelegten Effizienzparametern liegt die Spanne bei rund 0,4 bis 2,2 MWh. In der gleichen Logik wird die CO2-Bilanz hergeleitet: Der berichtete jährliche Ausstoß wird mit etwa 370 kg CO2 beziffert, wobei die Werte in einer detaillierten Betrachtung zwischen 149 und 734 kg CO2 schwanken. Solche Spannweiten sind in der Praxis relevant, weil sie die Unsicherheit zeigen, die nicht aus dem Modell selbst kommt, sondern aus Annahmen zur Rechenzentrums-Effizienz, zum eingesetzten Hardware-Mix sowie zum Strombezug.
Technisch wird die CO2-Intensität über eine Formel erklärt, die die Leistung der Beschleuniger-Hardware mit der Effizienz der Rechenzentren verknüpft. Genannt wird dabei die Kenngröße Power Usage Effectiveness (PUE). Für ein Beispiel wird eine angenommene Beschleuniger-Leistung von 700 W und ein PUE-Wert von 1,2 verwendet, um den Energiebedarf pro Token herzuleiten. Ergänzend wird auch ein Zusammenhang über die Tokens pro Sekunde diskutiert: Je nachdem, ob ein System zwischen 400 und 4.000 Tokens pro Sekunde verarbeitet, ergibt sich ein Energiebedarf pro Token von etwa 0,21 bis 2,10 Joule. Damit wird sichtbar, wie sehr Durchsatz und Auslastung den Energiebedarf beeinflussen: Ein hoher Durchsatz kann die „Energie pro Token“ senken, während eine niedrigere Verarbeitungsgeschwindigkeit die gleichen Tokens in längerer Rechenzeit erzeugt.
Auch Standort- und Infrastrukturfragen schlagen sich in den Kennzahlen nieder. Der berichtete Zusammenhang: Bei einer Netzintensität von 50 bis 700 gCO2 pro kWh ergeben sich für eine einzelne Antwort Werte zwischen 0,0015 und 0,2 g CO2-Äquivalenten. Diese enorme Differenz entspricht einem Faktor von 130 und unterstreicht, warum „grüne“ KI nicht nur eine Modell- oder Cloud-Entscheidung ist, sondern vor allem eine Frage des genauen Strombezugs und der Infrastruktur. Während einfache Antworten energetisch kaum ins Gewicht fallen, vervielfacht sich die Last bei autonomen Agenten durch die iterative Ausführung – mit direkten Konsequenzen für die Skalierbarkeit von KI-gestützter Softwareentwicklung und für die Umweltfolgen automatisierter Workflows.
Für Unternehmen ergibt sich daraus ein zweistufiger Handlungsdruck: Erstens müssen sie bei der Einführung von KI-Agenten die tatsächliche Prozesslogik messen, also wie viele Modellaufrufe pro Aufgabe entstehen und wie oft ein Agent Schleifen wiederholt. Zweitens sollten sie bei der Architektur auf Effizienzhebel setzen, etwa durch konservativere Planungsstrategien, gezieltes Werkzeug-Calling und klare Stop-Kriterien, die unnötige Iterationen verhindern. Damit lässt sich nicht nur die Ressourcenlast reduzieren, sondern auch die Aussagekraft von Nachhaltigkeitskennzahlen verbessern. Denn wenn Agenten die Energie deutlich stärker dominieren als einzelne Chat-Antworten, dann wird eine belastbare CO2-Betrachtung ohne Transparenz über Inferenzschritte schnell zur Fußnote – während sie in Pilotprojekten eine echte Steuerungsgröße werden kann.
💳 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 "KI-Agenten: deutlich höherer Energiebedarf als einfache Chat-Anfragen" 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 "KI-Agenten: deutlich höherer Energiebedarf als einfache Chat-Anfragen" 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: »KI-Agenten: deutlich höherer Energiebedarf als einfache Chat-Anfragen« bei Google Deutschland suchen, bei Bing oder Google News!