Eine neue Studie der südkoreanischen Elite-Universität KAIST bringt eine unbequeme Wahrheit ans Licht: KI-Agenten verbrauchen bis zu 136-mal mehr Energie als herkömmliche Chatbot-Systeme. Die Forschung wirft ernsthafte Fragen zur Nachhaltigkeit der aktuellen KI-Entwicklung auf und könnte die Debatte über die Energiezukunft der Branche grundlegend verändern.
Was die KAIST-Studie herausgefunden hat
Das Forschungsteam um Professor Minsoo Rhu von der Fakultät für Elektrotechnik hat erstmals systematisch analysiert, wie viel Rechenleistung und Energie KI-Agenten in echten Service-Umgebungen benötigen. Anders als einfache Frage-Antwort-Systeme rufen KI-Agenten große Sprachmodelle wiederholt auf, während sie Aufgaben erledigen. Jeder dieser Aufrufe kostet Rechenzeit und Strom.
Die Kernergebnisse sind alarmierend: Ein KI-Agent, der auf einem 70-Milliarden-Parameter-Modell basiert, verbraucht durchschnittlich 348,41 Wattstunden pro Anfrage. Damit liegt der Energiebedarf 136,5-mal höher als bei konventioneller generativer KI, die einfache Fragen beantwortet. Zudem sind die Antwortzeiten um das 153,7-fache länger.
GPU-Leerlauf als verborgenes Problem
Ein weiteres Resultat der Studie betrifft die Effizienz der Hardware. Wenn KI-Agenten externe Werkzeuge wie Websuchen oder Code-Ausführung nutzen, warten die teuren Grafikprozessoren auf Ergebnisse. Dabei liegen die GPUs in bis zu 54,5 Prozent der gesamten Laufzeit brach. Das bedeutet: Je komplexer die Aufgabe eines KI-Agenten wird, desto mehr verschwendet die zugrundeliegende Infrastruktur Ressourcen.
Diese Ineffizienz ist kein Randproblem. Vielmehr entsteht eine völlig neue Art von Verschwendung, bei der Hochleistungs-Chips nicht ausgelastet sind, während sie auf externe Prozesse warten. Für Rechenzentren, die ohnehin unter Stromengpässen leiden, ist das ein wachsendes Problem.
198 Gigawatt: Das Szenario für die Zukunft
Die Forscher projizierten ein Zukunftsszenario mit 13,7 Milliarden KI-Agenten-Anfragen pro Tag. Das entspricht dem aktuellen Suchvolumen von Google. Unter diesen Bedingungen würde der Strombedarf der KI-Rechenzentren bei etwa 198,9 Gigawatt liegen. Zum Vergleich: Dieser Wert übersteigt die Kapazität aller aktuell geplanten KI-Rechenzentren bei Weitem und entspricht etwa der Hälfte des durchschnittlichen Stromverbrauchs der gesamten Vereinigten Staaten.
Die aktuellen Großrechenzentren bewegen sich im einstelligen Gigawatt-Bereich. Der Sprung auf fast 200 Gigawatt würde die weltweite Energieinfrastruktur vor völlig neue Herausforderungen stellen. Allerdings ist dieses Szenario nicht zwangsläufig, sondern hängt davon ab, wie schnell sich KI-Agenten durchsetzen und wie effizient die Systeme werden.
Co-Design als Ausweg aus dem Dilemma
Die Studie, die im Februar auf dem 32. IEEE International Symposium on High-Performance Computer Architecture in Sydney präsentiert wurde, kommt zu einem klaren Schluss: Der Wettbewerb der KI-Ära verschiebt sich von schlauer KI hin zu effizienter KI. Professor Rhu betont, dass künftig ein integrierter Ansatz nötig ist, der KI-Modelle, Chips, Rechenzentren und Strominfrastruktur gemeinsam optimiert.
Zudem hat das Team die verwendeten KI-Agenten-Implementierungen und Benchmarks als Open Source veröffentlicht. Dadurch können Forscher weltweit die Ergebnisse überprüfen und an Lösungen arbeiten. Die Studie wurde vom südkoreanischen IITP, dem K-Cloud-Programm und dem Zukunftstechnologie-Inkubationszentrum von Samsung Electronics gefördert.
Was das für die KI-Branche bedeutet
Die Ergebnisse kommen zu einem Zeitpunkt, an dem Unternehmen wie Anthropic, OpenAI und Google massiv auf KI-Agenten setzen. Der Trend geht eindeutig in Richtung autonomer Systeme, die Aufgaben selbstständig planen und ausführen. Doch die KAIST-Studie zeigt: Jeder Schritt in Richtung mehr Autonomie kostet exponentiell mehr Energie.
Für die Branche bedeutet das zwei Dinge. Erstens müssen Energieeffizienz und Nachhaltigkeit endlich als Wettbewerbsvorteil verstanden werden. Zweitens drohen ohne grundsätzliche Architekturänderungen steigende Betriebskosten und regulatorische Risiken. Die Frage ist nicht mehr, ob KI-Agenten die Zukunft sind, sondern wie viel Strom wir bereit sind, dafür zu bezahlen.
