Wie viel Wasser verbraucht ChatGPT wirklich? Ein Entwickler prüft die 0,32-ml-Angabe
Wie viel Wasser verbraucht ChatGPT wirklich? Ein Entwickler prüft die 0,32-ml-Angabe
SEIT JUNI 2025 IMMER WIEDER IM NETZ GEFRAGT
Wie viel Wasser verbraucht eine einzelne ChatGPT-Anfrage tatsächlich?
Der ChatGPT Wasserverbrauch wird seit über einem Jahr mit einer einzigen Zahl beschrieben: rund 0,32 Milliliter pro Anfrage, etwa ein Fünfzehntel Teelöffel. Ich schreibe Software, und wenn eine einzelne Zahl so viel Gewicht trägt, lautet meine erste Frage nicht, ob sie stimmt. Sie lautet, was gemessen wurde.
KURZFASSUNG
Die Rechnung stimmt. Eine öffentliche Methodik gibt es nicht. Die Zahl passt dazu, nur das in der Rechenzentrumskühlung verdunstete Wasser zu zählen, also die kleinere Hälfte.
Unter bestimmten Annahmen plausibel. Nicht überprüfbar. Keine Konstante.
Von Zubair Hussain, Full-Stack-Entwickler. Stand: 18. September 2026.
Woher die Zahl stammt
Die Quelle ist ein privater Blogbeitrag, kein Bericht. Sam Altman schrieb am 10. Juni 2025 in The Gentle Singularity: "Die durchschnittliche Anfrage verbraucht etwa 0,34 Wattstunden ... Sie verbraucht außerdem etwa 0,000085 Gallonen Wasser, ungefähr ein Fünfzehntel Teelöffel" [1]. Eine Methodik gibt es nicht. Keine Definition der durchschnittlichen Anfrage, keine Hardware, kein Rechenzentrum, keine Begutachtung [2].
Am 1. September 2026 sagte Altman, 38.000 ChatGPT-Anfragen entsprächen dem Wasser einer kalifornischen Mandel. PolitiFact bewertete das am 4. September 2026 als überwiegend falsch [3].
Die Rechnung stimmt
Beide Angaben im selben Satz sind miteinander konsistent. Die Arithmetik ist nicht das Problem.
GPUs trinken kein Wasser
Eine GPU verbraucht Strom und erzeugt Abwärme. Wasser wird an drei anderen Stellen verbraucht: bei der Stromerzeugung, in der Kühlung des Rechenzentrums, und in der Lieferkette bei Chipfertigung und Bau. Eine geschlossene Direct-to-Chip-Kühlung verbraucht kein Wasser, weil dasselbe Kühlmittel zurückläuft.
Direkter und indirekter Wasserverbrauch
Direktes Wasser (Scope 1) verdunstet vor Ort in Kühltürmen und wird über die Water Usage Effectiveness in Litern pro kWh gemessen. Google meldete für 2023 und 2024 einen Flottenwert von 1,15 l/kWh [4]. Indirektes Wasser (Scope 2) wird in den Kraftwerken verbraucht. In der Studie Making AI Less Thirsty verbrauchte das Training von GPT-3 rund 0,7 Millionen Liter vor Ort und rund 5,4 Millionen Liter inklusive Stromwasser [5]. Der indirekte Anteil war also um ein Vielfaches größer.
Die Zahl rückwärts rechnen
Google veröffentlicht die Formel: Wasser = (Gesamtenergie minus Overhead) x WUE. Gegenprobe mit eigenen Werten: (0,24 minus 0,02) x 1,15 = 0,253 ml, gerundet die publizierten 0,26 ml [4]. Angewandt auf OpenAIs Paar, mit 8 Prozent Overhead:
Dieser Wert ist für ein modernes Rechenzentrum realistisch. Die Angabe kann unter bestimmten Annahmen plausibel sein, nämlich wenn sie ausschließlich die Kühlung vor Ort erfasst und das Wasser der Stromerzeugung ausschließt.
Warum es keinen universellen Wert gibt
Wasser pro Anfrage ist das Produkt vieler Variablen: Modellgröße, Eingabe- und Ausgabetokens, Reasoning-Aufwand, Chiptyp, Batching, Auslastung, Standort, Wetter, Kühltechnik, Strommix, PUE und WUE. Epoch AI schätzt eine typische GPT-4o-Anfrage auf etwa 0,3 Wh, eine Eingabe mit 10.000 Tokens auf etwa 2,5 Wh und mit 100.000 Tokens auf etwa 40 Wh [6]. Jegham und Kollegen fanden über 30 Modelle hinweg einen Faktor von mehr als 65 bei langen Prompts [7]. Derselbe Workload kostete in Texas rund 7,6 ml und im Bundesstaat Washington rund 47,6 ml [5].
Die publizierten Schätzungen im Vergleich
| Quelle | Datum | Wert | Systemgrenze | Methodik offen |
|---|---|---|---|---|
| Sam Altman [1] | Juni 2025 | 0,32 ml, 0,34 Wh | nicht angegeben | nein |
| Google [4] | Aug. 2025 | 0,26 ml, 0,24 Wh (Median) | nur Kühlung vor Ort | ja, mit Formel |
| Li et al. [5] | 2023, rev. 2025 | 500 ml je 10 bis 50 Antworten | Scope 1 und 2 | ja, begutachtet |
| Epoch AI [6] | Feb. 2025 | 0,3 Wh | Beschleunigerenergie | ja |
| Studie laut PolitiFact [3] | Sep. 2026 | 0,6 bis 17 ml | weiter als Kühlung | ja |
Training und Inferenz sind getrennte Budgets
Training ist ein einmaliger Aufwand, der sich auf alle späteren Anfragen verteilt. Inferenz ist der Grenzaufwand pro Anfrage, und darum geht es bei 0,32 ml. Zur Größenordnung: bei 700 Millionen Anfragen pro Tag ergeben 0,32 ml rund 225.000 Liter täglich und etwa 82 Millionen Liter im Jahr. Pro Anfrage ein Rundungsfehler, im Jahr ein kommunales Wasserkonto.
Der Mandelvergleich
Laut PolitiFact liegt der volle Wasserfußabdruck einer kalifornischen Mandel bei rund 12 Litern, davon etwa 6 Liter direktes Bewässerungswasser; der Rest ist Regen und Verdünnungswasser [3].
Die Multiplikation stimmt, der Vergleich nicht. Auf der Mandelseite steht ein voller Fußabdruck, auf der ChatGPT-Seite offenbar nur Kühlwasser. Vergleicht man direktes Wasser mit direktem Wasser, ergeben sich etwa 1.000 bis 10.000 Anfragen pro Mandel [3].
Systemgrenzen als Latenzproblem
Team A misst 12 ms, weil es nur die Datenbankabfrage instrumentiert. Team B misst 180 ms für den gesamten Request inklusive Netzwerk, TLS, Authentifizierung und Serialisierung. Beide messen korrekt, und die Zahlen sind trotzdem unvergleichbar. Genau so verhält es sich mit Wasser pro Prompt, nur ohne etablierte Konvention.
Warum auch die Flaschen-Behauptung zu einfach war
Vorher hieß es, ein Gespräch verbrauche eine 500-ml-Flasche. Auch das stammt aus echter Forschung: GPT-3 brauche 500 ml für etwa 10 bis 50 mittellange Antworten, je nach Ort und Zeit [5]. Verloren gingen die Bedingungen: altes Modell, rund 800 Wörter Eingabe, modellierte statt gemessene Werte, und eine Spanne, die Standorte abbildet.
Was Entwickler fragen sollten
- Welches Modell wurde getestet?
- Wie viele Eingabe- und Ausgabetokens?
- Welche Hardware?
- Welches Rechenzentrum?
- Welche Kühltechnik?
- War indirektes Stromwasser enthalten?
- Welcher Messzeitraum?
- Mittelwert, Median oder Schätzung?
- Ist die Rechnung unabhängig reproduzierbar?
FAQ
Wie viel Wasser verbraucht eine ChatGPT-Anfrage?
Laut Altman etwa 0,32 ml. Unabhängige Schätzungen reichen von 0,6 bis 17 ml. Die ehrliche Antwort ist eine Spanne.
Verbrauchen GPUs direkt Wasser?
Nein. Sie verbrauchen Strom und erzeugen Wärme. Wasser wird in der Kühlung und bei der Stromerzeugung verbraucht.
Ist das Training enthalten?
Nein. Es handelt sich um eine Inferenzangabe.
Warum schwanken die Schätzungen so stark?
Weil unterschiedliche Systemgrenzen unterschiedliche Ergebnisse liefern.
Fazit
Die 0,32 ml sind nicht erfunden. Die Umrechnung stimmt, die implizite WUE liegt in einem realistischen Bereich, und die Angabe kann unter bestimmten Annahmen plausibel sein. Überprüfbar ist sie nicht, und eine Konstante ist sie erst recht nicht. Die öffentliche Methodik beschränkt sich auf zwei Sätze.
Die wichtige Frage ist nicht, ob eine Anfrage 0,32 ml, fünf Tropfen oder eine Flasche kostet. Die wichtige Frage ist, ob Methodik, Infrastrukturannahmen und Systemgrenzen transparent genug sind, damit die Zahl überhaupt interpretierbar wird.
Quellen
- Sam Altman, The Gentle Singularity, 10.06.2025.
- Data Center Dynamics, Juni 2025.
- PolitiFact, 04.09.2026.
- Google, Measuring the environmental impact of delivering AI at Google Scale, arXiv:2508.15734.
- Li, Yang, Islam, Ren, Making AI Less Thirsty, arXiv:2304.03271.
- Epoch AI, How much energy does ChatGPT use?, 07.02.2025.
- Jegham et al., How Hungry is AI?, arXiv:2505.09598.
WEITERLESEN AUF DIESER SEITE
- Der Request-Pfad einer LLM-Anwendung
- PUE und WUE für Webentwickler erklärt
- Wie ich virale technische Zahlen prüfe
Diesen Artikel lesen auf: English · اردو · Español · Français · Português · 日本語 · 中文