Das menschliche Gehirn benötigt ungefähr 20 Watt. Der schnellste Supercomputer der Welt, LineShine in Shenzhen, zieht 42,2 Millionen Watt. Diese Lücke ist zum Lieblingsthema des Internets über den Energieverbrauch von KI geworden, und der Großteil davon ist falsch.
Der Vergleich selbst hält stand. Die Zahlen, die in sozialen Medien kursieren, stammen jedoch aus einem einzigen Papier. Die auffälligste wurde seit drei Jahren falsch zugeordnet.
Energieverbrauch von KI: Was 20 Watt tatsächlich kaufen
Die 20-Watt-Zahl basiert auf jahrzehntelangen metabolischen Messungen. Das Gehirn macht etwa 2% des Körpergewichts aus und verbraucht ungefähr 20% des Ruhe-Sauerstoffverbrauchs.
Die Neuronenzahl ist unsicherer, als sie erscheint. Die weit verbreitete Zahl von 86 Milliarden basiert auf vier männlichen Gehirnen und wird derzeit in der Zeitschrift Brain angefochten.
Virale Beiträge verwenden oft 12 Watt anstelle von 20. Diese Zahl erscheint in einem Papier von 2023 in Frontiers in Artificial Intelligence, ohne jegliche Quellenangabe.
Das gleiche Papier lieferte die Zahl, die jeder teilt. Die Autoren schätzten, dass die digitale Rekreation eines menschlichen Gehirns 2,7 Milliarden Watt benötigen würde.
Diese Schätzung stammt von der Extrapolation einer Simulation mit 10 Millionen Neuronen auf die Größe eines Mausegehirns, gefolgt von einer Multiplikation mit tausend.
Das Papier besagt auch, dass die Simulation etwa 30.000 Mal langsamer lief als die Biologie. Soziale Beiträge lassen dieses Detail weg. Sekundärquellen schreiben die Zahl dann dem Blue Brain Project zu, das sie nie veröffentlicht hat.
Zuverlässige Zahlen existieren auch anderswo. Epoch AI schätzte eine typische ChatGPT-Anfrage auf 0,3 Wattstunden Anfang 2025. Eine begutachtete Studie in Joule kam später auf 0,31.
Zwei unabhängige Methoden, die so eng übereinstimmen, sind ungewöhnlich. Allerdings ändert sich die Zahl stark mit der Arbeitslast, und Denkmodelle, die längere Antworten produzieren, können mehrere Male so viel kosten.
Was Biologie anders macht und was Silizium kopiert hat
Kortexaktivität ist spärlich. Die durchschnittlichen Feuerraten liegen unter 1 Hz, und Energie folgt Veränderungen statt Taktzyklen.
Moderne KI kam unabhängig zu demselben Schluss. Kimi K2 aktiviert 32,6 Milliarden seiner 1,04 Billionen Parameter pro Token, was nahe bei 3,1 % liegt.
Dieses Verhältnis sinkt schnell. Mixtral verwendete 2023 etwa 28 % seiner Parameter, während DeepSeek-V3 jetzt 5,5 % nutzt.
Biologie rechnet auch mit niedriger Präzision. Nichts innerhalb eines Neurons löst sich in 32 Bit auf.
Chip-Hersteller folgten demselben Weg. DeepSeek trainierte ein Modell mit 671 Milliarden Parametern in acht Bit Präzision. NVIDIA hat seitdem ein Modell mit 12 Milliarden Parametern in vier Bit vortrainiert.
Der dritte Unterschied ist der größte und am wenigsten kopierte. Gehirne halten Gedächtnis und Berechnung am selben physischen Ort.
Digitale Maschinen trennen sie. Stanfords Mark Horowitz zeigte die Kosten dieser Trennung. Das Abrufen eines Operanden aus dem Speicher kann Hunderte Male mehr Energie verbrauchen als die Arithmetik selbst.
Die hirnförmigen Chips, die nie angekommen sind
Hardware, die ausdrücklich entwickelt wurde, um Neuronen nachzuahmen, hat Schwierigkeiten. Kein neuromorphes oder analoges System hat ein Grenzmodell in der Produktion trainiert oder betrieben.
Intels Hala Point packt 1,15 Milliarden künstliche Neuronen auf 1.152 Chips. Es bleibt ein Forschungsprototyp, der in den Sandia National Laboratories installiert ist. Mike Davies, Direktor von Intels Neuromorphic Computing Lab, sagte 2024 gegenüber The Register:
„Wir mappen derzeit kein LLM auf Hala Point. Wir wissen nicht, wie man das macht.“
Das kommerzielle Bild ist noch dünner. BrainChip ist das führende börsennotierte Unternehmen in diesem Sektor. Es berichtete im letzten Märzquartal über 700.000 Dollar an Kundeneinnahmen bei 5,3 Millionen Dollar an Betriebsausgaben.
Andere haben vollständig gestoppt. Rain AI, das 150 Millionen Dollar suchte und es nicht schaffte, diese zu beschaffen, erkundete 2025 einen Verkauf.
Forscher im Bereich beschreiben ein zirkuläres Problem. Catherine Schuman, Assistenzprofessorin für Elektrotechnik und Informatik an der University of Tennessee, Knoxville, erklärte:
„Die Hardwareunternehmen warten darauf, dass es eine Killeranwendung gibt, aber es ist wirklich schwer zu verstehen, wie man diese Anwendungen ohne Hardware zum Prototypisieren aufbauen kann.“
Mehr als 20 Forscher unterzeichneten 2025 ein Konsenspapier in Nature. Es wurde argumentiert, dass dem Bereich immer noch das benötigte Ökosystem fehlt.
Die Prinzipien der Biologie haben gesiegt. Die Hardware, die entwickelt wurde, um sie zu verkörpern, tat es nicht.
Alle bieten auf dieselben Elektronen
Effizienz ist jetzt wichtig, da Elektrizität zur bindenden Einschränkung geworden ist. Die Internationale Energieagentur schätzte den globalen Verbrauch von Rechenzentren auf 485 Terawattstunden im Jahr 2025.
AI-fokussierte Einrichtungen wuchsen allein in diesem Jahr um 50 %. Die Agentur erwartet, dass sie bis 2030 auf das Dreifache anwachsen.
Der Zugang zum Stromnetz, nicht die Chipversorgung, bestimmt jetzt den Bau. Die mediane Zeit von einer Anfrage zur Netzanbindung bis zur kommerziellen Inbetriebnahme übersteigt fünf Jahre, so das Lawrence Berkeley National Laboratory.
Microsoft-CEO Satya Nadella sagte im November, dass sein Unternehmen Prozessoren hält, die es nicht anschließen kann. Der Mangel betrifft die Gebäude, nicht den Silizium. Institutionelle Investoren haben ähnliche Fragen zur Netzbereitschaft aufgeworfen.
Bitcoin-Miner haben ein Jahrzehnt damit verbracht, genau dieses Problem zu lösen. Sie besitzen energisierte Standorte, unterzeichnete Stromverträge und Netzanbindungsrechte, auf die Neulinge Jahre warten müssen.
Das Ergebnis hat das Mining zu einem Energie- und Infrastrukturgeschäft gemacht. Die Nachrüstung eines funktionierenden Standorts kostet etwa 3 Millionen bis 4 Millionen Dollar pro Megawatt. Der Neubau kostet laut VanEck 10 Millionen bis 12 Millionen Dollar.
Die angekündigten Vertragswerte sind enorm. Öffentliche Miner haben AI-Verträge im Gesamtwert von über 70 Milliarden Dollar unterzeichnet.
Die gelieferte Kapazität erzählt eine ruhigere Geschichte. Die Einreichungen für das zweite Quartal 2026 zeigen, dass im Sektor tatsächlich etwa 750 Megawatt energisiert wurden.
Core Scientific macht etwa 437 dieser Megawatt aus. Der Helios-Campus von Galaxy lieferte 133; TeraWulf 102; IREN 50; und Riot 25. Hut 8 hat 949 Megawatt vertraglich gebunden und keine aktiviert.
Der Pivot war kostspielig. Die kombinierten vierteljährlichen Verluste der Miner MARA und CleanSpark erreichten im August 851 Millionen Dollar.
Die meisten Mining-Kapazitäten werden niemals umgewandelt. Vorläufige Umfragedaten von Cambridge, die im Juli präsentiert wurden, zeigten, dass etwa 10% der Miner Strom für KI zugewiesen hatten.
Die Hindernisse sind physisch. Mining toleriert Unterbrechungen, während KI-Mieter feste Energie, dichte Kühlung und Glasfaser verlangen, die abgelegene Standorte selten haben.
Dennoch ist die Richtung klar. Core Scientific erzielt jetzt 83% seines Umsatzes aus Co-Location und nur 13% aus dem Mining selbst.
Investoren haben diesen Wandel bereits eingepreist. Miner mit unterzeichneten Verträgen handeln zu viel höheren Multiplikatoren ihrer aktivierten Energie. In der Zwischenzeit sieht die nächste KI-Wette zunehmend nach Elektrizität statt nach Chips aus.
Warum Effizienz den Energieverbrauch von KI nicht beheben wird
Effizienzgewinne haben in der Vergangenheit das Nachfragewachstum absorbiert. Der globale Datenzentrum-Computing-Wachstum betrug zwischen 2010 und 2018 550%, während der Energieverbrauch um etwa 6% stieg.
Dann brach das Muster. Der Verbrauch von Datenzentren in den Vereinigten Staaten stieg von 58 Terawattstunden im Jahr 2014 auf 176 im Jahr 2023.
Die Evolution optimierte unter einer harten Obergrenze. Ein Schädel, der 200 Watt zog, hätte seinen Besitzer getötet, sodass Effizienz die einzige verfügbare Antwort wurde.
KI hat niemals diese Grenze erreicht. Stattdessen hat sie eine Kapitalgrenze erlebt, und Kapital dehnt sich viel einfacher aus als Elektrizität.
Das ändert sich jetzt. Die offene Frage ist nicht mehr, ob Biologie effizienter ist. Es ist, was KI wird, sobald Macht, anstatt Geld, entscheidet, was gebaut wird.
Quelle: BeInCrypto
