KI-Chatbots und GenAI wirken so magisch, abstrakt, konsequenzlos, kostenlos. Jedoch sind extrem viele Voraussetzungen und Infrastruktur dafür nötig, damit wir unseren Prompt absenden und das vermeintlich magische Ergebnis innerhalb von Sekunden empfangen können. KI ist tatsächlich sehr physisch und mit realen Kosten verbunden – für User:innen, für die Umwelt und die Menschen, die an Standorten der Datenzentren für die Berechnung wohnen. Meine Barcamp Session zu verantwortlicher KI-Nutzung für Designaufgaben gibt Aufschluss und schafft Transparenz über die Prozesse in Bezug auf diese KI Black Box.
Versteckte Kosten und Token Count
Wir alle nutzen längst KI in unseren Design- und Entwicklungsprozessen – von der Konzeptionsphase über das UX / UI Design bis hin zur funktionalen Implementierung. Während der Erstellung und Nutzung von KI-Tools erproben wir die Potentiale und Grenzen der Möglichkeiten, wir experimentieren viel, passen iterativ unsere Prompts an und drehen viele Korrekturschleifen, bis wir letztendlich ein zufriedenstellendes Ergebnis erreichen. Aber wissen wir wirklich, was bei der Nutzung von Chatbots oder generativer KI tatsächlich passiert?
Open AI, Figma AI oder Claude Code stellen uns kostenlos oder zu extremen Budgetpreisen ihre Black Boxes zur Verfügung. Es sind geschlossene Systeme deren Funktionsweise und realer Verbrauch von den Betreibern sehr bewusst nicht transparent dargestellt wird. Über die Tokens werden die Nutzungskosten von KI ermittelt, je weniger offensichtlich diese Kennzahlen erreichbar sind, desto intensiver die unreflektierte Nutzung der Dienste. User:innen werden nicht informiert, wie hoch der Token- oder Energieverbrauch im Input, während der Inferenz und beim Output ist. Im Prompt die Tokenanzahl und den Verbrauch zu erfragen oder als Systemprompt zu integrieren kann das Bewusstsein für den Verbrauch stärken.
Bild 1: Chat GPT Prompt
Die Reise eines einzelnen Prompts um die Welt
Das oberflächliche Nutzungserlebnis sieht so aus: Prompt, Inferenz, Ergebnis. Alles innerhalb von Sekunden und sehr abstrakt. Den wenigsten ist bewusst, dass ihre Anfrage einmal durch den Atlantik und zurück geschickt wird. Dazu habe ich ein anschauliches Beispiel mitgebracht.
Diese Stationen durchläuft ein einzelner Prompt an einen KI-Chatbot:
- Die Website, z.B. von ChatGPT wird über den CDN-Anbieter Cloudflare ausgeliefert ( was besonders vielen bewusst wurde, als Cloudflare down und der Dienst nicht mehr erreichbar war )
- Ein durchschnittlicher Prompt umfasst ca. 200 Tokens, also logisch aufeinander folgende Wortteile, was einem Energieverbrauch von 0,5 Wattstunden entspricht. Täglich werden 500 Mio. Prompts an ChatGPT verschickt, also 250 MWh (Energiebedarf von 10.000 Haushalten).
- Von Norddeutschland aus werden Cloudflare-Server in Hamburg, Amsterdam oder Frankfurt ( dem größten Internetknotenpunkt Europas ) angesteuert. Obwohl Cloudflare vorgibt 100% erneuerbare Energien zu nutzen, enthält der lokale Strommix dieser Serverstandorte bis zu 70% fossile Energie wie Kohle oder Gas.
- Am Standort der Metropolregion Frankfurt herrscht tatsächlich Energieknappheit, weil immer mehr Datenzentren in Betrieb genommen werden. Bis 2050 wird sich der Energiebedarf verdoppeln.
- Vom Knotenpunkt wird die Anfrage über eines von hunderten Seekabeln durch den Atlantik geschickt. Das sind 1m dicke Kabel, die quer durch das Meer gelegt werden und in hunderten Metern Tiefe das Ökosystem beeinträchtigen.
- An der US-Ostküste in der Nähe von Washington D.C. in Ashburn, Virginia gibt es die höchste Dichte von Datenzentren weltweit, dort wird über einen Cloudservice von AWS, Google, Meta oder Microsoft der Prompt berechnet, dort findet die tatsächliche Inferenz im KI-Modell statt, was durchschnittlich 1 Wh kostet.
- Nicht nur der Betrieb sondern auch das Training von KI-Modellen ist sehr energieintensiv, Cluster von hunderttausenden GPUs müssen mit Luft und Wasser gekühlt werden, was Millionen Liter Wasser und mehrere GWh Strom (Mio kWh) kostet. Dabei werden tausende GPUs teilweise so überlastet, dass sie durchbrennen.
- Ist die Berechnung abgeschlossen, wird das Ergebnis aus der Cloud über Datenzentren, Seekabel, Verteilerzentren bis zum Client, dem User in Europa zurück gesendet. Das Ergebnis umfasst meistens 10 mal so viele Tokens wie der initiale Prompt..
- Passt man den Prompt an und sendet ihn erneut, wird der gesamte Kontext der vorangegangenen Wechsel mitgeschickt was die Tokenanzahl zusätzlich signifikant erhöht, weshalb man für ein neues Thema immer einen neuen Chat öffnen sollte.
Bild 2: Satellitenaufnahme von Datenzentren in Ashburn, Virginia, USA
Der Kontext und das Modell macht den Unterschied
Abhängig vom Use Case eignen sich unterschiedliche Modelle für den Prompt, was sich extrem auf die Anzahl der Tokens und entsprechend die Kosten auswirkt. Figma AI nutzt z.B. ein Multi-Model-System, d.h. es kommen auf die jeweilige Aufgabe spezialisierte Modelle zum Einsatz: Für einfache Textänderungen Google Gemini (~300 Tokens), für komplexe Textgenerierung GPT-5 (~600 Tokens) und für umfangreiche UI-Komponenten und Layouts Claude (~1500+ Tokens). Nutzt man Claude Code um komplexe UI und Funktionalität zu erstellen, wird der System Prompt und Frontend-Skill immer mitgesendet, was die Kosten des initialen Prompts auf ~20.000+ Tokens anwachsen lässt. Das gilt auch für alle spezialisierten Agenten-Aufgaben, die sehr rechen- und energieintensiv sind.
Verantwortliche Nutzung: Learnings und Tricks
Wir haben KI nun lang genug ausprobiert und wild herum experimentiert. Ab jetzt gilt es, mit den genannten Konsequenzen im Hinterkopf die Nutzung von KI auf das nötige Maß zu reduzieren. Der Kontext zählt und weniger ist mehr. Es hilft Prompts zur Erstellung und Bearbeitung von UI-Komponenten gründlich zu durchdenken und so weit möglich zu präzisieren, bevor man sie abschickt, um unnötig aufwändige Korrekturschleifen zu vermeiden. Es empfiehlt sich für neuen Kontext einen neuen Chat oder Thread zu öffnen und stets den Token- und Energieverbrauch im Blick zu behalten. Dazu wird es bald auch bessere Tools geben.
Bild 3: Claude Code Emissionen, Energie- und Wasserverbrauch
Sustainable UX Network: Responsible AI Canvas
In vielen Projekten stellen wir uns generell die Frage ob und wie wir KI einsetzen können. Kunden wollen KI-gestützte Prozesse oder Datenverarbeitung einführen ohne konkrete Anwendungsfälle oder dafür aufbereitete Daten zu haben. In all diesen Fällen ist die Prüfung durch den SUX Responsible AI Canvas sinnvoll. Das Tool hilft dabei den Use Case besser zu verstehen, die Punkte zu erkennen an denen man mit KI tatsächlich einen Mehrwert schafft und bestenfalls dabei die Umwelt und negativ betroffene Menschen schützt.
Wer mehr über das Tool und Responsible AI generell erfahren möchte, ist herzlich eingeladen mit zu diskutieren beim nächsten SUX Meetup: The True Price of AI am 17.6. um 18 Uhr im blank, Buntentorsteinweg 262, Bremen.
Bild 4: SUX Flyer
Simon Fenske
Sustainable UX Design Strategist ·
Green Web Developer bei HEC GmbH