Beobachtetes Signal · 16. Sept. 2026 · Analysis · Quelle: t3n · Relevanz: 3/5 · Sentiment: Negativ
KI-Agenten verbrauchen 150 Wattstunden pro Prompt
Die Analyse eines Klimawissenschaftlers zeigt den erheblichen Stromverbrauch von KI-Agenten. Die Studie von Zeke Hausfather (Stripe, Berkeley Earth) über seine Nutzung von Claude Code (Anthropic) über acht Wochen ergab bei 1.138 Prompts und 3,2 Milliarden generierten Tokens einen Verbrauch von etwa 170 Kilowattstunden. Das entspricht durchschnittlich 150 Wattstunden pro Prompt – ein deutlicher Anstieg im Vergleich zu 0,34 Wattstunden für eine einfache ChatGPT-Anfrage. Hochgerechnet auf ein Jahr ergäbe dies 1,1 Megawattstunden und 370 Kilogramm CO2-Emissionen. Die Studie betont die hohen Ressourcenanforderungen agentischer KI und empfiehlt, für einfache Aufgaben kleinere Modelle zu wählen sowie Rechenzentren auf erneuerbare Energien umzustellen.
Der Artikel berichtet über den Energieverbrauch von KI-Agenten, ein Thema, das für die KI-Infrastruktur in der AdTech-Branche relevant ist, aber keinen direkten Einfluss auf den Betrieb von Werbetechnologie hat.
Marktsignale zu Stripe in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Der Klimaforscher Zeke Hausfather (Stripe, Berkeley Earth) führte eine achtwöchige Analyse des Energieverbrauchs von KI-Agenten durch.
- Er nutzte Claude Code von Anthropic und gab 1.138 Prompts ein, was über 14.000 Modellanfragen und 3,2 Milliarden Tokens auslöste.
- Der Gesamtverbrauch betrug etwa 170 Kilowattstunden (Spannweite 70-330 kWh), im Durchschnitt 150 Wattstunden pro Prompt.
- Auf ein Jahr hochgerechnet ergäbe sich ein Verbrauch von etwa 1,1 Megawattstunden und 370 kg CO2-Emissionen.
- Die Analyse empfiehlt, für einfache Aufgaben kleinere Modelle zu nutzen, um den Energieverbrauch pro Token um das 5- bis 7-fache zu senken.
Verknüpfte Unternehmen
3 verknüpfte Unternehmen“Hausfather arbeitet als Klimaforscher bei Stripe sowie Berkeley Earth...”
“Pro Prompt verbraucht der KI-Agent von Anthropic damit im Schnitt 150 Wattstunden....”
“External content from TargetVideo GmbH appears on t3n.de...”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
AI agents now consume nearly five times more tokens
OpenRouter log analysis, cited by a16z, finds AI agents now account for a far larger share of API token consumption than direct human use. From January 1 to June 14, 2026 OpenRouter inspected over 450 trillion tokens and reports a seven-day agent token average of about 7.3 trillion. Aggregately agents consume nearly five times more tokens than humans, while an agentic request uses roughly 15× more tokens than a human request. About 86% of agent token usage is cached (up from 65% in January), which reduces compute but raises demand for fast memory/storage (HBM), prompting increased production by vendors. Similarweb data cited by a16z show mixed market effects: traffic declines at some established automation vendors and substantial growth for AI-native Gumloop.
Chatbot-Stresstest: Wie reagieren KI-Modelle auf maximale Token-Limits?
Ein t3n-Experiment hat untersucht, ob populäre Conversational AIs wie ChatGPT, Google Gemini und Anthropic Claude dazu gebracht werden können, das Nutzungslimit eines Accounts gezielt auszureizen. ChatGPT reagierte mit einem langen, philosophischen Essay über den Ursprung des Universums. Google Gemini lieferte eine enzyklopädische, physikalische Abhandlung zur Kosmologie und den Theorien zum Ende des Universums. Anthropic Claude lehnte die absichtliche Token-Verschwendung ab und bot stattdessen inhaltliche Alternativen an. Die Untersuchung zeigte, dass keines der Modelle das kostenlose Kontingent vollständig erschöpfen konnte – neue Chats blieben weiterhin möglich. Der Artikel verweist zudem auf die damit verbundenen Ressourcen- und Rechenzentrumskosten bei extrem langen Token-Antworten.
Wann der Einsatz von AI Agents sinnvoll ist
Der Artikel beleuchtet praktische Kriterien für die Entscheidung, wann der Einsatz von AI Agents im Vergleich zu einfacheren Chat-Lösungen oder manuellem Aufwand sinnvoll ist. Angesichts von Fällen, in denen massenhaft Agents installiert wurden und ungenutzt blieben, stellt der Beitrag einen einminütigen Budgetierungsleitfaden vor. Dieser basiert auf vier Parametern – Umfang, Unabhängigkeit, Trennung und Überprüfbarkeit –, die in vier Handlungsoptionen mündeln: Chat, einzelner Agent, Agenten-Team oder Verzicht. Gestützt auf empirische Studien zu Token-Ausgaben und Modellwahl sowie Limitationen wie den 'Verification Wedge' und das 'Context Ceiling' werden reale Anwendungsfälle anhand des Frameworks bewertet. Ziel ist es, die Kosteneffizienz von AI Agents vor dem Investment zu validieren.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.