Wenn Strom die Modellwahl begrenzt

Kurzfassung: Das leistungsstärkste KI-Modell je Aufgabe kann unter einem festen Energiebudget weniger Gesamtwert liefern als eine sparsamere Alternative. Eine neue Untersuchung verbindet bewertete Arbeitsergebnisse mit gemessenem Verbrauch. Für Betreiber eigener KI verschiebt sich damit die Auswahlfrage: Welche Kombination aus Modell und Hardware erledigt innerhalb derselben Energiegrenze die wertvollste brauchbare Arbeit?

Ein Unternehmen kann seine KI-Ausgaben erhöhen, aber nicht beliebig den Stromverbrauch seiner eigenen Rechenanlage. Dann wird Modellwahl zu einer Verteilungsentscheidung. Mehr Qualität bei einer einzelnen Aufgabe kann bedeuten, dass für andere Aufgaben weniger Energie übrig bleibt. Umgekehrt hilft ein sparsames Modell wenig, wenn seine Ergebnisse fachlich nicht ausreichen. Die relevante Größe ist deshalb weder die höchste Modellleistung noch der kleinste Verbrauch allein, sondern der insgesamt erreichbare Nutzen innerhalb einer festgelegten Energiegrenze.

Gute Einzelergebnisse ergeben nicht die beste Gesamtrechnung

Die Untersuchung „Joules-to-GDP“ in ihrer zweiten Fassung vom 2. November 2026 verbindet zwei bisher oft getrennte Betrachtungen: die Bewertung professioneller KI-Ergebnisse und die Energie ihrer Erzeugung. Die Forschenden untersuchen 220 öffentliche GDPval-Aufgaben aus 44 Berufen. Dazu gehören unter anderem Dokumente, Tabellen, Präsentationen und Programmcode. Sie berechnen einen Netto-Dollarwert sowie eingesparte Expertenzeit je Energieeinheit.

Unter den fünf verglichenen Modellen erzielt GLM 5.2 den höchsten durchschnittlichen Ausgabewert pro Aufgabe. Gemma 4 31B erreicht dagegen mehr als die Hälfte dieses Wertes bei weniger als einem Viertel der Energie. Daraus ergibt sich nach der Studienrechnung ungefähr der 2,5-fache Netto-Wert pro Joule. Beide Aussagen können gleichzeitig stimmen: Ein Modell liefert wertvollere einzelne Ergebnisse, ein anderes mehr bewerteten Nutzen aus derselben Energiemenge.

Für die Planung folgt daraus keine allgemeine Kaufempfehlung für das kleinere Modell. Wenn dessen Qualität für eine bestimmte Arbeit nicht genügt, lässt sich der geringere Verbrauch nicht durch zusätzliche unbrauchbare Ergebnisse ausgleichen. Relevant wird der Quotient erst für Aufgaben, deren Anforderungen beide Varianten erfüllen, und bei ausreichend großer Nachfrage. Sind ohnehin alle benötigten Aufgaben erledigt, erzeugt eine Verbrauchssenkung allein keine zusätzlichen Aufträge.

Mehr Beschleuniger verändern nicht nur die Geschwindigkeit

Die Studie variiert außerdem die Hardware bei gleichem Modell. Bei Qwen3.6-27B liefern eine und acht H100-Grafikprozessoren nahezu denselben Netto-Dollarwert. Die größere Konfiguration beendet die Aufgaben zwar 22 Prozent schneller, verbraucht dafür aber das 3,24-Fache der Energie. Das ist ein Ergebnis dieser Versuchsanordnung, kein allgemeines Verhältnis für jede KI-Anwendung.

Die zusätzliche Hardware kauft hier vor allem eine kürzere Bearbeitungszeit, nicht entsprechend mehr bewertete Arbeit. Das kann sinnvoll sein: Eine zeitkritische technische Rückfrage hat möglicherweise einen anderen Nutzen als die nächtliche Aufbereitung interner Unterlagen. Die Entscheidung verlangt dann aber eine ausdrückliche Bewertung der schnelleren Lieferung. Mehr Hardware ist nicht schon deshalb besser eingesetzt, weil eine Antwort früher erscheint.

Dabei müssen Energie und elektrische Leistung getrennt bleiben. Kilowattstunden beschreiben eine verbrauchte Energiemenge; Kilowatt die Leistung zu einem bestimmten Zeitpunkt. Eine tägliche Verbrauchsgrenze beantwortet nicht, ob die Anlage eine Lastspitze verkraftet. Umgekehrt sagt ein begrenzter Stromanschluss allein noch nicht, welche Energiemenge über den Tag genutzt werden kann. Ein betrieblicher Vergleich braucht deshalb ein gemeinsames Zeitfenster und muss zusätzlich die zulässige Leistung einhalten.

Damit verändert sich die Beschaffungsfrage. Statt nur Modellranglisten und Grafikkartenpreise gegenüberzustellen, werden ausführbare Kombinationen aus Modell, Rechensoftware, Hardware und gleichzeitiger Auslastung verglichen. Die technische Leitung bewertet nicht bloß Geschwindigkeit. Sie zeigt, welcher Aufgabenmix innerhalb der verfügbaren Ressourcen möglich wird.

Der Dollarwert ist eine Bewertung, kein gemessenes BIP

Der Titel der Untersuchung darf nicht als Nachweis eines gesamtwirtschaftlichen Produktivitätssprungs gelesen werden. Die Dollarwerte entstehen aus einer Bewertungsregel: dokumentierte Bearbeitungszeit einer Expertenreferenz, multipliziert mit dem Median-Stundenlohn des jeweiligen Berufs, also dem mittleren Wert der nach Höhe geordneten Löhne. Ein Modellrichter vergleicht das KI-Ergebnis mit dieser Referenz. Bei Sieg oder Gleichstand wird der entsprechende Ausgabewert angerechnet, bei einer Niederlage nicht. Ausführungskosten werden abgezogen. Auch erfolglose Versuche verbrauchen Energie.

Diese Regel macht die Rechnung nachvollziehbar, bleibt aber eine Näherung. Ein Gleichstand wird voll bewertet, eine teilweise hilfreiche unterlegene Lösung erhält keinen Ausgabewert. Auch der Richter ist nicht fehlerfrei. In der berichteten menschlichen Gegenprüfung stimmen seine Entscheidungen bei 23 von 32 GLM-5.2-Vergleichen überein. Die Kennzahl ist daher weder realisierter Umsatz noch eine Zusage über eingesparte Personalkosten.

Ebenso wichtig ist die Messgrenze. Erfasst wird die Ausführungsphase einschließlich Werkzeugnutzung und Wartezeiten anhand aufgezeichneter Komponentenenergie, etwa von Grafikprozessoren, Hauptprozessor und Arbeitsspeicher. Das ist keine vollständige Umweltbilanz mit Training, Herstellung und sämtlicher Gebäudeinfrastruktur. Wer betrieblich Kühlung oder weitere Verbraucher einbezieht, muss dies bei allen Varianten gleich tun. Für reine API-Kunden ohne belastbare Verbrauchsdaten lässt sich daraus keine präzise eigene Joule-Kennzahl ableiten.

Aus einer Modellentscheidung wird eine Aufgabenzuteilung

Ein gedachtes Unternehmen betreibt lokale KI für zwei Arten von Arbeit: das Übertragen von Angaben aus standardisierten Lieferdokumenten und die Vorbereitung anspruchsvoller technischer Stellungnahmen. Ein sparsameres Modell könnte die erste Aufgabe ausreichend gut erledigen, während die zweite von einem leistungsfähigeren Modell profitiert. Die Energiegrenze legt dann nicht einen einzigen Gewinner fest. Sie macht eine unterschiedliche Zuteilung sinnvoll.

Die fachlichen Mindestanforderungen werden dabei nicht zugunsten einer schöneren Effizienzzahl abgesenkt. Zunächst wird für repräsentative Fälle ermittelt, welche Ergebnisse tatsächlich verwendbar sind. Anschließend lassen sich ihr Nutzen, sämtliche Versuche und der gemessene Verbrauch im gleichen Zeitraum zusammenführen. Bei unterschiedlich wertvollen Aufgaben genügt es nicht, nur die Zahl erfolgreicher Ausgaben zu zählen.

Daraus entstehen drei konkrete Planungsgrößen: der Wert je akzeptierter Aufgabe, die dafür benötigte Energie und die rechtzeitige Liefermenge. Eine Variante mit höherem Nutzen je Joule scheidet aus, wenn sie eine notwendige Qualitätsstufe oder Frist verfehlt. Eine schnellere Variante kann dagegen ihren Mehrverbrauch rechtfertigen, wenn die frühere Verfügbarkeit wirtschaftlich entsprechend wichtig ist.

Für das KI-Management liegt der Gewinn in dieser gemeinsamen Sicht. Der Fachbereich beschreibt den Nutzen unterschiedlicher Aufgaben; der Betrieb macht ihren Ressourcenbedarf sichtbar. Die nächste Investition kann dann gezielt eine bessere Aufgabenzuteilung, eine sparsamere Ausführung oder zusätzliche Kapazität finanzieren. Entscheidend ist, welche dieser Änderungen unter den tatsächlichen Grenzen mehr brauchbare Arbeit ermöglicht.