Der stille Preis der KI-Bilder: Warum Energieverbrauch zum Auswahlkriterium wird

Über KI-Bilder wird viel gesprochen – über Bildqualität, über Urheberrecht, seit Kurzem über Kennzeichnungspflichten. Über den Stromverbrauch dahinter deutlich weniger. Dabei ist die Zahl auffällig hoch: Eine einzelne KI-generierte Bildanfrage verbraucht nach aktuellen Schätzungen ungefähr das Hundertfache einer reinen Textanfrage an ein Sprachmodell. Der weltweite Energiebedarf für KI-Training und -Betrieb hat sich 2025 gegenüber dem Vorjahr verdoppelt, auf mittlerweile über 150 Terawattstunden pro Jahr – mehr, als Länder wie die Niederlande oder Argentinien insgesamt verbrauchen.

Für ein Studio, das wie unseres CGI, Fotografie und generative KI nebeneinander anbietet, ist das keine abstrakte Klimadebatte. Es ist eine Frage, die direkt in die Wahl der Technik einfließen sollte – neben Kosten, Zeit und Bildqualität.

Warum ausgerechnet Bilder so viel Energie kosten

Der Unterschied zu einer Textanfrage liegt im Rechenaufwand pro Ergebnis. Ein Sprachmodell generiert Zeichen für Zeichen, ein Bildmodell muss ein komplettes Pixelraster in mehreren Durchläufen aus Rauschen herausrechnen – bei jedem einzelnen Versuch, bei jeder Variante, die verworfen wird, bevor eine passt. Genau diese Iteration, die generative Bild-KI so nützlich macht – schnell zehn Varianten durchspielen, bis eine überzeugt –, ist auch der Grund für den hohen Verbrauch. Jede verworfene Variante hat denselben Energiepreis wie die, die am Ende verwendet wird.

Der Punkt, der in Kalkulationen meistens fehlt

In Angeboten wird Energieverbrauch bislang so gut wie nie mitgerechnet, weil er beim Endkunden nicht direkt als Kosten ankommt. Das wird sich absehbar ändern: Größere Unternehmen berichten zunehmend über den CO₂-Fußabdruck ihrer Lieferkette, und digitale Dienstleistungen – Content-Produktion eingeschlossen – gehören zunehmend dazu. Ein Studio, das dazu keine Antwort hat, verliert an genau der Stelle Glaubwürdigkeit, an der es sich sonst über Qualität und Kreativität profiliert.

Das bedeutet nicht, generative KI aus Prinzip zu meiden. Es bedeutet, den Energieverbrauch als eine von mehreren Variablen zu behandeln – neben Zeit, Kosten und Bildqualität –, wenn man entscheidet, wie ein Bild entsteht.

Wo klassisches CGI die energieärmere Wahl ist

Hier zeigt sich ein Aspekt, der in der Diskussion um KI-Bilder fast nie auftaucht: Klassisches, handwerklich modelliertes CGI – kein generatives Modell, sondern gebautes 3D mit klassischem Rendering – hat einen gänzlich anderen Energiepfad. Der hohe Aufwand liegt beim einmaligen Modellieren und Rendern der Szene; danach lässt sich dieselbe Szene mit neuen Produkten, neuem Licht, neuer Perspektive über Jahre wiederverwenden, ohne dass für jede Variante ein Modell neu durch ein Rechenzentrum läuft. Genau dieser Unterschied zwischen Einmalaufwand und Modell-Inferenz pro Bild macht den Vergleich zwischen CGI und Fotografie um eine dritte Dimension reicher, die bisher fehlte: nicht nur Kosten und Kontrolle, sondern auch Energie pro wiederverwendetem Bild.

Für Kataloge mit hunderten Varianten – genau der Fall, in dem CGI ohnehin schon strukturell überlegen ist – bedeutet das: Der ökologische Vorteil verstärkt einen wirtschaftlichen, den es längst gibt.

Wo generative KI trotzdem die richtige Wahl bleibt

Für schnelle Variantenerstellung, Konzeptentwürfe vor dem eigentlichen Dreh oder Retusche-Aufgaben – die Einsatzfelder, die ich in der KI-gestützten Content-Produktion beschrieben habe – überwiegt der Zeitgewinn oft den Energieaufwand deutlich, besonders wenn am Ende nur ein oder zwei Bilder tatsächlich verwendet werden statt hunderter Varianten. Die Rechnung ist nicht pauschal „CGI gut, KI schlecht", sondern hängt genau wie bei Kosten und Kontrolle von Wiederholung und Variantenzahl ab.

Was ein Studio konkret daraus machen kann

Drei Dinge lassen sich schon heute umsetzen, ohne auf neue Standards zu warten: Erstens, die Anzahl generierter Varianten pro Auftrag bewusst begrenzen, statt endlos zu iterieren, nur weil es technisch möglich ist – das spart Energie und meistens auch Zeit. Zweitens, bei absehbar wiederkehrenden Bildwelten (Kataloge, Kampagnen über Jahre) systematisch prüfen, ob klassisches CGI die energieärmere UND wirtschaftlich bessere Wahl ist. Drittens, Energieverbrauch als eigenen Punkt in Angebote und Nachhaltigkeitsberichte aufnehmen, bevor Kunden danach fragen – das ist günstiger, als später ohne Antwort dazustehen.

Fazit

Der Energieverbrauch von KI-Bildern ist bisher eine Randnotiz in einer Debatte, die sich vor allem um Qualität, Recht und Kennzeichnung dreht. Für Studios, die CGI und generative KI nebeneinander anbieten, ist er aber ein drittes, bisher unterschätztes Auswahlkriterium – eines, das den ohnehin bestehenden wirtschaftlichen Vorteil von wiederverwendbarem CGI zusätzlich stärkt, ohne generative KI dort infrage zu stellen, wo sie tatsächlich Zeit spart.