NICO HUA
WEB / MOTION / SOUND
KI
KI · ENERGIE · LOGISTIK

SMALL. LOCAL.
IN THE LOOP.

Wie wir künstliche Intelligenz einsetzen: kleine Modelle, möglichst lokal, und am Ende entscheidet ein Mensch. Mit belegten Zahlen statt Versprechen.

KI

01 Energie

Kleine Modelle. Kleiner Verbrauch.

KI braucht Strom, und zwar sehr unterschiedlich viel. Eine kurze Antwort eines kleinen Sprachmodells und ein kurzer KI-Videoclip liegen mehr als zehntausendfach auseinander. Darum ist die wichtigste Frage nicht „KI oder keine KI“, sondern: Welches Werkzeug für welche Aufgabe?

Energie pro Aufgabe Wattstunden (Wh), logarithmische Skala: jede Linie ist das Zehnfache der vorigen. Gestrichelt: 10-Watt-LED, 1 Stunde = 10 Wh
  1. Kurze Textantwort, kleines Modell Llama 3.1 8B · GPU gemessen0,016 Wh≈ 6 Sekunden LED
  2. Text-Anfrage Gemini Median · Angabe des Herstellers0,24 Wh≈ 1,4 Minuten LED
  3. Ein Bild, 1024 × 1024 Stable Diffusion 3 Medium · GPU gemessen0,32 Wh≈ 1,9 Minuten LED
  4. Textantwort, großes Modell Llama 3.1 405B · GPU gemessen0,93 Wh≈ 5,6 Minuten LED
  5. Ein KI-Videoclip, 720p WAN2.1 14B · 81 Einzelbilder · GPU gemessen360 Wh≈ 36 Stunden LED

Die Werte stammen aus verschiedenen Studien mit unterschiedlicher Messweise. Sie zeigen Größenordnungen, keinen exakten Vergleich. Kühlung und übrige Technik im Rechenzentrum sind bei den GPU-Messungen nicht enthalten.

Quellen: 3 · MIT Technology Review 4 · Hugging Face 6 · Google

  • 59×so viel Energie braucht eine Antwort des großen Modells wie die des kleinen, in derselben Messreihe.Quelle 3
  • 415 TWhStrom verbrauchten Rechenzentren weltweit 2024, rund 1,5 % des globalen Stroms.Quelle 1
  • ≈ 945 TWherwartet die Internationale Energieagentur für 2030, mehr als doppelt so viel. KI ist der wichtigste Treiber.Quelle 1
  • 20 TWhStrom verbrauchten Rechenzentren in Deutschland 2024, nach 12 TWh im Jahr 2014.Quelle 2

Was Solaris damit zu tun hat

Solaris, unser eigenes KI-System, arbeitet mit kleinen Sprachmodellen direkt auf dem Rechner im Studio. Für viele Alltagsaufgaben reicht das: sortieren, zusammenfassen, Entwürfe vorbereiten, Code prüfen. Ein großes Modell in der Cloud fragen wir gezielt, wenn es wirklich nötig ist, nicht nebenbei.

Bei KI-Video ist der Hebel am größten. Hier kann ein lokales System ergänzen: Ideen ordnen, Storyboards und Prompts vorbereiten, Varianten vorab aussortieren. Jeder Durchlauf, der gar nicht erst gerechnet werden muss, spart Energie.

Ehrlich gesagt: Auch ein lokaler Rechner braucht Strom. Eine eigene, belastbare Messung für Solaris haben wir noch nicht veröffentlicht. Bis dahin stehen hier nur Zahlen aus unabhängigen Studien und Herstellerangaben, jeweils mit Quelle.

02 Haltung

Bewusst nutzen. Nicht feiern.

KI ist ein Werkzeug, kein Versprechen. Sie verbraucht Ressourcen, macht Fehler und klingt dabei oft sehr sicher. Deshalb setzen wir sie dort ein, wo sie Arbeit wirklich abnimmt, und lassen sie dort weg, wo Menschen gefragt sind.

  1. Klein vor groß. Das kleinste Modell, das die Aufgabe sauber löst, ist das richtige. Spezialisierte Modelle brauchen laut Studie um Größenordnungen weniger Energie als Allzweckmodelle. Quelle 5
  2. Prüfen statt glauben. Jedes Ergebnis sieht ein Mensch, bevor es zählt.
  3. Offen kennzeichnen. Mit KI erzeugte Bilder, Filme und Stimmen sind auf dieser Website markiert.
  4. Kein Hype. Wir versprechen nur, was wir zeigen oder belegen können.

03 Logistik des Alltags

Die KI bereitet vor. Du gibst frei.

Die beste KI ist oft ein kleines eigenes Programm für einen lästigen Ablauf. Ohne Werbung, ohne Abo, genau auf den eigenen Alltag zugeschnitten.

  1. 1KI bereitet vorBelege für die Steuer sortieren, Briefe und E-Mails entwerfen, Termine abgleichen.
  2. 2Du prüfstEin Blick genügt: Stimmt der Inhalt, passt der Ton?
  3. 3Du gibst freiErst dann geht etwas raus. Du bist der Operator, nicht die Maschine.

Was dabei frei wird, ist Zeit und Kopf: für Zwischenmenschliches, für Humor, für die kreative Arbeit. Bei der Arbeit genauso wie in der Freizeit.

04 CMS-ready

Deine Seite. Dein Editor.

Auf Wunsch bekommt eine Website einen eigenen, schlanken Editor. Bilder tauschen, Texte ändern, Termine eintragen: das Design bleibt dabei, wie es ist. Kein Plugin-Update, das über Nacht etwas zerstört, kein Durchklicken durch verschachtelte Formulare.

Vorführung So fühlt sich der Editor an

Termin eintragen

Eingetragen

    So steht es auf der Website

    Nächster Termin

    Noch kein Termin eingetragen.

    Trag links einen Termin ein und speichere ihn.

    Nur eine Vorführung: Deine Eingaben bleiben ausschließlich in diesem Browser (localStorage). Nichts wird gesendet oder gespeichert, und „Vorführung leeren“ löscht alles.

    05 Kein Abo

    Das Werkzeug gehört dir.

    Betreuung bieten wir gern an: wenn ein Fehler auftaucht, etwas klemmt oder eine kleine Ergänzung fehlt. Ein Abo, ohne das die eigene Website stillsteht, gibt es bei uns nicht.

    Das Ziel ist, dir dein Werkzeug in die Hand zu geben. So fließt mehr von dir selbst in die Seite ein, und sie wächst mit, wenn du dich weiterentwickelst. Welche Bereiche bearbeitbar sind und welche laufenden Kosten es überhaupt geben kann, steht offen im Angebot.

    Solche Sachen sind kein Standard. Bei uns schon.

    → Weiter

    Mehr dazu.

    Q Quellen

    Belege.

    Alle Zahlen auf dieser Seite stammen aus diesen Quellen. Eigene Umrechnungen (Joule in Wattstunden, Verhältnisse) sind einfache Rechnungen auf Grundlage der genannten Werte. Stand der Prüfung: 12.11.2026.

    1. 1

      Internationale Energieagentur (IEA), Energy and AI, 2025.

      Rechenzentren 2024: rund 415 TWh, etwa 1,5 % des weltweiten Stroms; Erwartung 2030: rund 945 TWh.

      iea.org ↗
    2. 2

      Bitkom e. V. mit Borderstep Institut, Rechenzentren in Deutschland: Aktuelle Marktentwicklungen 2024, Pressemitteilung vom 21.11.2024.

      Stromverbrauch deutscher Rechenzentren 2024: 20 Mrd. kWh (2014: 12 Mrd. kWh).

      bitkom.org ↗
    3. 3

      James O’Donnell, Casey Crownhart, We did the math on AI’s energy footprint, MIT Technology Review, 20.05.2025.

      GPU-Energie pro Antwort: Llama 3.1 8B rund 57 J (0,016 Wh), Llama 3.1 405B rund 3.353 J (0,93 Wh); ein Bild mit Stable Diffusion 3 Medium rund 1.141 J (0,32 Wh). Die Autoren schätzen den Gesamtbedarf inklusive Kühlung auf etwa das Doppelte.

      technologyreview.com ↗
    4. 4

      Julien Delavande, Régis Pierrard, Sasha Luccioni (Hugging Face), Video Killed the Energy Budget, arXiv:2509.19222, 2025.

      WAN2.1-T2V-14B, 720 × 1280, 81 Einzelbilder, auf einer NVIDIA H100: 359,7 Wh GPU-Energie pro Clip (mit CPU und Arbeitsspeicher rund 415 Wh). Video-Diffusion ist laut Studie rund 30-mal so aufwendig wie Bildgenerierung.

      arxiv.org ↗
    5. 5

      Alexandra Sasha Luccioni, Yacine Jernite, Emma Strubell, Power Hungry Processing: Watts Driving the Cost of AI Deployment?, ACM FAccT 2024.

      Mittelwerte je 1.000 Anfragen: Bildgenerierung 2,907 kWh, Textgenerierung 0,047 kWh, Textklassifikation 0,002 kWh. Aufgabenspezifische Modelle sind um Größenordnungen sparsamer als Allzweckmodelle.

      arxiv.org ↗
    6. 6

      Cooper Elsworth u. a. (Google), Measuring the environmental impact of delivering AI at Google Scale, arXiv:2508.15734, 2025.

      Median einer Text-Anfrage in Gemini Apps: 0,24 Wh (Herstellerangabe, inklusive Leerlauf und Rechenzentrum).

      arxiv.org ↗