Joules-to-GDP: Wie viel wirtschaftlicher Wert steckt in einem Megajoule KI?

Die wichtigsten Fakten
- Forschende von Stanford, UC Berkeley und UT Austin bewerten 220 GDPval-Aufgaben aus 44 Berufen mit zwei neuen Kennzahlen: Net Value per Joule (Dollar pro Megajoule) und Time Saving per Joule (Stunden pro Megajoule).
- GLM 5.2 erzeugte den höchsten durchschnittlichen Output-Wert (74,19 Dollar pro Aufgabe, 1,64 gesparte Expertenstunden bei 0,430 MJ) - aber Gemma 4 31B erreichte mit weniger als einem Viertel der Energie etwa 2,5-mal mehr Wert und 2,8-mal mehr Zeitersparnis pro Joule.
- Energie zeigt Unterschiede, die Kosten und Laufzeit verbergen: GPT-OSS 120B verbrauchte 68 Prozent weniger Energie als GLM 5.2 bei nahezu identischen Kosten und Zeiten.
- Skalierung lohnt sich nicht automatisch: Im Test mit Qwen3.6-27B lieferten acht H100 nahezu denselben Nettowert wie eine, verkürzten die Laufzeit nur um 22 Prozent und verbrauchten 3,24-mal so viel Energie.
Wie viel ist die Arbeit eines KI-Systems pro verbrauchter Energieeinheit wert? Diese Frage beantwortet ein Paper von Forschenden der Stanford University, UC Berkeley und der University of Texas at Austin - darunter John Hennessy, Christopher Re und Azalia Mirhoseini. Die Autoren verbinden zwei bislang getrennte Messwelten: Benchmarks, die Qualität und Kostenersparnis bewerten, und Energiemessungen, die den Verbrauch beziffern, ohne den ökonomischen Gegenwert zu kennen.
Die Methode: Wert durch Joule
Die Studie wertet 220 öffentliche Aufgaben aus dem GDPval-Benchmark aus - reale Berufsaufgaben aus 44 Berufen in neun US-Wirtschaftssektoren, gewichtet nach Sektor-Wirtschaftsleistung und Beschäftigung. Zwei Kennzahlen tragen das Ergebnis: Net Value per Joule (NVJ), geschätzter Output-Wert abzüglich Ausführungskosten pro Megajoule und Time Saving per Joule (TSJ), angerechnete Expertenzeit abzüglich KI-Ausführungszeit pro Megajoule. Der Dollarwert einer Aufgabe folgt der GDPval-Logik: aufgezeichnete Expertenzeit multipliziert mit dem US-Medianlohn des Berufs. Ein Blinded-Vergleich durch das Modell Gemini 3.1 Flash-Lite entschied, ob die KI-Ausgabe gegen die Expertenreferenz gewinnt oder gleichzieht; nur dann zählt der volle Wert. Die Übereinstimmung zwischen drei verschiedenen KI-Prüfern lag bei 72,3 bis 77,2 Prozent, mit menschlichen Prüfern bei 71,9 Prozent (23 von 32 Fällen). Gemessen wurde die Energie Ende-zu-Ende über das Framework Intelligence per Watt - inklusive Inferenz, Werkzeugnutzung und Wartezeiten. Zum Vergleichsmaßstab: 2,52 Megajoule entsprechen einer Stunde H200-Beschleuniger bei 700 Watt oder etwa 23 Stunden aktiver Laptop-Nutzung. Jeder Versuch verbraucht Energie und verursacht Kosten, auch bei Fehlschlag; ein Fehlschlag kann somit negativen Nettowert beitragen. Die Werte sind kein gemessener BIP-Zuwachs.
Ergebnis 1: Klein kann effizienter sein
Von den fünf untersuchten Modellen erzeugte GLM 5.2 den höchsten durchschnittlichen Output-Wert: 74,19 Dollar pro Aufgabe und 1,64 gesparte Expertenstunden bei einem Verbrauch von 0,430 Megajoule. Gemma 4 31B lieferte mehr als die Hälfte dieses Dollarwerts und etwa zwei Drittel der Zeitersparnis - mit weniger als einem Viertel der Energie. Pro Joule gerechnet liegt das kleinere Modell damit rund 2,5-mal höher im Nettowert und 2,8-mal höher in der Zeitersparnis. Die Autoren betonen: Ein hoher Ertrag pro Joule kann mit einem weniger wertvollen Ergebnis pro Aufgabe einhergehen - beide Sichten gehören zusammen. Der Vergleich verwendet nicht überall gleiche Hardware: GLM 5.2 lief auf acht H200, die anderen vier Modelle auf acht H100. Er ist damit ein Vergleich der jeweiligen Systemkonfigurationen, kein isolierter Nachweis der Modelleffizienz.
Ergebnis 2: Energie macht sichtbar, was Kosten verbergen
GPT-OSS 120B verbrauchte den Messungen zufolge 68 Prozent weniger Energie als GLM 5.2 - bei nahezu identischen Ausführungskosten und -zeiten. Wer Deployments nur über API-Preise oder Laufzeiten optimiert, übersieht solche Unterschiede. Für Standorte mit Energiegrenzen, On-Premises- und Edge-Szenarien ist das nach Ansicht der Autoren der praktisch relevante Befund.
Ergebnis 3: Mehr Hardware heißt nicht mehr Wert
Bei den Single-Beschleuniger-Tests mit Qwen3.6-27B lag der B200 bei beiden Effizienzmaßen vorn. Die Skalierung überrascht dagegen: Im Test mit Qwen3.6-27B erzielten acht H100 nahezu denselben Netto-Dollarwert wie eine einzige, verkürzten die Laufzeit lediglich um 22 Prozent und verbrauchten das 3,24-Fache an Energie. Die Autoren nennen als Optimierungsziele ausdrücklich fehlgeschlagene Versuche, die Energie verbrauchen, und zusätzliche Berechnungen mit kaum Mehrwert.
Einordnung und Grenzen
Die Studie ist eine Momentaufnahme auf Benchmark-Aufgaben. Die Schätzungen beruhen auf aufgezeichneten Expertenzeiten und US-Medianlöhnen. Ob die Verhältnisse außerhalb von GDPval gelten, müssen weitere Untersuchungen zeigen. Das Binärurteil des Prüfmodells rechnet bei Sieg oder Gleichstand den vollen Output-Wert an und bei Niederlage keinen. Das Paper verbindet gemessenen Energieverbrauch mit geschätztem Arbeitswert für diese Benchmark-Konfigurationen, nicht mit realisiertem Unternehmensgewinn oder BIP-Wachstum.
Häufige Fragen
Was bedeuten NVJ und TSJ?
NVJ ist der angerechnete Output-Dollarwert abzüglich KI-Ausführungskosten, geteilt durch Energie in Megajoule. TSJ ist die bei Sieg oder Gleichstand angerechnete Expertenzeit abzüglich KI-Ausführungszeit pro Megajoule. Auch Fehlversuche verbrauchen Energie und verursachen Kosten.
Welches Modell war am effizientesten?
Pro Joule lieferte Gemma 4 31B den Studienmessungen zufolge etwa 2,5-mal mehr Nettowert und 2,8-mal mehr Zeitersparnis als GLM 5.2 - das allerdings den höchsten absoluten Wert pro Aufgabe erzeugte. Effizienz und Spitzenwert fallen also auseinander.
Gelten die Ergebnisse auch außerhalb des Benchmarks?
Das ist offen. Die Autoren weisen selbst darauf hin, dass die Schätzungen auf Benchmark-Aufgaben, aufgezeichneten Expertenzeiten und US-Medianlöhnen beruhen und eine Übertragung auf andere Arbeitskontexte noch zu prüfen ist.
Quellen
- Joules-to-GDP: How Much Economic Value Do AI Systems Produce per Unit of Energy? (arXiv, abgerufen 2026-11-06)
- Joules-to-GDP, Volltext: Methoden 2.4 und Experimente 3.2/3.3 (arXiv, abgerufen 2026-11-06)
Weitere Artikel
- Menlo schätzt Enterprise-KI auf 177 Milliarden Dollar Jahres-Runrate
- Gedicht aus dem Orbit: Googles TPU im All liefert seine erste KI-Antwort
Transparenzhinweis: Dieser Artikel ist ein redaktioneller Beitrag von Philipp Paulik und entstand mit KI-Unterstützung (Recherche und Textentwurf). Alle Quellen sind unten verlinkt; Zahlen und Aussagen stammen aus diesen Quellen. Das Titelbild ist KI-generiert und im Bild entsprechend gekennzeichnet. Die News-Übersicht auf dieser Seite wird dagegen automatisch aus öffentlichen Feeds aggregiert. So arbeiten wir.