KI im Alltag

Veranstaltung „KI im Alltag“ – Teil 2

Link zum 1. Teil des Workshops KI

KI im Alltag – Teil1

Die Nutzung von KI lässt sich gut mit der Rolle von Fußgängern im Straßenverkehr vergleichen:
Wer ihr blind vertraut, verhält sich, als würde er mit geschlossenen Augen nur nach Navi durch eine fremde Stadt laufen. Das Navi kennt zwar die Route, aber es warnt nicht vor Hindernissen oder Verkehrszeichen – und genau so kann auch KI wichtige Risiken übersehen und in gefährliche Situationen führen.

Einführung und Einstellungen Datenschutz (Inkognito-Modus)

Gängige Browser bieten einen privaten Modus (Inkognito, Privatfenster usw.), der Browsing-History, Cookies und temporäre Daten nicht speichert. Hier eine Übersicht mit Schritt-für-Schritt-Anleitungen für Desktop-Versionen (Windows/macOS). Quelle: Heise

Google Chrome

Klicken Sie oben rechts auf die drei Punkte und wählen „Neues Inkognitofenster“.
Tastenkürzel: Strg + Shift + N (Windows/Linux) oder Cmd + Shift + N (macOS).

Inkognito-Modus bei Chrome

Mozilla Firefox

Klicken Sie auf das Menü-Symbol (☰) und wählen „Neues privates Fenster“.
Tastenkürzel: Strg + Shift + P (Windows/Linux) oder Cmd + Shift + P (macOS).

Microsoft Edge

Klicken Sie oben rechts auf die drei Punkte und wählen „Neues InPrivate-Fenster“.
Tastenkürzel: Strg + Shift + N; oder Rechtsklick auf Taskleisten-Symbol und „Neues InPrivate-Fenster“.

Apple Safari

Gehen Sie zu „Datei“ > „Neues privates Fenster“ (macOS).
Tastenkürzel: Cmd + Shift + N; auf iOS: Tabs-Übersicht öffnen, unten auf „Privat“ tippen.

Datenschutz bei Verwendung von KI am Beispiel perplexity und chatGPT

Sowohl bei Perplexity als auch bei ChatGPT gibt es Optionen, mit denen du die Nutzung deiner Inhalte zu Trainingszwecken einschränken bzw. verhindern kannst.

Perplexity

In den Account‑Einstellungen gibt es den Schalter „AI data retention / AI Data Usage“.
Wenn du ihn deaktivierst, werden deine Such‑ und Chatdaten nicht mehr zur Verbesserung der Sonar‑Modelle verwendet.
Deine Daten werden trotzdem zur Bereitstellung des Dienstes (z. B. Verlauf, Personalisierung, Sicherheit) verarbeitet, aber weder an Drittanbieter zu Trainingszwecken weitergegeben noch von OpenAI/Anthropic zum Training genutzt.
Zusätzlich kannst du Perplexity im Incognito‑Modus verwenden; diese Sessions werden nicht im Verlauf gespeichert.

ChatGPT (OpenAI)

Bei kostenlosen und Plus‑Konten kannst du in den Datenschutzeinstellungen das Verwenden von „Konversationen zur Verbesserung der Modelle“ deaktivieren; dann werden neue Chats nicht mehr zu Trainingszwecken genutzt. (OpenAI‑Doku beschreibt explizit diese Opt‑out‑Möglichkeit.).
Bei Team‑, Enterprise‑ und bestimmten API‑Nutzungen werden Kundendaten laut OpenAI‑Richtlinien grundsätzlich nicht für das Training verwendet. (Dies ist vertraglich geregelt, ähnlich wie bei Perplexity Enterprise Pro.).

ChatGPT (inkognito-Modus) — Screenhot: Temporärer Chat-Verlauf bei ChatGPT – nur möglich bei neuen Chats

ChatGPT (nach Anmeldung) — Screenhot: Temporärer Chat-Verlauf bei ChatGPT – nur möglich bei neuen Chats

Detaillierte Einstellungen zum Datenschutz am Beispiel ChatGPT

Du kannst bei ChatGPT einige wichtige Einstellungen zum persönlichen Datenschutz selbst steuern. Hier ist eine übersichtliche und aktuelle Zusammenfassung, praxisnah erklärt:

Hinweis: Die folgenden Inhalte stammen größtenteils aus KI-generierten Texten (ChatGPT).

1. Chatverlauf & Training von Modellen

🔹 Chatverlauf deaktivieren

Pfad:
Einstellungen → Datenschutz (oder „Data Controls“) → Chatverlauf
Wirkung:
- Deine neuen Chats werden nicht zur Verbesserung von Modellen verwendet
- Chats werden nicht dauerhaft gespeichert (nur temporär zur Funktion)
Empfehlung: ✅ Sehr sinnvoll bei sensiblen Inhalten

2. Nutzung deiner Daten zur Modellverbesserung

🔹 „Meine Inhalte für Trainingszwecke verwenden“

Pfad:
Einstellungen → Datenschutz
Option: Ein / Aus
Bedeutung:
- Aus: Deine Inhalte werden nicht zur Weiterentwicklung von ChatGPT genutzt
- Ein: Anonymisierte Nutzung möglich

👉 Wenn dir Datenschutz wichtig ist: deaktivieren

3. Alte Chats löschen oder verwalten

🔹 Einzelne Chats löschen

Direkt in der Chat-Übersicht (Papierkorb-Symbol)

🔹 Alle Chats löschen

Einstellungen → Allgemein → Alle Chats löschen

💡 Gelöschte Chats werden auch serverseitig entfernt (mit kurzen technischen Übergangsfristen).

4. Temporäre Chats (ohne Speicherung)

🔹 „Temporärer Chat“

Neuer Chat → „Temporär“
Eigenschaften:
- Wird nicht gespeichert
- Wird nicht für Training genutzt
- Verschwindet nach der Sitzung

Ideal für:

personenbezogene Daten
Entwürfe
vertrauliche Inhalte

5. Export deiner Daten

🔹 Datenkopie anfordern

Einstellungen → Datenschutz → Daten exportieren
Du erhältst:
- Chatverläufe
- Account-Informationen
- Metadaten

📩 Download-Link kommt per E-Mail.

6. Account löschen

🔹 Vollständige Löschung

Einstellungen → Datenschutz → Account löschen
Konsequenz:
- Account + Daten werden dauerhaft entfernt
- Nicht rückgängig zu machen

7. Plugins, Tools & externe Dienste (falls genutzt)

Falls du:

Plugins
Datei-Uploads
Web-Browsing

verwendest:

➡️ Inhalte können an externe Anbieter weitergegeben werden
➡️ Immer die jeweilige Datenschutzerklärung beachten

8. Wichtige Grundregel (sehr empfehlenswert)

❗ Keine sensiblen personenbezogenen Daten eingeben

z. B.:

Gesundheitsdaten

Passwörter

Ausweiskopien

interne Zugangsdaten

vertrauliche Kundendaten

Auch bei deaktiviertem Chatverlauf gilt diese Vorsicht.

Kurz-Fazit (empfohlene Einstellungen)

✅ Chatverlauf deaktivieren
✅ Training mit eigenen Inhalten ablehnen
✅ Temporäre Chats für sensible Themen nutzen
✅ Regelmäßig alte Chats löschen

Praktische Tipps

Für besonders sensible Inhalte:
- Immer prüfen, ob du in einem eingeloggten Konto mit deaktivierter Trainings‑Option bist oder einen Modus ohne Verlauf verwendest.
- Keine Klarnamen, Kundendaten oder vertrauliche Dokumente hochladen, wenn dies datenschutzrechtlich problematisch wäre – auch bei Opt‑out bleiben sie technisch verarbeitet und ggf. zeitweise gespeichert.
Weitere Tipps:
- „/human“ vor dem Prompt: Antwort wird „deutlich menschlicher“ formuliert.
- „DLTR“ nach dem Prompt: Kompakte, gut verständliche Antwort. Keine lange Antwort zu dem Prompt.
- „EL 5“ oder „EL 10“ nach dem Prompt: Erklärung der Dinge für einen 5- oder 10-jährigen.
- „listify“ nach dem Prompt: Man erhält die Erklärung als Liste.
- Einfach mal testen: „Erstelle eine Website für einen Joghurt mit Malzbiergeschmack.“ – erstellt eine Website dazu (HTML)

NotebookLM – das Schweizer Taschenmesser der KI

Gezeigt wird die Erstellung verschiedener Module zum Beitrag „Ki frisst Blogs„.

NotebookLM ist Googles KI-basierter Recherche- und Schreibassistent, der aus hochgeladenen Dokumenten personalisierte „Notizbücher“ erstellt. [smartdroid]

Aktuelle Optionen (Januar 2026): Es unterstützt PDFs, Google Docs, Slides, Web-URLs und Audio als Quellen. Nutzer können Inline-Zitate abrufen, Rollen definieren (Forscher, Stratege) und Inhalte in FAQs, Lernleitfäden, Briefing-Docs, Flashcards oder Tests umwandeln. Audio/Video-Features umfassen Deep Dives, Zusammenfassungen und Debatten. Visuelle Ausgaben wie Mindmaps, Infografiken und Folien sind exportierbar. Die kostenlose Version erlaubt 100 Notizbücher mit je 50 Quellen.

Hinweis: Die folgenden Inhalte zu „Probleme durch KI“ stammen größtenteils aus KI-generierten Texten.

Künstliche Intelligenz bringt viele Vorteile, verursacht aber auch gravierende Probleme in Gesellschaft, Wirtschaft und Politik:

Probleme durch KI

Automatisierung von Arbeit: Viele Routine- und sogar qualifizierte Jobs können durch KI ersetzt werden, was Arbeitslosigkeit und sozialen Druck verstärkt: builtin+1
Verzerrte Entscheidungen (Bias): KI-Systeme übernehmen Vorurteile aus ihren Trainingsdaten und benachteiligen z. B. bestimmte Geschlechter oder ethnische Gruppen bei Bewerbungen, Krediten oder Strafverfolgung: witness+1
Datenschutzverletzungen: KI benötigt große Datenmengen; dabei können sensible Informationen missbraucht, weitergegeben oder durch Sicherheitslücken offengelegt werden: edpb.europa+1
Überwachung und Tracking: Gesichtserkennung und Verhaltensanalyse ermöglichen umfassende Überwachung im öffentlichen Raum und im Internet, was Freiheitsrechte einschränkt: lakera+1
Desinformation und Deepfakes: KI kann täuschend echte Texte, Bilder, Audios und Videos erzeugen, die gezielt zur Manipulation von Wahlen, Märkten oder Meinungen eingesetzt werden: walkme+1
Sicherheitsrisiken und Cyberkriminalität: Angreifer nutzen KI für automatisierte Angriffe, Phishing, Betrug oder das Umgehen von Sicherheitsmechanismen: coreinsightsintl+1
Machtkonzentration: Große Tech-Konzerne und wenige Staaten kontrollieren die wichtigsten Modelle und Daten, was wirtschaftliche und politische Ungleichgewichte verstärkt: kpmg+1
Verlust von Transparenz: Viele KI-Modelle sind „Black Boxes“, deren Entscheidungen kaum nachvollziehbar sind – problematisch etwa in Medizin, Justiz oder Verwaltung: witness+1
Psychische und soziale Folgen: KI-gestützte Plattformen können Suchtverhalten, Filterblasen, Vereinsamung oder psychische Belastungen verstärken: infosysbpm+1
Autonome Waffen und Militär: KI kann in Waffensystemen eingesetzt werden, die ohne ausreichende menschliche Kontrolle agieren und Konflikte eskalieren lassen: coreinsightsintl+1
Abhängigkeit und Kompetenzverlust: Wenn zu viele Aufgaben an KI delegiert werden, können menschliche Fähigkeiten, Urteilsvermögen und Verantwortungsbewusstsein nachlassen: lakera+1
Beitrag von mir zum Thema KI frisst Blogs

KI und Auswirkungen auf Berufe

Journalismus / Zeitungen / Blogs
Übersetzer
Webdesigner
Steuerberater
Software-Entwickler

In Deutschland könnten bis 2027 83 Millionen Jobs weltweit wegfallen, aber neue entstehen durch Umstrukturierung. Quelle:
https://www.agev.de/nachrichten/it-telekommunikation/koerper-schlaegt-kopf-diese-berufe-koennten-bis-2027-durch-ki-verschwinden/

KI im Zusammenhang mit Stromverbrauch, Wasserverbrauch bzw. Verbrauch von Ressourcen

Hinweis: Die folgenden Inhalte stammen größtenteils aus KI-generierten Texten.

Warum eine Überprüfung anhand der WCAG 2.2 notwendig ist

Künstliche Intelligenz verursacht einen erheblichen zusätzlichen Energie‑ und Ressourcenverbrauch, vor allem durch spezialisierte Rechenzentren und die dafür benötigte Hardware.netzwoche+1

Stromverbrauch

KI‑optimierte Rechenzentren treiben den globalen Strombedarf von Datacentern stark nach oben; Prognosen gehen von einer mehr als Verdopplung des gesamten Rechenzentrumsverbrauchs bis 2030 aus.heise+1
Speziell für KI wird ein Anstieg von heute grob 50 TWh auf etwa 500–550 TWh bis 2030 erwartet; das entspricht in der Größenordnung dem Stromverbrauch ganzer Industrieländer.statista+1

Training großer Modelle

Das Training großer Sprachmodelle benötigt enorme Energiemengen: Für GPT‑3 wird der Strombedarf auf etwa 1.287 MWh geschätzt, vergleichbar mit dem Stromverbrauch eines durchschnittlichen US‑Haushalts über mehr als 100 Jahre.adasci
Neuere Modelle mit mehreren hundert Milliarden Parametern liegen teils im zweistelligen GWh‑Bereich, je nach Infrastruktur; Optimierungsansätze können den Energiebedarf zwar deutlich senken, ändern aber nichts an der grundsätzlichen Größenordnung.arxiv+1

Laufender Betrieb (Inference)

Neben dem Training verursacht vor allem der Massenbetrieb von KI‑Diensten (Chatbots, Bildgenerierung etc.) kontinuierlichen Energieverbrauch, weil Anfragen in Echtzeit auf GPU‑Clustern verarbeitet werden müssen.adasci
Schätzungen zufolge könnte allein KI‑Nutzung in den USA bis 2028 so viel Strom verbrauchen wie über 28 Millionen Haushalte, wenn das Wachstum ungebremst weitergeht.foodandwaterwatch

Wasserverbrauch und Kühlung

Rechenzentren brauchen große Mengen Süßwasser zur Kühlung und zur Stromerzeugung; für Google, Microsoft und Meta wurden 2022 zusammen rund 580 Milliarden Liter Wasser geschätzt.oeko+1
Für KI‑Infrastruktur wird bis 2030 eine Verdreifachung des direkten Wasserverbrauchs erwartet, was in wasserarmen Regionen lokal zu Verteilungskonflikten führen kann.sustainableict.blog+1

Hardware, Rohstoffe und E‑Waste

Die Herstellung von KI‑Chips (GPUs/TPUs) ist extrem ressourcen‑ und wasserintensiv und erfolgt häufig in ökologisch sensiblen Regionen.towardsdatascience+1
Kurze Innovationszyklen (schneller Austausch alter GPU‑Generationen) verstärken das E‑Waste‑Problem und erhöhen den Bedarf an kritischen Rohstoffen wie seltenen Erden.oeko

Ambivalenz: Problem und Teil der Lösung

KI verschärft Energie‑ und Ressourcenthemen, kann aber gleichzeitig in Industrie, Energieversorgung und Verkehr helfen, Prozesse zu optimieren und Energie einzusparen.oeko+1
Viele Studien fordern daher strengere Effizienzvorgaben, CO₂‑Transparenz (Energy/Request, gCO₂/Inference) und einen deutlich höheren Anteil erneuerbarer Energien in Rechenzentren, um die Klimabilanz von KI zu verbessern.oeko+1

Ja — es gibt seriöse Studien und Berichte, die den Stromverbrauch von großen KI-Systemen wie ChatGPT in einen Kontext zu Energieverbrauch von Haushalten setzen. Das ist wichtig, weil einzelne Aussagen oft aus Modell- oder Branchen-Schätzungen stammen und OpenAI selbst keine vollständigen Daten zu Stromverbrauch und Klimabilanz offenlegt.

Hier sind qualitativ belastbare Quellen mit Zahlen:

🔍 Empirische Studien & seriöse Analysen

💡 1. International Energy Agency (IEA) / Electric Power Research Institute (EPRI)

Diese Organisationen sind in der Strom- und Energiesektor-Forschung etabliert. Entsprechende Berichte werden z. B. in Medien wie Euronews und TechTarget zusammengefasst:

Laut EPRI und IEA verbraucht eine einzelne ChatGPT-Abfrage rund 2,9 Wh Strom. Zum Vergleich: eine Google-Suchanfrage benötigt etwa 0,3 Wh, also fast 10-mal weniger. Diese Werte wurden mehrfach in Fachartikeln veröffentlicht und gelten als Referenzwerte für KI-Abfragen. (euronews)

👉 Warum seriös?
IEA und EPRI arbeiten mit Daten aus der Energiebranche und haben Erfahrung mit Energie-Benchmarks. Ihre Zahlen werden in wissenschaftlichen und Branchenberichten zitiert.

📊 2. Wissenschaftliche Studie (ArXiv: „How Hungry is AI?“)

Eine Peer-Reviewed bzw. Preprint-Studie zur Modell-Inferenz (also Nutzung, nicht nur Training) zeigt:

Eine KI-Abfrage kann je nach Modell ~0.43 Wh verbrauchen.
Skaliert man das auf viele Anfragen pro Tag, entspricht das dem Jahresverbrauch von Zehntausenden Haushalten, wenn große KI-Workloads summiert werden. (arXiv)

👉 Warum seriös?
ArXiv-Preprints stammen oft aus der wissenschaftlichen Forschung und werden von Fachleuten gelesen und kritisiert.

🔍 3. Branchen-Analyse: Data Center Electricity Consumption

Eine Industriestudie von Schneider Electric (zitiert in einer Data-Center-Publikation) schätzt:

Totaler globaler Rechenzentrumsstromverbrauch: ~54 GW Leistung (ca. 473 TWh/Jahr).
Davon entfallen 8 % auf AI-Workloads (Training + Inferenz).
Hochgerechnet: das ist ein Verbrauch, der dem von hunderttausenden Haushalten entspricht. (Datacenter Dynamics)

👉 Warum seriös?
Schneider ist ein bekannter Anbieter von Energie- und Rechenzentrums-Infrastruktur mit eigenen Messdaten.

📌 Vergleich mit Haushalten

Um den Verbrauch zu veranschaulichen:

Größe / Aktivität	Energieverbrauch	Vergleich
1 ChatGPT-Abfrage	~0,3 – 2,9 Wh	≈ 5 – 50 s eines 60 W Glühbirnenbetriebs (euronews)
Google-Suche	~0,3 Wh	≈ ~10 % einer KI-Abfrage (TechTarget)
Jährlicher Rechenzentrumsbetrieb (global)	~400 – 500 TWh	Mehr als Frankreichs Jahresverbrauch (ZEN AI Co.)
KI-Anteil an Rechenzentrumsstrom	~8 % aktuell (steigend)	Bedeutet energieintensive KI-Workloads (Datacenter Dynamics)

Ein durchschnittlicher deutscher Haushalt verbraucht etwa 3.500–4.000 kWh pro Jahr.
Wenn man also eine große Menge KI-Anfragen addiert, kann die Gesamtnutzung schnell dem Energiebedarf von Zehntausenden Haushalten pro Jahr entsprechen — je nach Nutzungslast, Modellgröße und Infrastruktur. (ZEN AI Co.)

🧠 Wichtige Hinweise

✅ Training vs. Nutzung

Das Training großer Modelle (z. B. GPT-4) wird meist als einmaliger, sehr hoher Energie- und Zeitaufwand angegeben (studienweise mehrere 10 MWh).
Die laufende Nutzung (Inference) ist energieintensiv, aber pro Abfrage vergleichsweise klein — sie skaliert jedoch mit der Anzahl der Nutzer. (euronews)

❗ Keine vollständig offiziellen Zahlen von OpenAI selbst
OpenAI veröffentlicht keine vollständigen Stromverbrauchsdaten für ChatGPT, daher beruhen viele seriöse Schätzungen auf Energiemodellen, Branchenkennzahlen und Datenzentren-Analysen (EPRI, IEA, Schneider). (Datacenter Dynamics)

📌 Empfehlung für seriöse Referenzen

Wenn du wirklich akademisch belastbare Daten suchst, empfehle ich:

🔹 IEA Reports zu Data Center-Stromverbrauch (offizielle Energieagentur)
🔹 EPRI Studies über ICT-Energiebedarf
🔹 ArXiv-Preprints zur Energie-Benchmarking von LLMs (z. B. How Hungry is AI?)
🔹 Schneider Electric Industry Reports zur Rechenzentrumskapazität

Ja — es gibt **seriöse, datenbasierte Quellen zum Wasserverbrauch von Rechenzentren und damit indirekt auch zu dem, was KI-Systeme wie ChatGPT an Wasser verbrauchen.
Allerdings: OpenAI selbst veröffentlicht keine detaillierten, vollständigen Wasser-Kennzahlen speziell für ChatGPT, sodass die seriösen Angaben meist auf Modell- oder Datenzentrums-Studien basieren. (IEEE Spectrum)

📊 Serielle, seriöse Quellen zum Wasserverbrauch

📌 IEEE Spectrum – Wissenschaftlicher Überblick über Wasserverbrauch von Datenzentren

Datenzentren verbrauchen Wasser vor allem über Kühlungssysteme und indirekt über Stromerzeugung (z. B. Dampf- oder Thermokraftwerke).
Studien messen Wasserverbrauch in Litern pro kWh oder „Water Usage Effectiveness (WUE)“.
Ein Beispiel: etwa 16,9 ml Wasser pro Textausgabe (150–300 Wörter) kann ein KI-Modell wie GPT-3 im Durchschnitt in einem amerikanischen Datenzentrum verbrauchen (inklusive Strom-Bezogene Nutzung). (IEEE Spectrum)

👉 Das ist eine wissenschaftliche, datenbasierte Analyse, die über IEEE Spectrum veröffentlicht wurde.

📌 Studien zu KI-spezifischem Wasserverbrauch (Universität Texas / California)

Diese Studien schätzen den Wasserverbrauch für das Training großer Modelle (z. B. GPT-3) auf Millionen Liter, davon allein mehrere hunderttausend Liter für die Kühlung im Rechenzentrum. (heise online)

⚠️ Diese Werte sind Schätzungen, keine offiziellen OpenAI-Messungen – weil solche detaillierten Zahlen oft nicht öffentlich gemacht werden.

📌 Nature-Artikel über Datenzentrums-Wasserverbrauch

Eine Peer-Reviewed-Studie zeigt, dass traditionelle Kühlmethoden in Rechenzentren große Mengen Wasser verbrauchen (z. B. ~25,5 Millionen Liter/Jahr bei 1 MW-Leistung). (Nature)

Das ist eine wissenschaftlich belastbare Quelle, die hilft, den Wasserbedarf von Rechenzentren (und damit auch KI-Workloads) zu verstehen.

📌 Weltweite Datenzentrum-Statistiken (Wikipedia & andere Daten)

Ein 100 MW-Rechenzentrum kann theoretisch ~2 Millionen Liter Wasser pro Tag verwenden (vergleichbar mit dem täglichen Wasserverbrauch von ~6 500 Haushalten). (Wikipedia)

💧 Wie ist der Wasserverbrauch bei ChatGPT konkret?

Da OpenAI keine vollständige transparente Messung veröffentlicht:

🔹 Schätzungen aus Fachartikeln / Medien nennen oft Werte im Bereich von Bruchteilen eines Liters pro Chat-Anfrage, etwa wenn für 10–50 Fragen an einen KI-Chatbot 10–20 Liter Wasser verbraucht werden (z. B. Kühlung). (euronews)

🔹 Andere Schätzungen aus Tagesschau, Ingenieur.de oder Studien trennen den Verbrauch in direkten Rechenzentrums-Wasserbedarf und indirekte Werte (Stromproduktion). (Tagesschau)

👉 Die Spanne ist groß, weil der Verbrauch stark von Rechenzentrumstyp, Kühlsystem, Klima und Energiequellen abhängt.

🔄 Kann das Wasser wiederverwendet werden?

👍 Ja – oft teilweise oder ganz

Wiederverwendungsmöglichkeiten:

Geschlossene Kühlkreisläufe:
Viele Rechenzentren nutzen Wasser in geschlossenen Systemen, bei denen das gleiche Wasser mehrfach durch die Kühlung zirkuliert und nur wenig „verloren“ wird. (Dgtl Infra)
Recycling und Wiederverwendung:
Wasser, das für Kühlung genutzt wurde, kann z. B. zur Toilettenspülung oder Bewässerung weiterverwendet werden, wenn es entsprechend aufbereitet wird. (Dgtl Infra)
Limitierungen:
Wasser kann nicht unendlich wiederverwendet werden, weil Mineralien und Verunreinigungen sich ansammeln (Skalierung) und irgendwann ersetzt werden müssen. (Dgtl Infra)

⚠️ Was nicht wiederverwendet wird

Der Teil, der verdunstet, geht dauerhaft verloren und muss ersetzt werden. (IEEE Spectrum)
Wasser in der Stromproduktion oder in der Lieferkette kann nicht direkt wiederverwendet werden und zählt als „verbraucht“.

📌 Fazit – Quellenlage

Thema	Qualität der Daten	Beispielquelle
Direkter Wasserverbrauch in Rechenzentren	✔ Studien + Industrie-Daten	IEEE Spectrum, Nature-Studie (IEEE Spectrum)
Indirekter Wasserverbrauch (Stromproduktion)	✔ Analysen verfügbar	IEEE Spectrum, EESI (IEEE Spectrum)
KI-spezifische Verdunstung pro Anfrage	➖ Schätzung, nicht offiziell	Fachartikel & Medien (euronews)
Training großer Modelle	✔ Studien-Schätzungen	Universitätsforschung (heise online)

📍 Wichtiger Hinweis

Es gibt keine amtliche, durchgehende OpenAI-Messung für ChatGPT-Wasserverbrauch – alle seriösen Zahlen basieren auf Datenzentrum-Kennzahlen, wissenschaftlichen Studien und Schätzungen, die in der Literatur und bei Branchenanalysen veröffentlicht wurden. (IEEE Spectrum)

Möchtest du, dass ich dir die konkreten Paper/Links als PDFs oder DOI-Angaben zusammenstelle, die du direkt weiterlesen kannst? (Dann kann ich sie gezielt auflisten.)

Aktuelle deutschsprachige Quellen zur Problematik von KI

Kannst du bitte aktuelle deutschsprachige Quellen zur Problematik von KI (z. B. Fake News, Traffic bei Blogs und Websites, Wasser- und Stromverbrauch) nennen.

Es gibt eine Reihe aktueller deutschsprachiger Quellen zu den genannten KI-Problemen, vor allem aus 2025/2026 von Medien wie Handelsblatt, Öko-Institut und AlgorithmWatch. Diese bieten fundierte Analysen mit Daten und Prognosen, oft im Kontext von Deutschland/EU.

KI und Fake News / Desinformation

Handelsblatt (6.1.2026) beschreibt in „KI: Ein Billionen-Dollar-Problem“ industriell skalierte Desinformationskampagnen mit KI-Bots, Deepfakes und Darknet-Tools wie WormGPT, die Ressentiments gezielt verstärken und Unternehmen Millionen kosten.
IDW Digital Summit (17.11.2025) diskutiert Risiken von Deepfakes und Fake News für Unternehmen, mit Fokus auf EU-Verordnungen wie DORA und Strategien wie Monitoring-Systeme und Krisenpläne.
Hochschule Karlsruhe Symposium (24.10.2025) beleuchtet, wie KI die Entstehung und Verbreitung von Desinformation verändert, mit Beiträgen aus Wissenschaft und Medien.
Arte TV: Vermüllung des Internets durch KI-generierte Inhalte.
Heise: Das Ende des Internets wie wir es kennen.

KI und Traffic-Rückgang bei Blogs / Websites

Feller Systems (4.1.2026) analysiert Googles KI-Features: Publisher-Traffic könnte bis 2026 um 25% sinken, 68% der KMU-Websites melden bereits Verluste; CTR-Einbrüche bis 70%, Mail Online -56%.
Netzökonom (13.5.2025) berichtet von Traffic-Verlusten durch KI-Antworten in Google-Suche (seit März 2025 in DE), die Klicks auf Blogs und News-Seiten verhindern – ein „Traffic-destroying Nightmare“.
MedienNetzwerk Bayern (30.10.2025) misst bis zu 79% Traffic-Rückgang bei AI Overviews; Apotheken Umschau -33%, trotz besserer Sichtbarkeit in KI-Zusammenfassungen.
haurand.com: Beitrag „KI frisst Blogs“

Energie- und Wasserverbrauch von KI

Öko-Institut für Greenpeace (17.12.2025) prognostiziert: KI-Rechenzentren verbrauchen bis 2030 11x mehr Strom (550 Mrd. kWh) und 4x mehr Wasser (664 Mrd. Liter) als 2023; plus 5 Mio. Tonnen E-Abfall.
PCSpezialist (20.11.2025) nennt für DE: Rechenzentren 20–26 TWh Strom/Jahr (4% national), bis 2037 bis 10%; Wasserbedarf 1,8 Mio. Liter/Tag pro Zentrum, bis 2030 auf 240 Mrd. Liter.
AlgorithmWatch (26.10.2025) zitiert Bundesnetzagentur: DE-Rechenzentren 20–26 TWh jetzt, bis 2037 78–116 TWh (10%); Frankfurt 40% lokaler Strom für KI-Zentren.

Hier noch mal alle genannten Quellen in der ÜBersicht:

Weitere Links zu KI/AI

Achtung: Die nachfolgenden Links wurden vorab auf Funktionalität und Relevanz geprüft. Dennoch kann keine Gewährleistung für deren dauerhafte Verfügbarkeit, Inhalt, Sicherheit oder Kompatibilität übernommen werden. Prüfen Sie die Links bitte vor der Nutzung selbstständig.

Attendorn
Links zu den Beispielen
KI:
- https://chatgpt.com/
- https://www.perplexity.ai/
- https://copilot.microsoft.com/
- Quillbot „Mit unserer KI schreibst du schneller bessere Texte – ohne deine Ideen grundlegend zu verändern.“: https://quillbot.com/
- Speechma „Erleben Sie professionelle Text-zu-Sprache-Konvertierung mit vollständiger kommerzieller Freiheit.“ https://speechma.com/german
- Bundesamt für Sicherheit in der Informationstechnik – BSI:
  - https://www.bsi.bund.de/DE/Service-Navi/Presse/Pressemitteilungen/Presse2025/250127_KI-im-Alltag.html
  - Broschüre: https://www.bsi.bund.de/SharedDocs/Downloads/DE/BSI/Publikationen/Broschueren/Wegweiser_Checklisten_Flyer/Brosch_A6_Kuenstliche_Intelligenz.pdf?__blob=publicationFile&v=18
- https://www.ki-im-alltag.de/
- https://ki-und-alter.de/
- https://www.bagso.de/spezial/aktuelles/detailansicht/digitale-teilhabe-ki-kompetenzen-und-bildung-fuer-aeltere-staerken/
- https://www.wissensdurstig.de/ki-im-alltag-aelterer-menschen-16-neue-ki-lernorte-bringen-aelteren-menschen-kuenstliche-intelligenz-naeher/
- Videogenerierung
  - Hinweis: In der Regel erst nach Anmeldung möglich – kann auch kostenpflichtig sein. Mir ist es nicht gelungen, mit den folgenden Tools (Modellen) kostenfrei ein Video zu erstellen:
    - https://arting.ai/text-to-video
    - https://viddo.ai/text-to-video-generator-free-no-sign-up
    - mit Sora2: https://openai.com/de-DE/index/sora-2/
    - mit Tunway: https://runwayml.com/
    - mit Artlist: https://toolkit.artlist.io/image-video-generator?mode=image&modelGroupID=117
Bilderstellung:
- https://chatgpt.com/
- https://pollo.ai/de/
- https://ki-bild-erstellen.de/anmelden/
- ImageEditor online – „Transform Your Images with AI – High-Quality, Fast, and Easy Photo Editing Online“: https://imageeditor.online/
- https://dreamer.lab24.ai/generate
Erstellung Präsentationen, Mindmaps, etc.:
- https://notebooklm.google/
Programmierung:
- https://claude.ai/
- https://github.com/copilot/
Weitere Tools:
- Online Tools for Video, Audio, PDF, and File Conversion:
  https://123apps.com/
- QR-Code-Generator: Die QR-Codes werden dabei vollständig in Ihrem Browser generiert, und es werden durch das Absenden des Formulars keine Daten an den Server übermittelt.
  https://www.tu-chemnitz.de/urz/apps/qrcode/
- TinyWow – „We offer PDF, video, image and other online tools to make your life easier“: https://tinywow.com/
- https://thispersondoesnotexist.com/
Lernen
- https://ailiteracyframework.org/
Allgemeine Infos im Hinblick auf die Veränderung des Webs und der Gesellschaft durch KI:
- Absolut empfehlenswert: https://kofler.info/warum-jetzt-jeder-programmieren-kann/
- Großartiger Beitrag von Joost de Valk (leider auf Englisch):
  https://joost.blog/healthy-doubt/
- ZDF: Beitrag mit gefälschtem KI-Video im „heute journal“:
  https://www.heise.de/news/ZDF-Beitrag-mit-gefaelschtem-KI-Video-im-heute-journal-11179788.html?wt_mc=sm.red.ho.mastodon.mastodon.md_beitraege.md_beitraege
- Sora 2: OpenAIs neue Video-KI kommt mit Ton und eigener Social-App: https://www.heise.de/news/Video-KI-Sora-2-OpenAI-kombiniert-Modell-mit-Social-App-und-Audio-Generierung-10688916.html
- Der Widerstand wächst: US-Bundesstaaten prüfen Baustopp von KI-Rechenzentren:
  https://t3n.de/news/der-widerstand-waechst-us-bundesstaaten-pruefen-baustopp-von-ki-rechenzentren-1728630/
- https://www.businessinsider.de/wirtschaft/ki-statt-experten-wie-chatgpt-aerzte-und-anwaelte-unter-druck-setzt/
- Vermüllung des Internets durch KI-generierte Inhalte:
  https://www.arte.tv/de/videos/122187-000-A/ki-der-tod-des-internets/
- Interessanter und sehr informativer Podcast zu dem Thema:
  https://blog.bloofusion.de/google-ai-overviews/
- Für ChatGPT, Gemini und andere große Systeme künstlicher Intelligenz gelten in Europa ab 1.8.2025 strengere Regeln. Worum geht es – und welche praktischen Auswirkungen hat das?
  https://www.tagesschau.de/ausland/europa/eu-regeln-ki-100.html
- https://www.derstandard.at/story/3000000282286/perplexity-umgeht-gezielt-sperren-und-greift-geschuetzte-inhalte-ab
- https://www.heise.de/meinung/Kommentar-Das-Ende-des-Internets-wie-wir-es-kennen-10442648.html
- https://www.heise.de/news/Perplexity-will-Verlage-beteiligen-wenn-Inhalte-genutzt-werden-10622590.html
- Datenanalyse: Googles KI-Übersichten bewirken bis zu 25 Prozent Traffic-Rückgang:
  https://www.heise.de/news/Datenanalyse-Googles-KI-Uebersichten-bewirken-bis-zu-25-Prozent-Traffic-Rueckgang-10538593.html
- https://www.sueddeutsche.de/wirtschaft/chatgpt-openai-energieverbrauch-klima-sam-altman-li.3267446
- https://www.20min.ch/story/millionenbetraege-wer-freundlich-ist-zu-chatgpt-verursacht-hohe-energiekosten-103328523
- https://www.heise.de/news/KI-Rechenzentren-In-den-USA-immer-mehr-Stromerzeugung-ohne-Anschluss-ans-Netz-11183602.html
- https://www.heise.de/news/Wasserverbrauch-Die-grosse-Unbekannte-bei-der-zunehmenden-KI-Nutzung-10472724.html
- https://the-decoder.de/cloudflare-boss-matthew-prince-hat-keine-guten-nachrichten-fuer-das-www/
- https://www.onlinehaendler-news.de/ki-tech/innovationen/webseitenbetreiber-geld-verlangen-ki-inhalte
- https://www.planinja.de/strategie/seo-content/ki-sichtbarkeit-ermitteln-tracken/
- https://ainnovators.ch/lexikon/bias-2/
- https://www.agev.de/nachrichten/it-telekommunikation/koerper-schlaegt-kopf-diese-berufe-koennten-bis-2027-durch-ki-verschwinden/

Abschließend zwei Filme, erstellt auf Grundlage einiger der genannten Informationen und Quellen mit https://notebooklm.google.com/

Filme mit notebooklm

Grundlage war der erste Teil des „Workshops“ zur Seniorenakademie Attendorn KI

Grundlage war eine erste Version der Seite Seniorenakademie Attendorn KI

Grundlage: Beitrag KI frisst Blogs

Grundlage ist der zweite Teil des „Workshops“ zur Seniorenakademie Attendorn KI (also diese Seite). Zur Info: Den Titel hat notebookLM automatisch erstellt. Mir persönlich gefällt der Titel nicht besonders. Aber es lohnt sich trotzdem, das Video anzuschauen.

Grundlage ist der zweite Teil des „Workshops“ zur Seniorenakademie Attendorn KI (also diese Seite)

KI im Alltag – Teil2