Für seine achtwöchige Nutzung von Claude Code schätzte Zeke Hausfather den Stromverbrauch der Rechenzentren auf 170 kWh. Je nach Berechnungsmethode lag die Spanne bei 70 bis 330 kWh. Die Zahlen beziehen sich auf seine protokollierte Arbeitslast und sind keine allgemeine Verbrauchskennzahl für jeden Prompt.

Was die Acht-Wochen-Schätzung ergab

In Hausfathers Datensatz lösten 1.138 eingegebene Prompts mehr als 14.000 Modellaufrufe aus. Insgesamt verarbeitete Claude Code dabei 3,2 Milliarden Tokens. Für den untersuchten Zeitraum schätzte Hausfather den durchschnittlichen Tagesverbrauch auf 3,0 kWh; die Spanne lag bei 1,2 bis 5,9 kWh. An seinem verbrauchsstärksten Tag waren es schätzungsweise 11 kWh.

Warum ein Prompt viele Modellaufrufe auslösen kann

Das Erklärvideo beschreibt, wie Claude Code Kontext sammelt, handelt, Werkzeuge nutzt und Ergebnisse überprüft.

Claude Code arbeitet nicht nur eine Frage ab und liefert eine einzelne Antwort. Der Agent sammelt Kontext, handelt, nutzt Werkzeuge und überprüft Ergebnisse. Dazu kann er wiederholt Informationen aus Dateien und früheren Arbeitsschritten verarbeiten und weitere Modellaufrufe starten.

Was rund 150 Wh pro Prompt bedeuten

Teilt man Hausfathers Schätzung von 170 kWh durch seine 1.138 eingegebenen Prompts, ergibt sich ein Durchschnitt von rund 150 Wh pro Prompt. Dieser Wert beschreibt seine Arbeitslast: Ein einzelner Prompt konnte zahlreiche Modellaufrufe und insgesamt große Tokenmengen anstoßen.

Auch wiederholtes Einlesen von Kontext spielte eine Rolle. Rund 96 Prozent der Tokens entfielen in Hausfathers Datensatz auf Cache-Lesevorgänge. Unter der zentralen Annahme zur Energie dieser Vorgänge entfielen auf sie schätzungsweise 66 Prozent des Stromverbrauchs. Für die zentrale Rechnung wurde angenommen, dass Cache-Lesevorgänge zehn Prozent der Energie frischer Eingaben benötigen.

Wie Arbeitslast und Modellwahl die Schätzung verändern

Wie viele Modellaufrufe ein Prompt auslöst, wie viel Kontext verarbeitet wird und welche Modelle zum Einsatz kommen, prägt die Schätzung. Für einfache Aufgaben schätzte Hausfather, dass kleinere Modelle pro Token etwa fünf- bis siebenmal weniger Energie benötigen als Spitzenmodelle.