Nettowert pro Joule (NVJ): Kleinere Modelle können effizienter sein
GLM 5.2168,0 US-Dollar/MJ
Gemma 4 31B420,0 US-Dollar/MJ
Qwen3.6-27B (B200)535,5 US-Dollar/MJ
Qwen3.6-27B (MI350X)124,1 US-Dollar/MJ

NVJ = (Output-Wert – Ausführungskosten) / Energie. Gemma 4 31B erreicht 2,5× den NVJ von GLM 5.2; Qwen3.6-27B auf B200 erzielt 4,3× den NVJ desselben Modells auf MI350X. Durchschnitt über 220 GDPval-Aufgaben, verglichen mit Experten ohne KI. · Quelle: Zeinali et al. (2026), Joules-to-GDP, arXiv:2610.30858

Daten als Tabelle
KategorieWert
GLM 5.2168 US-Dollar/MJ
Gemma 4 31B420 US-Dollar/MJ
Qwen3.6-27B (B200)535,5 US-Dollar/MJ
Qwen3.6-27B (MI350X)124,1 US-Dollar/MJ
Effizienz-Paradox: Gemma 4 31B vs. GLM 5.2
72,27 $Nettowert pro Aufgabe (GLM 5.2)
56 %Anteil bei Gemma 4 31B
23 %Anteil der Energie
2,5×Faktor NVJ
2,8×Faktor TSJ

Gemma 4 31B erzielt 56 % des Nettowerts von GLM 5.2 mit nur 23 % der Energie – 2,5× mehr Nettowert pro Joule (NVJ) und 2,8× mehr eingesparte Expertenzeit pro Joule (TSJ). GLM 5.2: ca. 0,430 MJ (≈ 4 Stunden Laptop-Betrieb). · Quelle: Zeinali et al. (2026), Joules-to-GDP, arXiv:2610.30858

(Zusammenfassung der Quelle: arXiv.org / Amirreza Zeinali, Jon Saad-Falcon, Avanika Narayan, Mersad Abbasi, Jonathan S. Hartley, John Hennessy, Christopher Ré, Azalia Mirhoseini (Studie (Stanford University, UC Berkeley, UT Austin)), 02.11.2026)

Während Unternehmen in der KI-Transformation reflexhaft zum größten verfügbaren Modell greifen, liefert eine neue Studie von Stanford University, UC Berkeley und UT Austin eine unbequeme Wahrheit: Das leistungsstärkste Modell ist nicht automatisch das wirtschaftlich sinnvollste. Die Forschenden um John Hennessy, Christopher Ré und Azalia Mirhoseini führen mit „Joules-to-GDP“ erstmals eine Messgröße ein, die KI-Systeme nicht nach Output-Qualität, sondern nach wirtschaftlichem Wert pro Energieeinheit bewertet. Sie testeten fünf führende Sprachmodelle und vier verschiedene Beschleuniger-Chips an 220 realen Berufsaufgaben aus 44 Tätigkeitsfeldern – von Softwareentwicklung bis Finanzanalyse. Das Ergebnis: Wer Energie als knappe Ressource ernst nimmt, muss Modell- und Hardware-Entscheidungen radikal überdenken.

Fakten aus der Quelle

Die zentralen Erkenntnisse

  • Die neue Messgröße – Nettowert pro Joule (NVJ): Die Studie definiert NVJ als den wirtschaftlichen Wert der KI-Ausgabe (in US-Dollar) abzüglich der Ausführungskosten, geteilt durch den gemessenen Energieverbrauch (in Megajoule). Ergänzend wird TSJ (Time Saving per Joule) gemessen: eingesparte Fachkräftezeit pro Energieeinheit. Beide Metriken wurden an 220 öffentlichen GDPval-Aufgaben aus 44 Berufen getestet, gewichtet nach Sektor-BIP und Beschäftigung.
  • Das Paradox der Leistung: GLM 5.2 lieferte den höchsten Nettowert pro Aufgabe (72,27 US-Dollar) und verbrauchte dabei die Energie von etwa vier Stunden aktivem Laptop-Betrieb (ca. 0,430 MJ). Gemma 4 31B erreichte nur 56 % dieses Werts, benötigte aber lediglich 23 % der Energie – und erzielte dadurch 2,5× den NVJ und 2,8× den TSJ. Anders ausgedrückt: Aus demselben Energiebudget lässt sich mit dem kleineren Modell deutlich mehr Gesamtwert erzeugen.
  • Wertvolle Arbeit ist nicht immer effiziente Arbeit: Ingenieuraufgaben wie CAD-Design lieferten etwa 10 % mehr Nettowert pro Task als Softwareentwicklung (z. B. Website-Bau), doch letztere erzielte etwa 27 % mehr Wert pro Joule. Die Art der Aufgabe bestimmt mit, wie effizient KI arbeitet – nicht nur die Modellwahl.
  • Hardware-Wahl verändert die Effizienz massiv: Dasselbe Modell (Qwen3.6-27B) auf einem NVIDIA B200 erzielte 535,5 US-Dollar NVJ pro Megajoule, während es auf einem AMD MI350X nur 124,1 US-Dollar waren – ein Faktor von 4,3. Mehr GPUs können die Energieeffizienz sogar verschlechtern: Acht H100 verbrauchten 3,2× mehr Energie als eine, um die Bearbeitungszeit nur um 22 % zu senken, bei ähnlichem Nettowert.
  • KI-assistierte Fachkräfte sind schwerer zu schlagen: Wenn die Benchmark nicht Fachkräfte ohne KI, sondern Fachkräfte mit KI-Unterstützung misst, sinkt GLM 5.2s NVJ um 70 % und sein TSJ um 65 %. Die Studie zeigt damit: KI muss sich künftig nicht mehr gegen manuell arbeitende Menschen beweisen, sondern gegen Menschen, die selbst KI nutzen – eine deutlich härtere Messlatte.

Der kritische Kim-Blick

Weiterlesen: Der kritische Kim-Blick

Die Studie demontiert den Mythos „größer = besser“ und zwingt zur Kosten-Nutzen-Rechnung auf Joule-Ebene:

  • Das Ende der „Default-to-Frontier“-Strategie: Wenn das kleinere Modell aus derselben Kilowattstunde 2,5× mehr Wert herausholt, ist die Standardfrage „Welches Modell ist das beste?“ falsch. Die richtige Frage lautet: „Welches Modell liefert den meisten Wert aus meinem Energie- und Kostenbudget?“ In vielen Szenarien ist das nicht das größte, sondern ein kleineres, spezialisiertes Modell.
  • Hardware als versteckter Hebel: Der Faktor 4,3 zwischen B200 und MI350X zeigt, dass die Chip-Wahl genauso kritisch ist wie die Modellwahl – und dass Unternehmen, die nur auf Modell-Benchmarks schauen, systematisch Energie und Geld verschwenden. Auch die Erkenntnis, dass acht GPUs 3,2× mehr Energie für 22 % Zeitersparnis verbrauchen, entlarvt das blinde Hochskalieren als Ineffizienz-Falle.
  • Die Verschiebung der Baseline: Dass KI gegen KI-unterstützte Fachkräfte 70 % weniger NVJ erreicht, ist keine Schwäche der Studie, sondern ein Blick in die Zukunft: In der realen Arbeitswelt 2026 nutzen Fachkräfte längst selbst KI. Der relevante Vergleich ist nicht mehr „KI vs. Mensch“, sondern „KI allein vs. Mensch mit KI“ – und hier schrumpft der Vorteil der vollautonomen Lösung dramatisch.

Kim prophezeit

Weiterlesen: Kim prophezeit

Basierend auf der Einführung von Joules-to-GDP als neuer Optimierungsmetrik wage ich diese Prognose:

  • „Energy Budgeting“ wird zur Standardanforderung in Ausschreibungen: Innerhalb von zwei Jahren werden Enterprise-Kunden von KI-Anbietern nicht mehr nur SLAs für Qualität und Latenz verlangen, sondern auch für „Value per kWh“. Cloud-Anbieter werden gezwungen sein, transparente Energie-Reports und Effizienz-Metriken pro Aufgabe auszuweisen – oder verlieren Ausschreibungen an effizientere Konkurrenz.
  • Das Comeback der Modell-Auswahl-Schicht: Heute wählen viele Unternehmen einmal ein Modell und nutzen es für alles. Morgen wird eine intelligente Routing-Schicht Standard: Sie analysiert jede Aufgabe und schickt CAD-Design an ein anderes (effizienteres) Modell als Webentwicklung – weil die Studie zeigt, dass dieselbe Aufgabenart auf verschiedenen Modellen unterschiedlichen NVJ liefert.
  • „NVJ-optimierte Hardware“ als Produktkategorie: Chip-Hersteller werden beginnen, ihre Produkte nicht mehr nur nach FLOPS oder Inferenz-Geschwindigkeit zu vermarkten, sondern nach „durchschnittlichem NVJ auf GDPval-Benchmark“. NVIDIA, AMD und neue Akteure werden sich einen Wettkampf um die Metrik „Dollar Wertschöpfung pro Watt“ liefern – und Unternehmen werden Hardware danach einkaufen.

Kim, Dein JOBfellow, empfiehlt:

Weiterlesen: Kim, Dein JOBfellow, empfiehlt:

Wer jetzt nur auf Modellgröße oder Benchmark-Scores schaut, verschwendet systematisch Ressourcen:

  • Für Führungskräfte und CIOs („Rechne die Energie mit“): Fordere von deinem KI-Team ab sofort für jede Modell- und Hardware-Entscheidung eine NVJ-Schätzung: Wieviel wirtschaftlicher Wert entsteht pro Kilowattstunde? Nutze die GDPval-Daten als Referenz und baue eigene Benchmarks für deine Top-5-Aufgaben. Stoppt reflexhafte „Frontier-Model“-Deployments, wenn ein kleineres Modell aus demselben Energiebudget mehr Gesamtwert liefert.
  • Für KI-Teams und ML-Engineers („Teste Hardware, nicht nur Modelle“): Die Studie zeigt: Derselbe Prompt auf verschiedenen Chips kann den Wert pro Joule um Faktor 4 verschieben. Führe für produktionskritische Workloads A/B-Tests nicht nur über Modelle, sondern auch über Accelerator-Typen durch. Miss Energie, Kosten und Output-Qualität gemeinsam – und wähle die Kombination mit dem höchsten NVJ, nicht die mit der kürzesten Latenz.
  • Baue die Hybrid-Strategie aus: Die 70%ige NVJ-Reduktion, wenn KI gegen KI-unterstützte Fachkräfte antritt, ist kein Argument gegen KI – sondern ein Argument für „Fachkraft-in-the-Loop“. Setze KI dort ein, wo sie allein wirtschaftlich ist (Massen-Tasks, einfache Fälle), und kombiniere sie mit menschlicher Kontrolle dort, wo Qualität und Verantwortung zählen. Die Zukunft ist nicht „KI statt Mensch“, sondern „KI + Mensch gegen die Aufgabe“.

Häufige Fragen

Was ist der Unterschied zwischen „Nettowert pro Aufgabe“ und „Nettowert pro Joule“?

Nettowert pro Aufgabe misst, wieviel Dollarwert ein KI-Modell bei einer Aufgabe liefert (abzüglich Ausführungskosten). Nettowert pro Joule (NVJ) teilt diesen Wert durch die verbrauchte Energie. Ein Modell kann pro Aufgabe mehr Wert liefern, aber ineffizienter sein – wie GLM 5.2, das 72,27 US-Dollar pro Task erreicht, während Gemma 4 31B mit nur 23 % der Energie 56 % dieses Werts schafft und dadurch 2,5× mehr NVJ erzielt.

Warum ist die Hardware-Wahl so entscheidend für die Energieeffizienz?

Die Studie zeigt, dass dasselbe Modell (Qwen3.6-27B) auf einem NVIDIA B200 535,5 US-Dollar NVJ pro Megajoule erreicht, auf einem AMD MI350X aber nur 124,1 US-Dollar – ein Faktor von 4,3. Auch die Anzahl der GPUs spielt eine Rolle: Acht H100 verbrauchen 3,2× mehr Energie als eine, senken die Bearbeitungszeit aber nur um 22 %, bei ähnlichem Nettowert. Hardware und Modell müssen gemeinsam optimiert werden.

Was bedeutet die Messung gegen „KI-unterstützte Fachkräfte“ für die Praxis?

Wenn die Baseline nicht mehr „Fachkräfte arbeiten manuell“, sondern „Fachkräfte nutzen selbst KI“ ist, sinkt der NVJ von GLM 5.2 um 70 % und der TSJ um 65 %. Das zeigt: In der realen Arbeitswelt 2026 konkurriert vollautonome KI nicht mit Menschen ohne Tools, sondern mit Menschen, die ebenfalls KI einsetzen – und dort schrumpft der Effizienzvorsprung drastisch.

Welche Berufsaufgaben sind besonders energieeffizient für KI?

Die Studie nennt Softwareentwicklung (z. B. Website-Bau) als etwa 27 % effizienter pro Joule als Ingenieuraufgaben wie CAD-Design, obwohl letztere etwa 10 % mehr Nettowert pro Task liefern. Die Effizienz hängt also nicht nur vom Modell, sondern auch von der Art der Aufgabe ab – manche Tätigkeiten lassen sich mit weniger Energie gut automatisieren.

Wie wurde der wirtschaftliche Wert der KI-Ausgaben berechnet?

Die Forschenden nutzten 220 GDPval-Aufgaben aus 44 Berufen, gewichtet nach Sektor-BIP und Beschäftigung. Der Wert einer Aufgabe wurde nach der GDPval-Methodik ermittelt (Fachkräftezeit × Stundenlohn, angepasst an Qualität der KI-Ausgabe). Davon wurden die KI-Ausführungskosten abgezogen und das Ergebnis durch den gemessenen Energieverbrauch (in Megajoule) geteilt.