Ethereum-Mitgründer Vitalik Buterin hat auf einen grundlegenden Unterschied in der Kostenstruktur von Bitcoin-Mining und KI-Inferenz (künstlicher Intelligenz) hingewiesen: Der Strom macht fast die Hälfte der Kosten für das Mining eines Bitcoin aus, während die Computing-Infrastruktur die Kosten für den Betrieb von KI-Modellen dominiert.

In einem Beitrag auf X vom 17. Oktober verglich Buterin die Kostenstrukturen der beiden Branchen und legte Schätzungen vor, die zeigen, dass sich die Mining-Kosten etwa gleichmäßig auf Hardware-Capital Expenditure (CapEx) und Strom verteilen, während die Kosten der KI-Inferenz überwiegend in Computing-Hardware konzentriert sind.

Bitcoin-Mining: Kosten verteilen sich auf Hardware und Strom

Laut Buterin teilen sich die Bitcoin-Mining-Kosten etwa im Verhältnis 50/50 auf Computing-CapEx und Strom auf. Dieses Gleichgewicht spiegelt die Anforderungen des industriellen Mining wider: Betreiber müssen spezielle Hardware kaufen – anwendungsspezifische Schaltkreise (ASICs), die ausschließlich für das Mining gebaut wurden – und durchgehende Stromversorgungen aufrechterhalten, während sie um Blockbelohnungen konkurrieren.

Die begleitende Kostenaufstellung schätzt die gesamten Mining-Ausgaben auf etwa 93.700 $ pro Bitcoin. Die Computing-Infrastruktur macht mit 37.600 $ rund 40 % der Summe aus.

Der direkt von den Mining-Maschinen verbrauchte Strom wird auf 40.600 $ pro Bitcoin geschätzt. Weitere strombezogene Ausgaben kommen mit 2.400 $ hinzu, womit sich die Stromkosten insgesamt auf 43.000 $ belaufen – 45,9 % der Gesamtsumme.

Weitere Posten umfassen etwa 3.200 $ für Arbeitskräfte, 2.500 $ für Miete und 7.400 $ für Wartung, Versicherungen, Steuern, Bandbreite und laufende Betriebsanforderungen.

Diese Zahlen unterstreichen, warum Strompreise ein entscheidender Faktor für die Mining-Rentabilität bleiben, wobei die tatsächlichen Produktionskosten je nach Hardware-Effizienz, örtlichen Energiepreisen, Finanzierungsbedingungen und Betriebsumständen variieren. Da Mining-Hardware nur für einen einzigen Zweck geeignet und nicht für andere Workloads umnutzbar ist, hängt die Wirtschaftlichkeit der Betreiber eng davon ab, wo – und zu welchem Preis – sie Strom sichern können.

Fun fact of the day: Bitcoin mining cost is split about 50/50 between compute capex and electricity. Meanwhile, AI inference is almost completely dominated by compute capex. pic.twitter.com/PCFKZSuNRw

— vitalik.eth (@VitalikButerin) October 17, 2026

KI-Inferenz: Computing-Infrastruktur dominiert

Buterin stellte dem die KI-Inferenz gegenüber – den Prozess, bei dem trainierte Modelle Antworten, Vorhersagen und andere Ausgaben erzeugen. In diesem Bereich entfallen auf die Computing-Capital Expenditure rund 19.900 $ pro GPUahr, was 76 % der gesamten Inferenzkosten entspricht.

Der Strom spielt eine deutlich kleinere Rolle. Der direkte Stromverbrauch wird auf 1.050 $ pro GPU-Jahr geschätzt, weitere Stromausgaben kommen mit 210 $ hinzu. Zusammen machen diese Kategorien rund 4,8 % der geschätzten Jahreskosten von 26.260 $ pro GPU aus.

Arbeitskräfte tragen weitere 1.400 $ bei, die Miete beträgt 900 $. Die übrigen Ausgaben – darunter Wartung, Versicherungen, Steuern und Bandbreite – belaufen sich auf rund 2.800 $.

Anders als Mining-Maschinen sind die für die Inferenz eingesetzten GPUs universelle Prozessoren, die ein breites Spektrum an Computing-Workloads bedienen können. Da Hardware statt Strom die Kosten bestimmt, sind Hardwarepreise, Finanzierung und Auslastung die Variablen, die für Betreiber am stärksten ins Gewicht fallen.

Unterschiedliche wirtschaftliche Belastungen

Der Vergleich zeigt die unterschiedlichen Kostendrücke der beiden Branchen. Bitcoin-Miner müssen Hardwareinvestitionen gegen hohe laufende Stromrechnungen abwägen, während KI-Betreiber stärker den Kosten der Computing-Infrastruktur ausgesetzt sind.

Da die beiden Aufstellungen unterschiedliche Einheiten verwenden – Kosten pro gemintem Bitcoin versus Kosten pro GPU-Jahr –, sagen die Zahlen etwas über die Kostenzusammensetzung aus und nicht über eine unmittelbare, direkt vergleichbare Gesamtausgabe.

Diese Dynamiken helfen zu erklären, warum einige Bitcoin-Mining-Unternehmen in KI-Rechenzentren expandieren. Bestehende Stromverträge und Infrastruktur können eine solche Diversifizierung unterstützen, wobei Finanzierung, Ausrüstungsanforderungen und Kundennachfrage wichtige Faktoren bleiben. Was bei solchen Umwandlungen übernommen wird, ist überwiegend die Infrastruktur auf Standortebene – Netzanschlüsse, Stromverträge und Kühlung –, nicht die Mining-Maschinen selbst.

Buterins Vergleich zeigt nicht, dass eine der beiden Branchen durchgängig kostengünstiger zu betreiben ist. Er veranschaulicht vielmehr, wie Hardwareinvestitionen und Stromverbrauch in den beiden Betriebsmodellen unterschiedlich ins Gewicht fallen – eine Aufteilung, die auf unterschiedliche Faktoren verweist, auf die Leser achten können: Energiemärkte auf der Mining-Seite sowie Angebot und Preise von Computing-Hardware auf der KI-Seite.