🔒
Es gibt neue verfügbare Artikel. Klicken Sie, um die Seite zu aktualisieren.
Heute — 16. August 2026Haupt-Feeds

Genug für 600 Millionen Menschen: Warum verbraucht KI so viel Wasser?

10. August 2026 um 11:59

Künstliche Intelligenz und Rechenzentren brauchen nicht nur sehr viel Strom, sondern auch gigantische Mengen Wasser. Aber warum ist das eigentlich so? Im FAQ geben wir Antworten auf die wichtigsten Fragen und erklären, weshalb das Thema Wasserverbrauch auf die politische Agenda gehört.

Eine Wasserfontäne vor hellblauem Hintergrund
Die Konkurrenz um die lebenswichtige Ressource Wasser nimmt zu. – Gemeinfrei-ähnlich freigegeben durch unsplash.com: Ryunosuke Kikuno

Es ist Sommer in Europa und erneut sind Hitze-Rekorde zu verzeichnen. Längst sind auch regelmäßige Dürren und Wassermangel kein Phänomen des Globalen Südens mehr. Während in Ländern wie Frankreich oder Ungarn Atomkraftwerke heruntergefahren werden, weil die für die Kühlung benötigten Flüsse nicht genug Wasser führen, rationieren in Deutschland mehrere Landkreise das Frischwasser. Ein Bergdorf im Bayerischen Wald musste im vergangenen Jahr sogar per Milchlaster mit Trinkwasser versorgt werden.

Mit zunehmendem Wasserstress gerät langsam auch der Wasserverbrauch der digitalen Welt in den Fokus. Im vergangenen Sommer etwa empfahl eine Dürre-Kommission den Menschen in Großbritannien, alte E‑Mails und Fotos aus der Cloud zu löschen, damit Rechenzentren entlastet werden. Gleichzeitig forciert die britische Regierung den Bau neuer Rechenzentren, um in einem globalen KI-Wettrennen mithalten zu können, das von Kritiker:innen als „Wettlauf nach unten“ beschrieben wird. Auch die Bundesregierung will die KI-Kapazitäten deutscher Rechenzentren bis 2030 vervierfachen.

Das Thema Wasserverbrauch von KI und Rechenzentren ist also hochaktuell, auch wenn es in der politischen Debatte bisher kaum eine Rolle spielt. Unser FAQ gibt Antworten auf die wichtigsten Fragen.

Übersicht:

Warum verbraucht Künstliche Intelligenz überhaupt Wasser?


Die meisten Anwendungen, auf denen heute das Label „KI“ haftet, basieren auf Machine Learning. Hierbei analysiert Software riesige Datenmengen, um darin Muster zu erkennen und daraus Wahrscheinlichkeiten abzuleiten. Insbesondere für das Training und den Betrieb von sogenannten General-Purpose-Modellen wie ChatGPT oder Claude werden enorme Rechenkapazitäten benötigt.

Deshalb werden seit ein paar Jahren viele riesige Rechenzentren gebaut. Die IT-Anschlussleistung von Rechenzentren, also die für den Betrieb der Server bereitgestellte Strommenge, soll sich in den letzten zehn Jahren fast vervierfacht haben: von 32 Gigawatt in 2015 auf 114 Gigawatt in 2025. Rechenzentren werden natürlich nicht nur für Künstliche Intelligenz genutzt, doch der aktuelle Hype hat für einen regelrechten Bau-Boom bei Rechenzentren gesorgt. Diese sind aber nicht nur sehr energiehungrig, sondern auch durstig, was zu einem rasant wachsenden Wasserverbrauch führt.

Man kann grob drei Arten des Wasserverbrauchs durch KI unterscheiden:

1. Kühlung von Rechenzentren
Der direkte Wasserverbrauch bei der Kühlung von Rechenzentren: Rechenzentren sind ja im wesentlichen riesige Ansammlungen hochleistungsfähiger Computer, die permanent laufen. Wie dein Laptop zuhause erhitzten sich auch die Server im Rechenzentrum. Um das Problem zu lösen, gibt es unterschiedliche Arten von Kühlsystemen.

Weit verbreitet ist etwa eine Kombination aus Luftkühlung mit Verdunstungskühlung, bei der Außenluft durch versprühtes Wasser heruntergekühlt wird. Es gibt aber auch Flüssigkühlsysteme, bei der die Abwärme der Server beispielsweise direkt an kühleres Wasser abgegeben wird.

Laut Umweltbundesamt gelten beide Kühlvarianten trotz ihres Wasserverbrauchs als klimafreundlich, weil dabei in der Regel keine Chemikalien eingesetzt werden müssen. Bei der Flüssigkühlung kann das verwendete Wasser gegebenenfalls sogar zum Heizen oder für Warmwasserversorgung verwendet werden. Umweltschutz und Wassersparsamkeit stehen also in einer gewissen Konkurrenz.

2. Stromerzeugung
Der indirekte Wasserverbrauch von Rechenzentren, der bei der Erzeugung des Stroms entsteht, den sie benötigen. Dieser unterscheidet sich je nach Kraftwerksart: Insbesondere Kohle- und Atomkraftwerke verbrauchen viel Wasser für die Kühlung, ebenso die Gewinnung von Kohle und Gas. Dieser indirekte Wasserverbrauch von Rechenzentren ist deutlich größer als der direkte Verbrauch durch Kühlung.

3. Hardware-Produktion
KI verbraucht noch auf eine weitere Art Wasser, nämlich bei der Produktion der benötigen Hardware. Dabei geht es zum Beispiel um Chips und Grafikprozessoren sowie riesige Batterien für die Notfallstromversorgung von Rechenzentren. Hierfür werden große Mengen metallischer Rohstoffe wie Germanium, Tantal, Kobalt, Lithium, Nickel oder Seltene Erden benötigt. Sowohl deren Abbau als auch deren Verarbeitung können sehr wasserintensiv sein. Insbesondere die dramatischen Folgen des Rohstoff-Extraktivismus werden in Europa häufig übersehen, weil darunter vor allem Menschen und Natur in Ländern des Globalen Südens leiden. Deshalb wird hier häufig von digitalem Kolonialismus gesprochen.

Wie viel Wasser verbrauchen Künstliche Intelligenz und Rechenzentren insgesamt?


Die ehrliche Antwort lautet: Wir wissen es nicht genau. Die Betreiber:innen von KI-Anwendungen und auch von Rechenzentren behandeln diese Informationen als Geschäftsgeheimnisse.

Die Energieeffizienz-Richtlinie der EU sieht inzwischen vor, dass Betreiber großer Rechenzentren in Europa bestimmte Kennzahlen an Aufsichtsbehörden melden müssen. Eine Veröffentlichung der konkreten Zahlen schließt die Richtlinie aber explizit aus. Wie Recherchen von Investigate Europe gezeigt haben, ist das ein direkter Lobby-Erfolg großer Tech-Konzerne wie Microsoft. Lediglich zusammengefasste Verbrauchszahlen veröffentlicht die EU in einem Dashboard, doch diese sind bislang unvollständig.

Es gibt jedoch mehrere wissenschaftliche Untersuchungen, die den globalen Wasserverbrauch von KI und Rechenzentren schätzen. Eine 2026 veröffentlichte Studie der Universität der Vereinten Nationen nimmt beispielsweise den Wasserbedarf bei der Erzeugung des Stroms in den Blick, der für das Training und den Betrieb von KI-Modellen benötigt wird. Nach Berechnung der UN-Forscher:innen könnte sich dieser strombezogene Wasserfußabdruck von Rechenzentren in 2025 auf 4,5 Billionen Liter Wasser belaufen haben. Die UN-Forscher:innen fassen unter dem Begriff Wasserfußabdruck sowohl das zum Beispiel durch Verdunstungskühlung verbrauchte als auch das für Flüssigkühlung (z.B. aus Flüssen) temporär entnommene Wasser zusammen. Auch letzteres sei problematisch, so die Forscher:innen, denn „selbst wenn ein Teil des entnommenen Wassers wieder zugeführt wird, können groß angelegte Entnahmen die Grundwasser- und Flusssysteme belasten, insbesondere in trockenen oder grundwasserarmen Regionen.“ Bis 2030 könnte der Wasserfußabdruck auf 9,3 Billionen Liter steigen. (Vergleichsgrößen findest du in der Antwort auf die nächste Frage.)

In einer anderen Studie des Öko-Instituts für Greenpeace haben Forscher:innen die Umweltfolgen des KI-Booms beleuchtet. Der 2025 veröffentlichten Arbeit zufolge dürfte sich der globale Wasserverbrauch für die Kühlung von Rechenzentren in 2024 auf 239 Milliarden Liter belaufen haben. Bis 2030 könnte er sich fast verdreifachen, auf dann 664 Milliarden Liter. Auf KI spezialisierte Rechenzentren verbrauchen der Studie zufolge doppelt so viel Wasser wie andere Rechenzentren. Während ihr Anteil 2024 schätzungsweise ein gutes Fünftel des Wasserverbrauchs von Rechenzentren ausmacht, werde er bis 2030 voraussichtlich mehr als die Hälfte betragen.

Noch schwerer abschätzen lässt sich der Wasserverbrauch bei der Produktion der Hardware, die hinter KI steht. Die Forscher:innen des Öko-Instituts zeigen das am Beispiel von Computer-Chips, bei deren Produktion ultrareines Wasser benötigt wird, das wiederum aus großen Mengen Frischwasser und Chemikalien gewonnen wird. Gehe man vom Wasserverbrauch des größten Chip-Herstellers TSMC für das Jahr 2022 aus und schließe daraus auf die gesamte Branche, käme man für das Jahr auf knapp 200 Milliarden Liter. Seitdem ist die Nachfrage nach Chips jedoch explodiert. Nähme man Zahlen der Branchenorganisation Water Europe von 2024 für die Chipproduktion in Europa und rechnete diese auf die gesamte Branche hoch, käme man global auf 450 Milliarden Liter Wasser für die Chip-Produktion.

Wie lässt sich der Wasserverbrauch von KI und Rechenzentren ins Verhältnis setzen?


Ein paar Zahlen zum Vergleich:

  • Die Stadt Berlin mit ihren vier Millionen Einwohner:innen hat im Jahr 2022 etwa 215,5 Millionen Kubikmeter Trinkwasser verbraucht, also 215,5 Milliarden Liter. Das ist in etwa zu vergleichen mit der Menge an Wasser, die laut Schätzung des Ökoinstituts im Jahr 2024 für die Kühlung von Rechenzentren weltweit aufgewendet wurde (239 Milliarden Liter, s.o.).
  • Die deutsche Landwirtschaft wiederum hat laut Umweltbundesamt in 2022 knapp 0,5 Milliarden Kubikmeter Frischwasser entnommen, knapp 500 Milliarden Liter. Das entspricht in etwa der Menge an Wasser, die nach Schätzung des Öko-Instituts 2024 weltweit für die Produktion von Chips aufgewendet wurde (450 Mrd. Liter, s.o.).
  • Die Forscher:innen der UN-Universität geben an, dass die 4,5 Billionen Liter Wasser für die Stromerzeugung für Rechenzentren genug wären, um ein Jahr lang die Wasserversorgung von 600 Millionen Menschen in Sub-Sahara-Afrika sicherzustellen.


Das sind beeindruckende Größenordnungen. Zur Wahrheit gehört aber auch, dass es Wirtschaftszweige gibt, die noch deutlich mehr Wasser verbrauchen als KI-Unternehmen, von der chemischen Industrie über die Kleidungsproduktion bis zur Landwirtschaft. Wobei kein anderer Wirtschaftszweig solche rasanten Zuwächse beim Wasserverbrauch zu verzeichnen hat.

Zur Einordnung gehört auch, dass der Zugang zu Wasser global äußerst ungleich verteilt ist. Der United States Golf Association zufolge werden allein für die Instandhaltung von Golfplätzen in den USA täglich gut 7,5 Milliarden Liter Frischwasser aufgewendet. Pro Jahr verbrauchen US-amerikanische Golfplätze also mehr als 2,7 Billionen Liter Wasser. Das ist etwa halb so viel, wie Rechenzentren und Chipproduktion laut den oben genannten Schätzungen pro Jahr verbrauchen – und genug zum Leben für hunderte Millionen Menschen.

Warum ist der Wasserverbrauch von KI und Rechenzentren ein Problem?


Frischwasser ist eine immer knapper werdende Ressource, weil durch den Klimawandel Temperaturen steigen und Flüsse und Seen austrocknen, während immer mehr Menschen auf der Erde leben und auch die Wirtschaft immer mehr Wasser verbraucht. Schon lange warnen Forscher:innen deshalb vor zunehmendem Wasserstress und vor zunehmender Konkurrenz. Ein Bericht der Vereinten Nationen konstatierte Anfang 2026: „Die Welt hat die Phase der Wasserkrise hinter sich gelassen und befindet sich nun in einem Zustand globaler Wasserinsolvenz.“ Auch in Deutschland mehren sich in diesem Sommer erneut Meldungen, dass Hitze und Klimawandel die Trinkwasserversorgung gefährden.

„Der immense Wasserverbrauch von Rechenzentren verschärft weltweit die Wasserkrisen“, sagt Jonathan Niesel von Greenpeace. Das Kernproblem sei die direkte Konkurrenz um die lebenswichtige Ressource. Wasser, das zur Kühlung von Servern genutzt wird, fehle an anderer Stelle – beim Trinkwasser für die Bevölkerung, in der Landwirtschaft und für andere lokale Industrien. Recherchen würden zeigen, dass ein großer Teil der Rechenzentren in Regionen angesiedelt sei oder geplant werden, die bereits heute unter Wasserstress leiden. Der Begriff verweist auf die mangelnde Verfügbarkeit und die Qualität von Grundwasser in einer Region.

„Das in Rechenzentren verwendete Trinkwasser wird häufig mit Chemikalien behandelt, um Korrosion und Bakterienwachstum zu verhindern, wodurch es für den menschlichen Verzehr oder die landwirtschaftliche Nutzung unbrauchbar wird“, betont auch Kilian Vieth-Ditlmann von Algorithm Watch. Das bedeutet, dass Rechenzentren nicht nur große Mengen an Trinkwasser verbrauchen, sondern dieses zugleich dem lokalen Wasserkreislauf dauerhaft entziehen.

Eine entscheidende Frage ist also, wo Rechenzentren angesiedelt werden. Da sie viel Fläche beanspruchen, würden sie häufig in landwirtschaftlich genutzten oder naturnahen Gebieten errichtet, so Vieth-Ditlmann weiter. Oft bestehe ein Zielkonflikt zwischen Energie- und Wasserverbrauch: „Erneuerbare Energien aus Sonne und Wind sind häufig in besonders trockenen Regionen verfügbar, was dazu führt, dass gerade in Dürregebieten viele Rechenzentren gebaut werden und für die Menschen vor Ort kein Wasser mehr übrigbleibt.“

So sind etwa bestimmte Regionen Spaniens oder Lateinamerikas für die Ansiedlung von Rechenzentren besonders beliebt. Dagegen regt sich vor Ort Protest von Anwohner:innen und Umweltgruppen, auch weil sie eine Verschärfung bestehender Wasserknappheit befürchten.

Erst kürzlich warnte auch der Branchenverband der Wasserindustrie im Vereinigten Königreich in drastischen Worten vor Ausbauplänen der britischen Regierung für KI und Rechenzentren. „Es scheint die Annahme zu bestehen, dass das Land immer über genügend Wasser für seine wirtschaftlichen Bedürfnisse verfügen wird“, hieß es in einem offenen Brief von Water UK an das Parlament. „Nichts könnte weiter von der Realität entfernt sein.“

Wie viel Wasser verbraucht ein einzelner Chatbot wie ChatGPT, Gemini oder Claude?


Auch hier lautet die ehrliche Antwort: Wir wissen es nicht. Denn Google, OpenAi, Anthropic und Co. geben keine oder keine überprüfbaren und vollständigen Angaben zum Wasserverbrauch ihrer KI-Dienste heraus.

Einer 2024 vorgenommenen Schätzung der University of California und der Washington Post zufolge verbraucht allein das Generieren von 100 Wörtern mit der aktuellen Version von ChatGPT durchschnittlich 519 Milliliter Wasser. Das entspräche einer mittelgroßen Wasserflasche für eine mittellange E‑Mail oder Konversation, die der Chatbot generiert.

Einige Anbieter haben in der Folge andere, deutlich niedrigere Zahlen genannt. OpenAI-Chef Sam Altman etwa nannte in einem Blogpost die Zahl von 0,32 Milliliter für eine durchschnittliche Anfrage (0,000085 US-Gallonen). Das entspreche dem fünfzehntel eines Teelöffels. Weitere Angaben zur Datenbasis machte Altman nicht, die Zahl lässt sich nicht überprüfen. Google veröffentlichte immerhin ein technisches Paper zu den Umweltfolgen seiner KI, genauer gesagt zur Gemini-App. Dort sorge eine Anfrage im Median für einen Verbrauch von 0,26 Milliliter, also fünf Wassertropfen.

Die von Google genannte Zahl bezieht sich allerdings nur auf den direkten Wasserverbrauch in Rechenzentren für die Kühlung. Der restliche Wasserfußabdruck für KI-Anfragen wird dabei ausgeblendet. Auch Altmans Angabe bezieht sich vermutlich nur die direkten Verbrauch im Rechenzentrum. Anthropic hat für Claude gar keine Zahl zum Wasserverbrauch veröffentlicht.

Klar ist trotzdem, dass der Wasserverbrauch für eine einzelne Anfrage in der Regel nicht besonders groß ist. Forscher:innen der Universität der Vereinten Nationen erinnern jedoch daran, dass es nicht um einzelne Anfragen gehe, sondern ihre schiere Masse. ChatGPT allein verarbeite laut Schätzungen täglich 2,5 Millionen Prompts. Zieht man in Betracht, dass Google inzwischen standardmäßig bei allen Suchanfragen KI-generierte Zusammenfassungen anzeigt, dürfte die Zahl hier noch deutlich höher liegen, denn diese belaufen sich auf 13,7 Milliarden pro Tag.

Die UN-Forscher:innen betonen zudem, dass die Art der Anfrage sehr großen Einfluss auf den Ressourcenverbrauch hat. Der strombezogene Wasserfußabdruck beim Generieren eines typischen KI-Bildes belaufe sich mutmaßlich auf 29 Milliliter, der für ein komplexes Video allerdings auf 4,1 Liter.

Hinzu kommt: Auch der Wasserverbrauch beim Training der Modelle müsse einbezogen werden. Für GPT‑4 habe dieser etwa 600 Millionen Liter betragen, für das aktuelle Modell GPT‑5 schätzungsweise eine Milliarde Liter. Letzteres entspreche dem jährlichen Wasserbedarf von 135.000 Menschen Sub-Sahara-Afrika, so die UN-Forscher:innen.

Wie viel Wasser verbrauchen Künstliche Intelligenz und Rechenzentren in Deutschland?


Ein umfassendes Monitoring der Verbrauchswerte von Rechenzentren gibt es in Deutschland bisher nicht. Einen vollständigen Überblick hat deshalb auch die Bundesregierung nicht, wir haben bei mehreren Ministerien nachgefragt. Ein Sprecher des Bundesdigitalministeriums (BMDS) räumt ein: „Zum Wasserbrauch durch Rechenzentren in Deutschland liegen nur begrenzt Zahlen vor.“

Die EU-Richtlinie zur Energieeffizienz schreibt Betreibern großer Rechenzentren seit 2025 die Meldung bestimmter Kennzahlen vor, auch zum Wasserverbrauch. In Deutschland wird das Rechenzentrumsregister vom Bundesamt für Wirtschaft und Ausfuhrkontrolle geführt, einer Behörde des Wirtschaftsministeriums. Die EU-Kommission veröffentlicht zusammengefasste Werte in einem Dashboard. Demzufolge hätten Rechenzentren in Deutschland im Jahr 2024 gut 1,85 Milliarden Liter Wasser verbraucht.

Doch diese Zahl ist gleich aus mehreren Gründen mit Vorsicht zu genießen, in Wahrheit betrage sie ein Vielfaches, schreibt uns das Bundesumweltministerium. Zum einen wird im Register nur der direkte Wasserverbrauch für den Betrieb erfasst, insbesondere für die Kühlung. Eine umfassende „Life Cycle Analysis“ müsse aber zum Beispiel auch den Wasserverbrauch beim Bau des Rechenzentrums, bei der Rohstoffextraktion für Hardware-Komponenten und bei der Erzeugung der für das Rechenzentrum benötigten Energie einbeziehen. Zum anderen müssen nur große Rechenzentren mit 300 kW IT-Anschlussleistung ihre Daten melden, wobei das Register immer noch unvollständig ist.

Anfang Juli hatten nach Auskunft des Wirtschaftsministeriums gegenüber netzpolitik.org 482 Rechenzentren ihre Verbrauchsdaten für das Berichtsjahr 2025 gemeldet. Im europäischen seien das viele. Allerdings sind es längst nicht alle: Schätzungen zufolge könnten in Deutschland etwa 1.000 Rechenzentren meldepflichtig sein, die Meldequote läge also bei unter 50 Prozent.

Ein Sprecher des Digitalministeriums weist auf ein Gutachten aus dem Jahr 2025 hin, das gezeigt habe, dass 65 % der damals registrierten Rechenzentren einen hohen Effizienzwert beim Wasserverbrauch aufwiesen. Der sogenannte WUE-Wert (Water Usage Effectivness) habe bei ihnen weniger als 0,1 Liter Wasser pro Kilowattstunde betragen, so der Sprecher. „Auch wenn nur ein Teil der Rechenzentren in Deutschland im Rechenzentrumsregister gemeldet sind, gehen wir auf dieser Grundlage davon aus, dass deutsche Rechenzentren im internationalen Vergleich einen eher niedrigeren WUE aufweisen – auch da in Deutschland eher milde klimatische Bedingungen vorherrschen und die genutzte IT- und Gebäudeinfrastruktur tendenziell moderner ist.“ Laut EU-Dashboard lagen die gemeldeten deutschen Rechenzentren im Jahr 2024 mit einem WUE-Wert von 0,49 allerdings deutlich über dem europäischen Schnitt von 0,4.

Gerne hätten wir von der Bundesregierung gewusst, wie viel Wasser die Rechenzentren verbrauchen, die vom Bund und seinen Behörden selbst betrieben oder genutzt werden. Auch diese Zahl liegt keinem der angefragten Ministerien vor.

Welche Auswirkungen wird der geplante Ausbau von Rechenzentren in Deutschland auf den Wasserverbrauch haben?


Das Digitalministerium hat im Frühjahr 2026 eine nationale Rechenzentrumsstrategie mit ambitionierten Ausbauzielen vorgelegt. „Unser Ziel ist klar: Mehr Rechenpower für Deutschland – damit wir im weltweiten KI-Wettlauf vorne mitspielen“, sagte Bundesdigitalminister Karsten Wildberger bereits 2025. „Wir müssen jetzt handeln und massiv Rechenkapazitäten aufbauen, um KI-Modelle auf unserer IT-Infrastruktur entwickeln und trainieren zu können.“

Zuvor hatten Industrieverbände wie Bitkom und Eco, deren Mitglieder sowohl zu den Betreibern als auch zu den Kunden von Rechenzentren gehören, mit Nachdruck einen Ausbau gefordert. Konkret sieht die Strategie eine Verdoppelung der Kapazitäten bis 2030 vor. Im Bereich KI sollen sie sogar vervierfacht werden. Hierzu sollen etwa Planungs- und Stromanschlussverfahren beschleunigt sowie Umwelt- und Effizienzvorgaben angepasst werden.

Die Strategie nennt unter anderem Abwärmenutzung und wassersparende Kühlsysteme als zentrale Hebel für Nachhaltigkeit und Versorgungssicherheit. Die Bundesregierung wolle sich zudem bei der EU dafür einsetzen, dass ein für 2026 geplantes Maßnahmenpaket sowohl ein „aussagekräftiges Kennzeichnungssystem“ als auch „sinnvolle Mindestanforderungen“ an die Effizienz enthält.

Konkrete Vorgaben zum Wasserverbrauch enthält das Strategiepapier jedoch nicht. Auch das Thema Wasserstress, also die Beachtung des Zustandes der Wasserversorgung in einer bestimmten Region, spielt keine Rolle.

Auf Nachfrage von netzpolitik.org kann ein Sprecher des Digitalministeriums keine konkreten Angaben dazu machen, wie sich der Ausbau auf den Wasserverbrauch auswirken wird. Er betont jedoch: „Deutsche Rechenzentren gehören bereits heute zu den nachhaltigsten der Welt – dank hoher Energieeffizienz, verpflichtendem Bezug erneuerbarer Energien und innovativer Abwärmenutzung.“ Man gehe davon aus, dass deutsche Rechenzentren „im internationalen Vergleich einen eher niedrigeren WUE aufweisen“.

Welche Bedeutung hat der WUE-Wert und was wird daran kritisiert?


Der WUE-Wert ist die wichtigste Industrie-Kennzahl für den Wasserverbrauch von Rechenzentren. Die Abkürzung steht für Water Usage Effectiveness, zu deutsch: Wasser-Verwendungs-Effektivität. Der Wert wird berechnet, indem der jährliche Wasserverbrauch eines Rechenzentrums durch den jährlichen Energieverbrauch der angeschlossenen Server geteilt wird. Angegeben wird er in der Regel als m3/MWh, also Kubikmeter Wasser pro Megawattstunde.

Der WUE-Wert steht als Kennzahl jedoch in der Kritik, ebenso der PUE-Wert für die Energieeffizienz von Rechenzentren. Keiner der beiden Werte gibt Aufschluss über den tatsächlichen absoluten Strom- und Wasserverbrauch. Stattdessen sind es relative Effizienzwerte. Laut einem Gutachten von Expert:innen für das Bundesumweltministerium zufolge kann das zu Mogelpackungen führen: Denn auch wenn sich PUE und WUE auf dem Papier verbessern würden, könne der absolute Verbrauch steigen – weil mehr und größere Rechenzentren gebaut werden.

Wie viel Wasser verbrauchen Amazon, Microsoft und Google?


Amazon, Microsoft und Google teilen sich drei Viertel des weltweiten Cloud-Geschäfts und investieren jährlich hunderte Milliarden Dollar in ihre KI-Infrastruktur, insbesondere in Rechenzentren. Sie und andere Tech-Konzerne sind Treiber des KI-Hypes und profitieren gleichzeitig von der Nachfrage, weil sie mit ihren Rechenzentren die dafür notwendige Infrastruktur betreiben.

In den Nachhaltigkeits- und Umweltberichten der drei großen sogenannten Hyperscaler kann man mit etwas Aufwand Informationen über ihren Wasserverbrauch finden:

  • Amazon als größer Rechenzentrumsbetreiber der Welt hat seinen Wasserverbrauch lange Zeit geheim gehalten. Nach langem öffentlichem Druck hat das Unternehmen in seinem neuen Nachhaltigkeitsbericht im Sommer 2026 erstmals eine Zahl genannt: 9,4 Milliarden Liter Frischwasser habe man im Jahr 2025 für den Betrieb von Rechenzentren entnommen. Wie viel genau davon verbraucht wurden, sagt Amazon nicht.
  • Microsofts Rechenzentren sollen laut aktuellem Nachhaltigkeitsbericht im Jahr 2025 gut 8,1 Milliarden Liter verbraucht haben. 2020 betrug die Zahl noch 3,99 Milliarden Liter. Damit hat sich der Wasserverbrauch von Microsoft innerhalb von fünf Jahren mehr als verdoppelt.
  • Den mit Abstand größten Wasserverbrauch hat laut Umweltbericht jedoch Google zu verzeichnen. Im Jahr 2025 verbrauchten Büros und Rechenzentren des Konzerns 41 Milliarden Liter Frischwasser. Fünf Jahre zuvor waren es noch knapp 14,2 Milliarden Liter, sodass sich der Wasserverbrauch von Google fast verdreifacht hat.


Dass sich der Wasserverbrauch der Konzerne so unterscheidet, hat mit unterschiedlichen Faktoren zu tun. Grundsätzlich gilt häufig: Je effizienter ein Rechenzentrum beim Stromverbrauch, desto mehr Wasser verbraucht es – und anders herum. Vereinfacht kann man sagen: Google setzt auf effizientere Energienutzung und verbraucht dafür mehr Wasser. Microsoft setzt auf effizientere Wassernutzung und verbraucht dafür mehr Strom.

Tech-Konzerne wollen ihren Wasserverbrauch durch sogenanntes Replenishment ausgleichen. Reicht das?


Insbesondere Hyperscaler wie Amazon, Microsoft und Google machen mit Blick auf ihren Wasserverbrauch große Versprechen. Microsoft etwa will bis 2030 sogar „Wasser-positiv“ sein, also mehr Wasser aufbereiten und in das System einspeisen, als es herausnimmt. Gleiches hat auch Amazon für seine Rechenzentren versprochen. Eine wichtige Rolle spielt dabei das sogenannte Replenishment, also die Wiederauffüllung. Hierbei werden zum Beispiel lokale Projekte zum Reinigen von Flüssen oder zum Aufbereiten von Regenwasser gefördert oder selbst betrieben.

Das Problem dabei ist jedoch, dass die Konzerne ihre Replenishment-Zahlen global angeben, während der Wasserverbrauch lokal stattfindet. Es kann also sein, dass Wasser in Regionen mit hohem Wasserstress entnommen, aber in ganz anderen Gebieten wieder aufgefüllt wird. Recherchen von Bloomberg und anderen zufolge ist genau das der Fall.

Diese Versprechen seien deshalb in der Praxis oft irreführend, sagt Jonathan Niesel von Greenpeace. „Wasser ist eine lokale Ressource. Wenn ein Rechenzentrum in einer trockenen Region wie in Brandenburg den Grundwasserspiegel senkt, hilft es den Menschen und Ökosystemen vor Ort nicht, wenn der Konzern als ‚Ausgleich’ etwa einem Gebiet in Skandinavien Wasser zuführt.“ Das Konzept sei deshalb eine „Scheinlösung“. Auch Kilian Vieth-Dietlmann spricht von „Greenwashing“. Wasser müsse konkret vor Ort verfügbar sein.

Werden neue Technologien das Problem des Wasserverbrauchs lösen?


„In Zukunft gehen wir davon aus, dass sich grundsätzlich wassersparende Kühltechnologien verstärkt durchsetzen werden“, sagt Kilian Wagner von Bitkom. Der Branchenverband der Digitalindustrie hat dazu in einer eigene Studie Expert:innen befragt, denen zufolge „der Einsatz verschiedener Ansätze des ‚Liquid Cooling‘, wie etwa Immersionskühlung und Direkte Chip-Kühlung, insbesondere bei Systemen mit hoher Leistungsdichte (wie KI-Systeme) deutlich an Bedeutung gewinnen“ werden. Diese würden deutlich weniger Wasser als herkömmliche Verdunstungskühlungen verbrauchen. Zudem habe sich ein Großteil der großen europäischen Betreiber im Rahmen des Climate Neutral Data Center Pact (CNDCP) eigene Nachhaltigkeitsziele gesetzt, unter anderem zum Wasserverbrauch.

Allerdings werde bei unveränderten regulatorischen Rahmenbedingungen „die Verdunstungskühlung voraussichtlich insbesondere in Deutschland an Bedeutung gewinnen“, so Wagner. Denn diese spare Energie, auch wenn das mit einem erhöhten Wasserbedarf einhergeht. Bislang werde Verdunstungskühlung etwa in einem Drittel der großen Rechenzentren in Deutschland eingesetzt. Da das Energieeffizienzgesetz Vorgaben zu niedrigen PUE-Werten mache (Power Usage Effectiveness), gebe es Anreize, darauf hinzuoptimieren.

Kritiker:innen machen zudem deutlich, dass der Verweis auf erhoffte technische Innovation die Lösung des Problems in die Zukunft verschiebe. Ob tatsächlich neue Lösung entwickelt werden, ist spekulativ. Zudem zeigt die Umwelt- und Wirtschaftsforschung, dass Effizienzgewinne durch technischen Fortschritt häufig nicht zu Einsparungen führen, sondern der Erhöhung der Produktion. Mit der Folge, dass der Verbrauch trotz Innovationen stetig steigt.

Welche Alternativen gibt es, um den Wasserbedarf von KI und Rechenzentren zu reduzieren?


Im Frühjahr 2026 haben Expert:innen im Autrag des Bundesumweltministeriums skizziert, wie sich KI nachhaltiger gestalten ließe. Die wohl wichtigste Empfehlung: Statt auf sogenannte General-Purpose-KI-Modelle wie ChatGPT oder Claude zu setzen, müsse Europa kleinere und spezialisierte Modelle fördern. Diese seien nicht nur effizienter und ressourcenschonender, sondern würden insbesondere im industriellen Bereich Aufgaben teilweise sogar besser lösen, etwa für Predictive Maintenance oder Bilderkennung für Krebsforschung.

Je genauer man die Zielaufgabe für ein KI-Modell definieren könne, desto effizienter lasse es sich in der Regel gestalten. Die klare Empfehlung des Gutachtens: „Um den wirtschaftlichen Nutzen von KI zu maximieren und gleichzeitig ihren Ressourcenbedarf zu minimieren, ist es daher von entscheidender Bedeutung, Modelle entsprechend zu spezialisieren oder sie gezielt für bestimmte Aufgaben einzusetzen.“ Ganz grundsätzlich brauche es eine realistischere Kosten-Nutzen-Rechnung beim Einsatz von KI.

Das Gutachten macht zudem deutlich, dass auch durch Anpassungen bei der Planung und Umsetzung von Rechenzentren große Effizienzsprünge möglich wären. Ein wichtiger Hebel seien deshalb passgenaue Regeln und Transparenzvorgaben. Ohne eine gute Datenbasis könnten heute weder private oder betriebliche Kund:innen noch staatliche Planer:innen informierte Entscheidungen treffen. Auflagen für die Umweltberichterstattung müssten deshalb dringend um verpflichtende, standardisierte, unabhängig überprüfte und öffentlich zugängliche Informationen zu den Folgen von KI über den gesamten Lebenszyklus ergänzt werden.

Eine Studie der Gesellschaft für Informatik weist zudem auf den Standort von Rechenzentren als strategisch Stellschraube hin. Neben wirtschaftlichen Kriterien wie Strompreisen oder Netzinfrastruktur sei es wichtig, auch umweltbezogene Aspekte – etwa Wasserverfügbarkeit, Flächenbedarf oder potenzielle lokale Nutzungskonflikte – systematisch mit einzubeziehen. Bei Hardware-Komponenten müsse zudem die Kreislaufwirtschaft gestärkt werden: “ Im Fokus sollten Maßnahmen stehen, die eine möglichst lange und flexible Nutzung ermöglichen – etwa durch reparaturfreundliches Design, modulare Systeme oder die Förderung von Wiederverwendung und Refurbishing.“

Was kann jede:r selbst tun?


Menschen fragen häufig, was sie konkret tun können. Die radikale Antwort, die gerade immer häufiger gegeben wird, lautet: Einschränkung oder Verzicht, denn ohne Veränderungen beim eigenen Digitalverhalten wird es nicht gehen. In New York feiern beispielsweise Menschen gerade mit dem „Sommer der Maschinenstürmer“ analoge Begegnungen als Alternative zu KI und digitaler Dauervernetzung. Immer wieder gibt es Boycott-Aufrufe, die sich allerdings nur gegen einzelne KI-Anbieter richten. Ein einfacher Schritt kann es sein, bei Google-Suchen die KI-Zusammenfassung ausschalten, indem man den Zusatz „-ai“ bei der Suche mit eintippt.
Gleichzeitig gilt: Auf der individuellen Ebene wird sich das Problem kaum lösen lassen. Dass es für Rechenzentren endlich strenge Regeln und starke Durchsetzung braucht, sagen inzwischen selbst Brancheninsider. Eine Reform der Energie-Effizienz-Richtlinie soll nach dem Willen der Bundesregierung jedoch in die andere Richtung gehen. Eine Petition von Algorithm Watch, die Verbesserungen fordert, hat bereits mehr als 150.000 Unterschriften.

Wer sich für Veränderungen einsetzen will, kann das zum Beispiel auch auf der Arbeit, im Verein oder an der Uni tun: Immer häufiger werden dort KI-Systeme eingesetzt, ohne dass jemand über deren Strom- oder Wasserverbrauch Bescheid weiß. Wenn hier mehr Menschen und Organisationen Transparenz und eine realistische Kosten-Nutzung-Abwägung einfordern würden, könnte das viel verändern.

Unterdessen nimmt der Protest gegen die Ansiedlung von Rechenzentren weltweit zu, auch in Deutschland. Die politische Debatte, in die man sich einbringen kann, wenn man Veränderung will – sie findet genau jetzt statt.


Überarbeitungshinweis, 11. August: Wir haben eine missverständliche Formulierung zum Wasserverbrauch durch Kohle- und Atomkraftwerke angepasst.

Überarbeitungshinweis, 13. August: Wir haben eine Erklärung zum Verständnis des Begriffs „Wasserfußabdruck“ im Kontext der UN-Studie ergänzt und einen Tipp ergänzt, sich in Betrieben oder anderen Organisationen für eine realistischere Kosten-Nutzung-Abwägung einzusetzen. Vielen Dank unseren Leser:innen für die Anregungen.


Die Arbeit von netzpolitik.org finanziert sich zu fast 100% aus den Spenden unserer Leser:innen.
Werde Teil dieser einzigartigen Community und unterstütze auch Du unseren gemeinwohlorientierten, werbe- und trackingfreien Journalismus jetzt mit einer Spende.

KI und Rechenzentren: Bundesregierung weiß nicht, wieviel Wasser ihre Ausbaupläne schlucken werden

10. August 2026 um 11:59

Die Bundesregierung möchte im globalen KI-Wettlauf mithalten und die Kapazitäten von deutschen Rechenzentren mindestens verdoppeln. Welche Folgen das auf den Wasserverbrauch hat, weiß sie offenbar nicht. Ein Dienstleister verweigert die Auskunft sogar – wegen „Sicherheitsrisiken“.

Ein fast vollständig ausgetrocknetes, breites Flussbett, ein Schiff liegt auf Grund, im Hintergrund eine Brücke
Wassermangel: Der Rhein ist für Schiffe aktuell kaum noch befahrbar (Aufnahme vom 6. August bei Bonn-Beuel) – Alle Rechte vorbehalten: IMAGO / Dominik Bund

Rechenzentren verbrauchen gewaltige Mengen an Wasser. Wie hoch deren Verbrauch in Deutschland genau ist, kann die Bundesregierung nicht sagen. Sie weiß auch nicht, wie sich der geplante Ausbau von Rechenzentren auf die wichtige Ressource auswirken wird. Nicht einmal zum Verbrauch der vom Bund selbst betriebenen oder genutzten Rechenzentren kann die Regierung Zahlen nennen, weil ihr hier ebenfalls der Überblick fehlt. Das zeigen Recherchen von netzpolitik.org zum Wasserverbrauch von Künstlicher Intelligenz und Rechenzentren.

Die nationale Rechenzentrumsstrategie sieht vor, die Kapazitäten von Rechenzentren in Deutschland bis 2030 mindestens zu verdoppeln. „Unser Ziel ist klar: Mehr Rechenpower für Deutschland – damit wir im weltweiten KI-Wettlauf vorne mitspielen“, so Digitalminister Karsten Wildberger (CDU), dessen Haus die Strategie im März 2026 vorgelegt hatte. Für die aufwendige Datenverarbeitung hinter Künstlicher Intelligenz sind Rechenzentren die wichtigste Infrastruktur. Im Bereich KI sollen die deutschen Kapazitäten deshalb sogar vervierfacht werden.

Doch Rechenzentren benötigen nicht nur sehr viel Strom, sondern auch Wasser. Vor Ort wird dieses etwa für die Kühlung genutzt. Auch die Erzeugung des benötigten Stroms und die Produktion von Hardware-Komponenten wie Chips und Grafikprozessoren verbrauchen sehr viel Wasser. Ein aktuelles FAQ von netzpolitik.org erklärt dazu die wichtigsten Fakten.

Das Thema gewinnt durch zunehmende Hitze- und Dürreperioden in Europa an Brisanz. In mehreren Ländern müssen in diesem Sommer einmal mehr Atomkraftwerke heruntergefahren werden, weil Flüsse nicht genug Wasser für ihre Kühlung führen.

Digitalministerium sieht Deutschland als Vorreiter


„Zum Wasserbrauch durch Rechenzentren in Deutschland liegen nur begrenzt Zahlen vor“, schreibt ein Sprecher des Digitalministeriums auf Anfrage von netzpolitik.org. Seit 2025 müssen Betreiber großer Rechenzentren ab 300 Kilowatt (kW) IT-Anschlussleistung Kennzahlen an das Bundesamt für Wirtschaft und Ausfuhrkontrolle (BAFA) melden. Es ist eine Behörde des Wirtschaftsministeriums und gibt die Daten für ein europaweites Monitoring an die EU-Kommission weiter. Doch längst nicht alle Rechenzentren melden ihre Verbrauchswerte.

Im Digitalministerium gibt man sich trotzdem optimistisch: „Deutsche Rechenzentren gehören bereits heute zu den nachhaltigsten der Welt – dank hoher Energieeffizienz, verpflichtendem Bezug erneuerbarer Energien und innovativer Abwärmenutzung.“ Die Rechenzentrumsstrategie werde diese Vorreiterrolle stärken, so der Sprecher.

Tatsächlich nennt das Papier wassersparende Kühlsysteme als wichtigen Hebel für Nachhaltigkeit und Versorgungssicherheit. Die Bundesregierung will sich zudem bei der EU dafür einsetzen, dass ein für 2026 geplantes Maßnahmenpaket ein „aussagekräftiges Kennzeichnungssystem“ und „sinnvolle Mindestanforderungen“ an die Effizienz von Rechenzentren enthält.

Konkrete Vorgaben zum Wasserverbrauch macht die Strategie jedoch nicht, weshalb das Ministerium keine Angaben zu den Auswirkungen des angestrebten Ausbaus machen kann. Auch das Thema Wasserstress spielt keine Rolle. Der Begriff verweist auf Probleme bei der Verfügbarkeit und Qualität von Grundwasser in einer Region. In mehreren Landkreisen Deutschlands wird wegen Wasserknappheit in diesem Sommer erneut die Nutzung von Frischwasser rationiert.

Bei der Wassereffizienz schlechter als der europäische Durchschnitt


Ein Gutachten des Wirtschaftsministeriums hatte 2025 ergeben, dass 65 Prozent der bis dahin gemeldeten Rechenzentren einen hohen Effizienzwert bei der Wassernutzung aufweisen. Zentraler Kennwert ist hier der Water-Usage-Effectiveness-Wert, kurz WUE-Wert. Er gibt an, wie viel Kubikmeter Wasser vor Ort im Rechenzentrum pro Megawattstunde Strom aufgewendet wird.

Da der Wert bei rund zwei Drittel der Rechenzentren weniger als 0,1 Liter Wasser pro Kilowattstunde betragen habe, gehe man davon aus, dass deutsche Rechenzentren im internationalen Vergleich „sehr sparsam mit Wasser umgehen“, so der Sprecher des Digitalministeriums. Nach Zahlen der EU lag Deutschland im Jahr 2024 mit einem durchschnittlichen WUE-Wert von 0,49 allerdings über dem EU-weiten Schnitt von 0,4.

Das Bundesumweltministerium weist auf Anfrage zudem darauf hin, dass die bislang erfassten Daten nur einen Teil des tatsächlichen Wasserverbrauchs für Rechenzentren abbilden würden. Der Grund: Lediglich die Nutzung vor Ort wird erfasst. Eine umfassende Lebenszyklus-Analyse müsse jedoch auch das Wasser einbeziehen, das beim Bau des Rechenzentrums oder bei der Stromerzeugung verbraucht wird. Auch die wasserintensive Extraktion von Rohstoffen für Hardware-Komponenten sowie deren Produktion müsse berücksichtigt werden.

Unvollständig sind die Erhebungsdaten auch aus zwei weiteren Gründen: Erstens sind kleinere Rechenzentren mit einer IT-Anschlussleistung von unter 300 kW nicht meldepflichtig. Zweitens kommen nach Informationen von netzpolitik.org nicht alle Betreiber ihrer Meldepflicht nach.

Rechenzentren halten ihren Verbrauch geheim


Bis zum 6. Juli 2026 seien für das Berichtsjahr 2025 insgesamt 482 Meldungen eingegangen, teilt uns das Bundeswirtschaftsministerium auf Anfrage mit. Schätzungen zufolge könnte die Zahl der meldepflichtigen Rechenzentren jedoch insgesamt bei etwa 1.000 liegen. Demzufolge wird der Verbrauch bislang nur von knapp der Hälfte der meldepflichtigen Rechenzentren erfasst.

Wir wollten deshalb wissen, welche Schritte unternommen werden, um die Meldelücke zu schließen. Das Wirtschaftsministerium sagt dazu: „Sofern mögliche Verstöße gegen die Meldepflicht bekannt werden, leitet das BAFA entsprechende Bußgeldverfahren ein.“ Das Energieeffizienzgesetz sieht hierfür Strafen von bis 50.000 Euro vor.

Teil des Problems ist allerdings, dass Verstöße nicht unbedingt auffallen, weil die Bundesregierung keinen Überblick hat. Eine derzeit verhandelte Novelle des Energieeffizienzgesetzes solle deshalb weitere Möglichkeiten schaffen, die Einhaltung der Meldepflichten durch Stichproben zu kontrollieren, so die Sprecherin des Ministeriums weiter.

ITZBund will Verbrauchsdaten wegen „Sicherheitsrisiken“ nicht herausgeben


Einen Überblick über den Wasserverbrauch hat die Bundesregierung offenbar nicht einmal bei den Rechenzentren, die der Bund selbst betreibt oder nutzt. Der Sprecher des Digitalministeriums teilt uns mit, dass diese Information nicht zentral erfasst werde. Auch das Wirtschafts- und das Umweltministerium können Fragen dazu nicht beantworten.

Ein Sprecher des Wirtschaftsministeriums nennt jedoch das Informationstechnikzentrum Bund (ITZBund) als möglichen Ansprechpartner. Die Bundesbehörde ist der zentrale IT-Dienstleister des Bundes und betreibt unter anderem eigene Rechenzentren. Unsere Anfrage nach deren Wasserverbrauch will man dort jedoch nicht beantworten – wegen „Sicherheitsrisiken“, wie es heißt.

Die Rechenzentren des ITZBund seien ein wichtiger Teil der digitalen Infrastruktur der deutschen Verwaltung und „besonders sicherheitskritisch“, so Pressesprecherin Marina Greven. „Der unbefugte Zugriff auf oder die Veröffentlichung sensibler Daten, wie etwa Rechenzentrumsadressen, kann schwerwiegende Folgen nach sich ziehen.“ Hierzu würden „unter anderem gezielte Sabotageakte, Angriffe durch Social Engineering, Reputationsschäden“ gehören. „Selbst scheinbar unbedeutende Einzelinformationen können in Kombination mit öffentlich verfügbaren Ausschreibungen, Energiedaten, Zertifizierungen und Lieferantenlisten eine komplette Rekonstruktion von Systemarchitekturen ermöglichen.“

Wie genau eine öffentliche Information über den aggregierten Wasserverbrauch der Rechenzentren des Bundes deren Sicherheit gefährden würden, wollte Greven auf Nachfrage jedoch nicht erklären.

Die Auskunftsverweigerung fällt in eine Zeit, in der mehrere Bundesländer und der Bund Transparenz mit Verweis auf Sicherheitsbedenken abbauen wollen. Kritiker:innen wie die Informationsfreiheitsbeauftragten von Bund und Ländern sehen darin einen Vorwand „für nicht nachvollziehbare und nicht begründbare Beschränkungen der Informationsfreiheit“.


Die Arbeit von netzpolitik.org finanziert sich zu fast 100% aus den Spenden unserer Leser:innen.
Werde Teil dieser einzigartigen Community und unterstütze auch Du unseren gemeinwohlorientierten, werbe- und trackingfreien Journalismus jetzt mit einer Spende.

Curl dropped from Ubuntu 26.04 minimal cloud images by mistake

03. August 2026 um 16:34

ubuntu logo on cloudsUbuntu 26.04 LTS’s minimal cloud images have been missing curl – accidentally, it turns out, so Canonical has put it back. Curl is a commonly-used command-line tool for fetching files from remote servers. It’s called on in countless install scripts, CI pipelines and one-liners you’ve no doubt pasted into your terminal without thinking twice about. But the package has been missing from the server-cloud-minimal images of 26.04 to date. That caught those running pared-back cloud installs unawares, breaking expected workflows, has it had been available in previous versions. The manual fix is to install curl from the repos which, in […]

You're reading Curl dropped from Ubuntu 26.04 minimal cloud images by mistake, a blog post from OMG! Ubuntu. Do not reproduce elsewhere without permission.

Ältere BeiträgeHaupt-Feeds

Wayland 1.26 Is Now Available for Download with New Features and Improvements

17. Juli 2026 um 12:45

Wayland 1.24

Wayland 1.26 open-source replacement for the X11 window system protocol is now available for download with support for new events, funxtions, and requests, and bug fixes.

The post Wayland 1.26 Is Now Available for Download with New Features and Improvements appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

Ubuntu is swapping its time sync tool for a Rust-based version

04. Juli 2026 um 06:13

Canonical wants ntpd-rs, a Rust rewrite of NTP (Network Time Protocol), to become Ubuntu’s default time sync client. To help get there, Canonical has become a Gold Sponsor of the Trifecta Tech Foundation, the non-profit behind ntpd-rs, committing €40,000 a year to help fund its memory-safe software projects. The goal is to make the Rust-based version the default time sync client and server in Ubuntu 27.04, and it will be made it available for testing in Ubuntu 26.10, out in October. Eventually, it’ll also replace chrony, linuxptp and gpsd for time-syncing use cases, according to Jon Seager, Ubuntu VP of Engineering at Canonical. Your Ubuntu system keeps […]

You're reading Ubuntu is swapping its time sync tool for a Rust-based version, a blog post from OMG! Ubuntu. Do not reproduce elsewhere without permission.

PipeWire 1.6.7 Is Out with Better ALSA Support and Small Fixes

18. Juni 2026 um 11:03

PipeWire

PipeWire 1.6.7 audio/video server for Linux is now available for download with fixes for various issues and regressions for the ALSA sound stack, scheduler, the RT portal, and more.

The post PipeWire 1.6.7 Is Out with Better ALSA Support and Small Fixes appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

PipeWire 1.6.4 Improves ALSA Sequencer Port Names, Fixes More Bugs

22. April 2026 um 11:08

PipeWire

PipeWire 1.6.4 audio/video server for Linux is now available for downlaod with ALSA Sequencer improvements and various bug fixes.

The post PipeWire 1.6.4 Improves ALSA Sequencer Port Names, Fixes More Bugs appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

Canonical Releases Mir 2.26 with Initial Rust Implementation of Wayland Frontend

16. April 2026 um 13:24

Mir

Mir 2.26 compositor is now available for download with initial implementation of the Wayland frontend in the Rust, as well as many other Wayland improvements.

The post Canonical Releases Mir 2.26 with Initial Rust Implementation of Wayland Frontend appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

XOrg Server 21.1.22 and Xwayland 24.1.10 Released with Multiple Security Fixes

14. April 2026 um 17:04

XOrg Server Vulnerabilities

XOrg Server 21.1.22 and Xwayland 24.1.10 have been released today to address a total of five security vulnerabilities. Users are urged to update their systems as soon as possible.

The post XOrg Server 21.1.22 and Xwayland 24.1.10 Released with Multiple Security Fixes appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

PipeWire 1.6 Released with Support for Audio Channel Layouts, LDAC Decoder

19. Februar 2026 um 17:44

PipeWire Bluetooth LE Audio

PipeWire 1.6 open-source server for handling audio/video streams and hardware on Linux is now available for download with new features and improvements. Here's what's new!

The post PipeWire 1.6 Released with Support for Audio Channel Layouts, LDAC Decoder appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

SSHPilot 3.5.4: Linux-Alternative zu PuTTY oder SecureCRT

09. September 2025 um 21:00

In den letzten Wochen habe ich ein kleines Tool entdeckt, das mir die Arbeit mit meinen SSH-Verbindungen deutlich erleichtert hat: SSHPilot. Wer regelmäßig mit verschiedenen Servern arbeitet, verliert schnell den Überblick über benötigte Schlüssel, spezielle Konfigurationen oder fortgeschrittene Funktionen wie Port-Weiterleitungen.

Genau hier setzt SSHPilot an und erweitert das klassische Terminal um eine übersichtliche Oberfläche auf Basis der Libadwaita, die bewusst einfach bleibt und viele SSH-typische Aufgaben deutlich vereinfacht. Damit eignet sich SSHPilot besonders für GNOME-User etwa als Alternative zum Windows-Klassiker PuTTY, den es auch als KiTTY für Linux gibt.

SSHPilot Terminalfenster mit grünem ASCII-Art-Buchstaben 'A', dem Logo für Arch Linux. Links eine Verzeichnisstruktur mit Verbindungen. Rechts technische Systeminformationen: Betriebssystem, Architektur, Laufzeit und Farbpalette.
SSHPilot bietet ein lokales Terminal und schnellen Zugriff auf entfernte Server via SSH. Die Oberfläche wirkt aufgeräumt und erleichtert die Organisation vieler paralleler Verbindungen.
Einstellungen von SSHPilot mit drei Registerkarten: 'Interface', 'Terminal' und 'Advanced'. Die Optionen 'Show Welcome Page', 'Application Theme' und 'Auto Focus Terminal' sind sichtbar.
Das Interface lässt sich umfangreich anpassen. Neben einem Dark Mode gibt es mehrere Farbpaletten für das Terminal, sodass sich das Programm gut an persönliche Vorlieben angleichen lässt.
Fenster für eine neue Verbindung mit den Feldern 'Nickname', 'Host' und 'Username', sowie Auswahlmöglichkeiten für die Authentifizierungsmethode und den SSH-Key. Schaltfläche 'Speichern' unten rechts.
Neue SSH-Verbindungen richtet ihr mit einem kleinen Assistenten ein. Dadurch spart ihr Zeit und müsst Konfigurationsdateien nicht mehr von Hand bearbeiten oder anpassen.

Mehr als nur ein Terminal

SSHPilot präsentiert sich als vollwertiger SSH-Manager mit eingebautem Terminal, der aber jederzeit die Möglichkeit bietet, Verbindungen auch im bevorzugten Terminal zu öffnen. Die Anwendung integriert sich nahtlos in den GNOME-Desktop und unterstützt sowohl helle als auch dunkle Farbschemata. Für das Terminal selbst stehen mehrere Farbpaletten zur Auswahl, die sich unabhängig von den GNOME-Einstellungen auswählen lassen.

Screenshot der Benutzeroberfläche von SSHPilot, zeigt die Einstellungen für das Farbschema im Terminal. Links sind die Optionen 'Interface', 'Terminal' und 'Advanced' sichtbar. Rechts ist eine Vorschau des Farbschemas zu sehen.
Schriftart und Farbpalette des Terminals könnt ihr unabhängig von den GNOME-Einstellungen konfigurieren. So passt sich SSHPilot individuell an den eigenen Workflow an.

Besonders praktisch für erfahrene Anwender: SSHPilot kann bestehende Einstellungen aus der ~/.ssh/config direkt einlesen und dauerhaft speichern. Passwörter und Schlüssel-Passphrasen werden dabei sicher verwahrt, ohne dass sensible Daten im Klartext gespeichert oder unnötig in die Zwischenablage gelegt werden.

Screenshot der Anwendung 'sshPilot' mit einem Menü für Verbindungen. Die Tabelle zeigt verschiedene Verbindungsdetails wie CPU- und Speicherauslastung.
SSHPilot kann gespeicherte Passphrasen und Schlüssel sicher handhaben, ohne dass geheime Informationen im Klartext abgelegt werden. So bleibt der Zugriff auf sensible Daten gut geschützt.

Übersichtlichkeit und praktische Verwaltung

Die Bedienung ist darauf ausgelegt, viele Verbindungen und Servergruppen übersichtlich zu verwalten. Ihr könnt Hosts bündeln und per Tastenkombination schnell wechseln, ohne mehrere Terminals parallel offen halten zu müssen. Zusätzlich bindet SSHPilot entfernte Verzeichnisse per SFTP direkt in den Dateimanager der GNOME Desktop-Umgebung ein. So habt ihr bequemen Zugriff auf die Dateien des Servers und könnt Daten ohne Umwege hoch- und herunterladen.

Nautilus Dateimanager mit zwei Fenstern: links eine Verzeichnisstruktur mit 'bender' und 'sshPilot', rechts eine Liste von Ordnern mit blauen Symbolen, darunter 'boot', 'dev' und 'alternatives'.
Mit einem Klick öffnet ihr den integrierten Dateimanager und könnt Dateien auf dem Remote-Server direkt bearbeiten, hochladen oder herunterladen – ganz ohne zusätzlichen Client.

Darüber hinaus unterstützt SSHPilot lokale, entfernte und dynamische Port-Forwardings, womit viele typische SSH-Szenarien abgedeckt werden. Auch SCP für schnellen Datei-Upload ist integriert. Besonders nützlich: Beim Aufbau einer Verbindung können definierte Kommandos automatisch lokal oder auf dem Zielsystem ausgeführt werden, was Routineaufgaben erheblich vereinfacht.

Installation: DEB, RPM oder AUR

Die Installation ist unkompliziert: Für Debian- und Fedora-basierte Systeme gibt es fertige Pakete, und auch ein AUR-Paket für Arch Linux steht bereit. Der Quellcode liegt offen auf GitHub, was Anwendern volle Transparenz und Kontrolle über die eigene Software garantiert. Bei mir hat die Installation über das AUR unter Arch Linux problemlos funktioniert.

$ yay -Ss sshpilot
aur/sshpilot 3.5.4-1 (+0 0.00)
    SSH connection manager with integrated terminal,
    tunneling, tabbed interface and scp upload support.
$ yay -S sshpilot

Nützliche Ergänzung zum klassischen SSH

Für mich ist SSHPilot keine Konkurrenz zum Terminal, sondern eine sinnvolle Ergänzung, die Ordnung schafft und Routineaufgaben erleichtert. Wer regelmäßig zwischen vielen Servern wechselt, Port-Weiterleitungen nutzt oder Dateien überträgt, findet hier einen verlässlichen Helfer. Das Programm bleibt leichtgewichtig und verzichtet auf unnötigen Ballast, wodurch es sich bestens in den Arbeitsalltag integriert. Die DEB- und RPM-Pakete findet ihr auf der Projektseite, sodass die Installation problemlos gelingt.

Einstellungen für SSH-Pilot im Tab 'Erweitert'. Sichtbare Optionen: 'Benutzerdefinierte Verbindungsoptionen', 'Verbindungszeitüberschreitung', 'Verbindungsversuche', 'Server-/Client-Zählung', 'Sicherheitsüberprüfung', 'Batchmodus'.
In den erweiterten Einstellungen lassen sich SSH-Verbindungen bis ins Detail konfigurieren. So können auch komplexe Szenarien abgebildet werden, ohne die Übersicht zu verlieren.

PipeWire 1.4.6 Adds New Option to Disable RAOP, Improves the ALSA Plugin

27. Juni 2025 um 18:09

PipeWire 1.2 Release Candidate

PipeWire 1.4.6 open-source server for handling audio/video streams and hardware on Linux is now available for download with various fixes and improvements.

The post PipeWire 1.4.6 Adds New Option to Disable RAOP, Improves the ALSA Plugin appeared first on 9to5Linux - do not reproduce this article without permission. This RSS feed is intended for readers, not scrapers.

WordPress Post lässt sich nicht mehr laden / kein Zugriff möglich

31. Dezember 2021 um 11:58
Von: jdo

Ich weiß derzeit noch nicht, ob das Problem an meinem Server oder an WordPress liegt. Möglicherweise ist es auch ein Plug-in und das Problem kann ich nicht reproduzieren. Allerdings habe ich eine Lösung gefunden, wie es sich bereinigen lässt. In der Zwischenzeit ist das Problem bereits dreimal aufgetreten. Warum? Weiß ich nicht, wie bereits erwähnt. Was ist passiert? Was sind die Symptome? Beim Speichern oder beim Veröffentlichen hat sich anscheinend irgendwas verhaspelt. Folgende Probleme sind dann aufgetreten: Der Post lässt […]

Der Beitrag WordPress Post lässt sich nicht mehr laden / kein Zugriff möglich ist von bitblokes.de.

LanguageTool auf eigenem Server installieren

19. Dezember 2021 um 11:45

Wie ihr schon im ersten Teil dieser kleinen Artikelserien zu LanguageTool lesen konntet, ist die Integration einer bestmöglichen Rechtschreibkorrektur in ein System gar nicht so einfach. Betreut man mehrere Rechner im Netz oder soll LanguageTool im Browser ohne den proprietären Dienst des kommerziellen Projekts funktionieren, lohnt es sich daher, selbst einen LanguageTool-Server aufzusetzen. So funkt LanguageTool weniger ins Netz und eure Texte bleiben vollständig unter eurer Kontrolle. Es braucht nur einen kleinen Rechner im eigenen LAN mit ausreichend freiem Speicherplatz, mindestens 4 GByte solltet ihr übrig haben. Optional installiert ihr euch den Server auf der eigenen Workstation.

Ursprünglich hatte ich auch gedacht, dass LanguageTool eine ideale Ergänzung für meinen Raspberry Pi wäre, der hier im LAN bereits als File-, Drucker- und Scan-Server sowie generell als stromsparende eierlegende Wollmilchsau arbeitet. Doch hier wirds leider hakelig: LanguageTool benötigt zwingend ein 64 Bit-System als Basis. Das bietet die vierte Generation des Raspberry Pi zusammen mit der ARM64-Version des Raspberry Pi OS zwar, doch am Ende scheitert es an Java-Bibliotheken, die auch auf dieser Version des Betriebssystems nur in der 32 Bit-Version vorliegen. Auf die Situation gehe ich am Ende des Artikels ein. Im Folgenden nutze ich einen kleinen Server auf Basis von Debian.

Installation von LanguageTool

Für den LanguageTool-Server benötigt ihr ein Linux-System mit einer Java-Runtime-Umgebung. Auf einem Debian-basiertem System, wie etwa auch Ubuntu oder Linux Mint, spielen die folgenden Kommandos alles Nötige ein. Die Installation der N-Gramm-Daten (zum Erkennen von Schreibfehler wie „viel“ statt „fiel“, „seit“ statt „seid“ oder „Stil“ statt „Stiel“) ist optional. Sie verbessert die Erkennung von oft falsch geschrieben Wörter, schaufelt allerdings nochmal ein paar Gigabyte mehr an Daten auf den Rechner. Für optimale Ergebnisse würde ich diesen Schritt allerdings nicht übergehen und zumindest die N-Gramm-Daten für Deutsch einspielen.

### Installation von LanguageTool:
$ sudo apt install default-jre-headless unzip
$ sudo apt install hunspell hunspell-de-de hunspell-en-us
$ wget https://languagetool.org/download/LanguageTool-stable.zip
$ unzip LanguageTool-stable.zip
$ sudo mv LanguageTool-*.*/ /opt/LanguageTool
$ rm LanguageTool-stable.zip
### Installation der N-Gramm-Daten für Deutsch (~3,5 GByte):
$ sudo mkdir /opt/LanguageTool/ngrams
$ wget https://languagetool.org/download/ngram-data/ngrams-de-20150819.zip
$ sudo unzip ngrams-de-20150819.zip -d /opt/LanguageTool/ngrams
$ rm ngrams-de-20150819.zip
### Installation der N-Gramm-Daten für Englisch (~8,0 GByte):
$ wget https://languagetool.org/download/ngram-data/ngrams-en-20150817.zip
$ sudo unzip ngrams-en-20150817.zip -d /opt/LanguageTool/ngrams
$ rm ngrams-en-20150817.zip
### LanguageTool benötigt über 3 GByte Speicherplatz:
$ du -hs /opt/LanguageTool
3.4G	/opt/LanguageTool

Für einen ersten Test wechselt ihr nun auf dem Terminal in das Installationsverzeichnis unter /opt/LanguageTool des LanguageTool-Archivs. Das zweite Kommando aus dem folgenden Listing startet dann testweise die Server-Komponente von LanguageTool. Der Dienst lauscht auf Port 8081 auf Anfragen, mehr braucht es bei diesem Schritt auch noch nicht. Mit der Tastenkombination [Strg]+[C] beendet ihr den Dienst und kehrt wieder auf die Shell zurück.

$ cd /opt/LanguageTool
$ java -cp languagetool-server.jar org.languagetool.server.HTTPServer --port 8081
2021-12-17 20:47:34.423 +0100 INFO  org.languagetool.server.DatabaseAccessOpenSource Not setting up database access, dbDriver is not configured
2021-12-17 19:47:34 +0000 WARNING: running in HTTP mode, consider running LanguageTool behind a reverse proxy that takes care of encryption (HTTPS)
2021-12-17 19:47:37 +0000 Setting up thread pool with 10 threads
2021-12-17 19:47:37 +0000 Starting LanguageTool 5.5 (build date: 2021-10-02 12:33:00 +0000, 5e782cc) server on http://localhost:8081...
2021-12-17 19:47:37 +0000 Server started

Damit LanguageTool jetzt die von euch optional installierten N-Gramm-Daten integriert, erstellt ihr nun mit einem Editor wie Nano unterhalb des Ordners /opt/LanguageTool die Konfigurationsdatei languagetool.cfg. Als Inhalt fügt ihr die Ausgabe nach dem im folgenden Listing eingefügten Kommando cat languagetool.cfg ein. Mit der Tastenkombination [Strg]+[O] und [Eingabe] speichert ihr die Änderung des Editors ab, mit [Strg]+[O] geht es dann zurück auf die Shell. Selbstverständlich könnt ihr auch jeden anderen Editor verwenden.

$ sudo nano /opt/LanguageTool/languagetool.cfg
$ cat languagetool.cfg
languageModel=/opt/LanguageTool/ngrams/

LanguageTool-Server automatisch starten

Damit der LanguageTool-Server nun automatisch mit dem Rechner hochfährt, legt ihr eine sogenannte Unit für Systemd an. Dazu übertragt ihr den Inhalt aus dem folgenden Listing in die noch zu erstellende Datei /etc/systemd/system/languagetool.service. Orientiert euch beim Aufruf des Editors an der Nano-Zeile im vorhergehenden Listing. Alle Pfade beziehen sich auf den bei der Installation gewählten Ordner /opt/LanguageTool. Habt ihr ein anderes Installationsziel gewählt, müsst ihr die Pfade selbstverständlich in der Unit-Datei anpassen.

[Unit]
Description=LanguageTool
After=syslog.target
After=network.target

[Service]
Type=simple
User=languagetool
Group=nogroup
WorkingDirectory=/opt/LanguageTool
ExecStart=/usr/bin/java -cp /opt/LanguageTool/languagetool-server.jar org.languagetool.server.HTTPServer --config languagetool.cfg --port 8081 --allow-origin "*" --public
Restart=always
#Environment=USER= HOME=/opt/LanguageTool

[Install]
WantedBy=multi-user.target

Damit LanguageTool nicht mit Root-Rechten oder mit den Rechten eures Benutzers laufen muss, legt ihr nun noch einen eigenen System-Benutzer mit dem Namen languagetool an, ein Home-Verzeichnis braucht er nicht. Er muss sich auch nicht anmelden, daher wird auch kein Passwort gesetzt. Anschließend lasst ihr Systemd seine Konfiguration neu einlesen und aktiviert das Starten des LanguageTool-Servers. Danach ruft ihr den Dienst einmal von Hand auf und lässt euch zur Kontrolle den Status ausgeben. Der Dienst sollte sich mit active (running) zurückmelden und auch die ersten Logeinträge ausgeben.

$ sudo adduser --system --no-create-home languagetool
$ sudo systemctl daemon-reload
$ sudo systemctl enable languagetool
$ sudo systemctl start languagetool
$ sudo systemctl status languagetool
● languagetool.service - LanguageTool
● languagetool.service - LanguageTool
     Loaded: loaded (/etc/systemd/system/languagetool.service; disabled; vendor preset: enabled)
     Active: active (running) since Sat 2021-12-18 00:36:38 CET; 4s ago
   Main PID: 4763 (java)
      Tasks: 14 (limit: 2314)
     Memory: 72.3M
        CPU: 1.569s
     CGroup: /system.slice/languagetool.service
             └─4763 /usr/bin/java -cp /opt/LanguageTool/languagetool-server.jar org.languagetool.server.HTTPServer --config languagetool.cfg --port 8081 --allow-origin * --public

Dez 18 00:36:38 lui-test systemd[1]: Started LanguageTool.
Dez 18 00:36:39 lui-test java[4763]: 2021-12-18 00:36:39.486 +0100 INFO  org.languagetool.server.DatabaseAccessOpenSource Not setting up database access, dbDriver is not configured
Dez 18 00:36:39 lui-test java[4763]: 2021-12-17 23:36:39 +0000 WARNING: running in HTTP mode, consider running LanguageTool behind a reverse proxy that takes care of encryption (HTTPS)
Dez 18 00:36:39 lui-test java[4763]: 2021-12-17 23:36:39 +0000 WARNING: running in public mode, LanguageTool API can be accessed without restrictions!
Dez 18 00:36:40 lui-test java[4763]: 2021-12-17 23:36:40 +0000 Setting up thread pool with 10 threads
Dez 18 00:36:40 lui-test java[4763]: 2021-12-17 23:36:40 +0000 Starting LanguageTool 5.5 (build date: 2021-10-02 12:33:00 +0000, 5e782cc) server on http://localhost:8081...
Dez 18 00:36:40 lui-test java[4763]: 2021-12-17 23:36:40 +0000 Server started

Chrome/Firefox und LibreOffice konfigurieren

Im Gegensatz zur LanguageTool-Erweiterung für LibreOffice arbeiten die Browser-Erweiterungen für Chrome und Firefox in der Standardkonfiguration immer mit dem kommerziellen Backend des Dienstes zusammen. Um nun euren eigenen LanguageTool-Server in die Einstellungen einzutragen, öffnet ihr (unter Chrome) über das Menü mit den drei Punkten rechts oben den Eintrag Weitere Tools | Erweiterungen. Dort sucht ihr dann die Karte zur Grammatik- und Rechtschreibprüfung – LanguageTool heraus und tippt auf den Button Details, im nächsten Dialog dann weiter auf die Optionen. In den Einstellungen zu LanguageTool angekommen, müsst ihr euch via Ausloggen vom Dienst abmelden. Danach könnt ihr unter Experimentelle Einstellungen (nur für Profis) die URL zum eigenen LanguageTool-Server in der Art http://Server-IP:Port/v2 eintragen.

Nach der Installation tragt ihr euren LanguageTool-Server in Chrome oder Firefox ein.

Ähnlich funktioniert die Konfiguration auch mit der LanguageTool-Erweiterung für LibreOffice. Hier öffnet ihr über den Menüeintrag Extras | LanguageTool | Optionen… die Einstellungen. Die URL zu eurem Server tragt ihr dann im Reiter Allgemein ein. Im Gegensatz zur Konfiguration der Browser-Erweiterung kommt hier allerdings kein /v2 an das Ende der URL. Es genügt die Server-IP zusammen mit der Nummer des Ports einzutippen. Das N-Gramm-Verzeichis (wie im Screenshot abgebildet) müsst ihr nicht zwingend lokal abspeichern. Nutzt ihr einen Server mit eigenen N-Gramm-Daten, ist dieser Schritt natürlich nicht nötig.

Auch die LanguageTool-Erweiterung kann man auf einen den eigenen Server umleiten.

LanguageTool auf einem Raspberry Pi

Im Prinzip erfüllt der Raspberry Pi die Anforderungen von LanguageTool: Ausreichend Speicherplatz lässt sich mit einer entsprechend großen Speicherkarte schaffen. Auch die Rechenkapazität der vierten Generation des Mini-Rechners genügt vollkommen. Und der Raspberry Pi 4 lässt sich zusammen mit der ARM64-Version des Raspberry Pi OS auch mit 64 Bit fahren, den Server gibt es nur in einer 64-Bit-Version. Die Installation und der Aufruf funktioniert daher auch, schiebt man allerdings die ersten Texte zur Korrektur auf den Raspberry Pi, dann meldet das System Probleme mit Hunspell und BridJ.

pi@raspberrypi:/opt/LanguageTool $ java -cp /opt/LanguageTool/languagetool-server.jar org.languagetool.server.HTTPServer --config languagetool.cfg --port 8081 --allow-origin "*" --public
[...]
/tmp/BridJExtractedLibraries1395486954380915815/libbridj.so: Kann die Shared-Object-Datei nicht öffnen: Datei oder Verzeichnis nicht gefunden (Possible cause: can't load AMD 64-bit .so on a AARCH64-bit platform))
[...]
Caused by: java.lang.RuntimeException: Could not create hunspell instance. Please note that LanguageTool supports only 64-bit platforms (Linux, Windows, Mac) and that it requires a 64-bit JVM (Java).

Die Thematik wird bereits im Github des LanguageTool-Projekts diskutiert. Dort gibt auch einen Patch für BridJ sowie einen Workaround für Hunspell — ich habe beides allerdings hier bei mir nicht zum Laufen gebracht. Wer noch ein wenig mehr Experimentieren möchte, dem würde ich zu diesem Docker-Image für LanguageTool von Erik van Leeuwen raten. Es soll auch auf ARM64 laufen, also auch auf einem Raspberry Pi der vierten Generation. Ich habe hier bei mir allerdings LanguageTool inzwischen zufriedenstellend auf einem kleinen Intel Nuc laufen, von daher habe ich mich nicht weiter mit dem Betrieb von LanguageTool auf einem Raspberry Pi beschäftigt.

  • Es gibt keine weiteren Artikel
❌