Vielleicht sollten wir über die Umweltkosten von KI sprechen Die Rechenzentren, in denen diese Systeme betrieben werden, verbrauchen große Mengen an Energie.

Die fortschreitende Entwicklung künstlicher Intelligenzsysteme lenkt nicht nur die Aufmerksamkeit auf ihr Potenzial, sondern auch auf die mit ihrem Betrieb verbundenen Umweltkosten. Eines der Hauptprobleme ist der Energieverbrauch, der sowohl während der Trainingsphase der Modelle als auch während der Benutzerinteraktion besonders hoch ist. Einigen Schätzungen zufolge kann beispielsweise eine einzelne Interaktion mit den KI-Übersichten von Google bis zu zehnmal so viel Energie verbrauchen, wie für eine normale Online-Suche erforderlich ist, oder eine Menge, die mit der Menge vergleichbar ist, die für einen einstündigen Festnetzanruf benötigt wird. Obwohl diese Zahlen je nach technologischer Infrastruktur und Arbeitslast variieren können, zeigt das Problem, dass KI-Modelle eine erhebliche Rechenleistung benötigen, was sich in erheblichen Energiekosten niederschlägt. Der Konsum ist nicht auf den täglichen Gebrauch der Benutzer beschränkt. Die Trainingsphase von Modellen, insbesondere von Modellen in großem Maßstab, ist noch anspruchsvoller. Laut The Verge benötigte das Training von GPT-3 (ein Modell, das von OpenAI entwickelt wurde und jetzt von neueren Versionen übertroffen wurde) eine Energiemenge, die dem jährlichen Durchschnittsverbrauch von etwa 130 amerikanischen Haushalten entsprach. Noch energieintensiver sind Modelle, die auf die Generierung visueller Inhalte spezialisiert sind: Die Erstellung eines einzelnen Bildes mit einem KI-System kann genug Energie verbrauchen, um ein Smartphone aufzuladen.

Der wachsende Energiebedarf spiegelt sich in den nationalen Infrastrukturen wider, insbesondere in den Stromnetzen. In Virginia, einem der amerikanischen Bundesstaaten mit der höchsten Konzentration an Rechenzentren, verbraucht der Technologiesektor etwa ein Fünftel der verfügbaren Energie. Allgemeiner gesagt absorbieren US-Rechenzentren etwa 4% der nationalen Stromversorgung — ein Anteil, der sich bis Ende des Jahrzehnts verdoppeln könnte. Ähnliche Prognosen wurden auch anderswo gemacht: In Schweden wird sich die Nachfrage Schätzungen zufolge bis 2030 verdoppeln, während im Vereinigten Königreich im gleichen Zeitraum ein Anstieg um 500% erwartet wird. Es ist nicht ausgeschlossen, dass in vielen Regionen das Nachfragewachstum die Versorgungskapazität übersteigen wird, was sich auf steigende Energiekosten und das Risiko von Überlastungen oder Stromausfällen auswirken kann.

Ist die Zukunft der KI nuklear angetrieben?

Unternehmen, die in diesem Bereich tätig sind, stellen nicht nur die tatsächliche wirtschaftliche Nachhaltigkeit des Sektors in Frage, sondern müssen sich früher oder später auch mit den ökologischen Folgen künstlicher Intelligenz auseinandersetzen. „Das ist das Problem mit künstlicher Intelligenz“, fasste James Mathes, Leiter von DataBank, einem Unternehmen, das Rechenzentren baut und verwaltet, gegenüber Bloomberg zusammen. Mehrere große Akteure — darunter Google, Amazon und Microsoft — erwägen, sich alternativen Energiequellen zuzuwenden, insbesondere der Kernenergie. Aber es gibt einen Haken. Kernenergie wird kurzfristig nicht direkt zur Stromversorgung von Rechenzentren genutzt werden, aber sie stellt eine strategische Ressource dar, um die wachsende Nachfrage zu kompensieren und gleichzeitig die Umweltziele zu erreichen, die sich viele Unternehmen gesetzt haben. In der Tat haben sich zahlreiche Technologieunternehmen verpflichtet, bis 2030 Klimaneutralität zu erreichen. In diesem Zusammenhang wird Kernenergie als eine der wenigen Energiequellen angesehen, die in der Lage sind, eine stabile, emissionsarme Versorgung in großem Maßstab zu gewährleisten. Gleichzeitig wird auch in die Verbesserung von Hard- und Softwaresystemen investiert, um den Energiebedarf pro Recheneinheit zu reduzieren. Trotz technologischer Verbesserungen könnte die zunehmende Verbreitung von KI den Gesamtenergiebedarf immer noch hoch halten.