Dossier

KI: Immer mehr Daten,
immer mehr Energie?

Von Christina Gierse

Die Fortschritte im Bereich KI bieten erstaunliche Möglichkeiten, bringen jedoch auch einen Anstieg des Energieverbrauchs mit sich, da die Rechenzentren mit ihren „Supercomputern“ besonders energieintensiv sind. Erklärungen von Mathieu Wellhoff, Leiter der Abteilung für Digitale Nachhaltigkeit bei der Ademe (französische Agentur für den ökologischen Wandel).

Mathieu Wellhoff, Leiter der Abteilung für Digitale Nachhaltigkeit bei der Ademe

Unbegrenzte Suchanfragen sind schlecht für die Umwelt. Nach Angaben der Internationalen Energieagentur verbraucht eine Suchanfrage mit einer herkömmlichen Suchmaschine 0,3 Wh Strom, während eine Anfrage bei einer generativen KI (ChatGPT, Gemini, Perplexity ...) 2,9 Wh benötigt. Mathieu Wellhoff, Leiter der Abteilung für Digitale Nachhaltigkeit bei der Ademe, erklärt: „In Frankreich entfallen 45 % der durch die Digitaltechnik bedingten Umweltbelastungen auf Rechenzentren, 50 % auf Ausrüstungen und 5 % auf die Datennetze.“ 

Diese Zahlen sind aus dem Jahr 2022 und „es ist davon auszugehen, dass sie weiter steigen werden“. Die Internationale Energieagentur rechnet damit, dass der Strombedarf der Rechenzentren zwischen 2022 und 2026 um 75 % zunehmen wird (von 460 TWh auf etwas mehr als 800 TWh), was auf die steigenden Anforderungen im Bereich KI sowie auf die Nutzung von Kryptowährungen zurückzuführen ist (Text, aber auch Bild und Ton: siehe Googles Ankündigung zu Veo3). „Die Rechenzentren in den USA verbrauchen aktuell zwischen 1 und 5 Gigawatt pro Jahr. Ein Gigawatt entspricht dem jährlichen Stromverbrauch von Marseille“, erklärt der Experte der Umweltagentur Ademe.

Auf dem Weg zu einer umweltfreundlicheren KI?

Das Training der generativen KI-Modelle ist die energieintensivste Phase (Treibhausgasemissionen der Rechenzentren), da es komplexe Berechnungen mit Millionen von Daten umfasst. Suchanfragen sind deutlich weniger umweltschädlich, aber die exponentielle Zunahme der Nutzerzahlen und die damit verbundenen regelmäßigen Updates der Modelle (neue Trainingszyklen) könnten diese Situation ändern. „Die genauen heutigen und zukünftigen Umweltauswirkungen sind weiterhin schwierig zu bewerten, da die einzigen verfügbaren und objektivierbaren Informationen Makrodaten zu den Treibhausgasemissionen der GAFAM sind“, betont Mathieu Wellhoff.

Der Schlüssel zur Lösung dieses Problems (Nutzung der Vorteile der generativen KI bei möglichst geringer Umweltbelastung) könnte eine weniger energieintensive KI sein. „Es sind zwei Zukunftsszenarien erkennbar: sehr energieintensive Multitasking-Modelle, bei denen es vor allem auf Leistungsfähigkeit ankommt (das amerikanische Modell), und kleinere, spezialisierte Modelle, die auf die konkreten Bedürfnisse eines Unternehmens oder einer Organisation zugeschnitten sind. Dieser Ansatz entspricht derzeit eher der europäischen Vorgehensweise, wobei KI-Lösungen wie Mistral eine Position zwischen den beiden Modellen beziehen.“

Werbung / Publicité