Der steigende Energieverbrauch von KI gibt Anlass zur Sorge

Künstliche Intelligenz (KI) hat in den letzten Jahren bedeutende Fortschritte erzielt, die Interaktion zwischen Mensch und Maschine revolutioniert und komplexe Aufgaben ermöglicht. Mit den wachsenden Fähigkeiten der KI steigt jedoch auch ihr Energieverbrauch, was Bedenken hinsichtlich ihrer Umweltauswirkungen und wirtschaftlichen Folgen aufwirft.

Rasante Verbreitung der KI-Technologie

In der Welt der KI haben sich einfache Aufgaben wie das Einschalten eines Lichtschalters zu komplexen Interaktionen mit enormem Ressourcenbedarf entwickelt. Kate Crawford und Vladan Joler hoben in ihrer Analyse von 2018 das komplexe Geflecht austrac, menschlicher Arbeitskraft und algorithmischer Verarbeitung hervor, das selbst bei alltäglichen KI-Interaktionen eine Rolle spielt. Der Energie- und Rechenaufwand für KI-Interaktionen ist über die Jahre rasant gestiegen und hat das durch das Mooresche Gesetz vorhergesagte Wachstum übertroffen.

Eine Studie aus dem Jahr 2021 zeigte, dass sich die Rechenleistung für das Training großer Deep-Learning-Modelle zur Verarbeitung natürlicher Sprache und anderer Anwendungen innerhalb von nur sechs Jahren um das 300.000-fache erhöht hat – und damit das Tempo des Mooreschen Gesetzes übertroffen hat. Der mit KI verbundene Energieverbrauch, insbesondere in Rechenzentren, ist zu einem erheblichen Problem geworden.

Der rasante Anstieg des Energieverbrauchs der KI

Genaue Schätzungen des Stromverbrauchs von KI sind schwierig zu ermitteln, was es erschwert, das volle Ausmaß des Problems abzuschätzen. Jüngste Berichte verdeutlichen jedoch das Ausmaß des Energieverbrauchs. Google beispielsweise gab an, dass KI im Jahr 2021 10 bis 15 % des gesamten Stromverbrauchs ausmachte, was jährlich etwa 2,3 Terawattstunden entspricht – vergleichbar mit dem Verbrauch einer Stadt von der Größe Atlantas.

Würde zudem für jede Google-Suche ein KI-System wie ChatGPT eingesetzt, könnte der Stromverbrauch auf unglaubliche 29,2 Terawattstunden pro Jahr ansteigen. Auch die Nachfrage nach spezialisierten KI-Computerchips, deren Leistung mittlerweile in TeraFLOPs gemessen wird und die zu Tausenden in KI-Serverfarmen eingesetzt werden, trägt zum Stromverbrauch bei.

Nvidia, ein führender Hersteller von KI-Spezialchips, wird voraussichtlich bis 2027 jährlich 1,5 Millionen KI-Servereinheiten ausliefern. Der Betrieb dieser Server unter Volllast würde jedoch jährlich über 85 Terawattstunden Strom verbrauchen und damit den Energiebedarf vieler kleiner Länder übersteigen.

OpenAI-CEO Sam Altman äußerte sich besorgt über den steigenden Energiebedarf der KI und die Notwendigkeit von Durchbrüchen in der Energieerzeugung, wie etwa Kernfusion oder kostengünstigere Solarenergie mit Speichermöglichkeiten.

Die wirtschaftlichen Auswirkungen des Energieverbrauchs von KI

Der erhebliche Energieverbrauch von KI verursacht beträchtliche Kosten, die ihre breite Verfügbarkeit beeinträchtigen. Während Sam Altman anfänglich von Kosten im einstelligen Cent-Bereich pro Chat für ChatGPT sprach, beliefen sich die Rechenkosten allein für ChatGPT bis Februar 2023 auf 700.000 US-Dollar pro Tag.

Überträgt man dies auf Suchmaschinen wie Google und Bing, die täglich Hunderte Millionen Nutzer bedienen, wird die finanzielle Belastung durch den Zugang zu fortschrittlichen KI-Modellen deutlich. Die hohen Kosten der KI-Nutzung stellen ein Hindernis dar, um die besten KI-Modelle der Öffentlichkeit zugänglich zu machen.

Herausforderungen bei der KI-Hardwareproduktion

Die Herstellung von Hardware für KI-Computer birgt eigene Herausforderungen, die zu ihrer Knappheit und den hohen Kosten beitragen. Die Chipproduktion beginnt mit der energieintensiven Aufbereitung von Silizium zu extrem hohen Reinheitsgraden. Der für die Chipstrukturierung unerlässliche Lithografieprozess erforderte die Entwicklung der EUV-Photolithografie (Extreme Ultraviolet), einer komplexen und teuren Technologie, die Licht mit einer Wellenlänge von 13,5 Nanometern nutzt.

Die EUV-Photolithographie erfordert spezielle Komponenten wie Hochleistungslaser und hochglatte Spiegel. Das niederländische Unternehmen ASML ist der einzige Hersteller von EUV-Photolithographieanlagen für die Chipfertigung; diese Anlagen kosten jeweils über 100 Millionen US-Dollar.

Globale Lieferkette und Energieintensität

Die globale Halbleiterindustrie hat einen Großteil ihrer Produktion nach Asien verlagert, wo häufig fortschrittliche Technologien zum Einsatz kommen. Von der Gewinnung über die Raffination bis hin zur Fertigung ist die Chipproduktion stark von einer energieintensiven industriellen Infrastruktur abhängig, einschließlich des Transports per Containerschiff und Flugzeug.

Die Komplexität und der CO₂-Fußabdruck dieser globalen Lieferkette stellen weiterhin erhebliche Herausforderungen für den Übergang zu nachhaltigeren Praktiken dar. Die Annahme, Daten und Halbleiter seien das „neue Öl“, ist irreführend, da ihr Wert von erschwinglichen und reichlich vorhandenen Energieressourcen abhängt.

Während KI, die auf Daten und Halbleitern basiert, die Energieeffizienz steigern kann, erfordert sie einen grundlegenden Wandel der wirtschaftlichen Prinzipien, um überschüssige Energie effektiv zu nutzen.

KI-Unternehmen und Datenmonetarisierung

Große KI-Konzerne wie Amazon mit seinen Echo-Geräten sind zunehmend auf Nutzerdaten angewiesen, um Hardware- und Energiekosten zu decken und Gewinne zu erzielen. KI-Interaktionen, beispielsweise Sprachbefehle, generieren wertvolle Datenpunkte und verwandeln Nutzer in Konsumenten, Ressourcen und Mitwirkende an der KI-Entwicklung.

Die Monetarisierung dieser Daten wird für KI-Unternehmen unerlässlich, um ihren Betrieb aufrechtzuerhalten, wodurch Datenschutz und Ethik zu zentralen Anliegen im KI-Ökosystem werden.

Zukunft der KI und des Energieverbrauchs

Mit dem anhaltenden Wachstum des KI-Industriekomplexes nehmen auch die Bedenken hinsichtlich seines Energieverbrauchs und seiner Ressourcennutzung zu. Die Bemühungen von OpenAI-CEO Sam Altman um die Finanzierung von Halbleiterfertigungsanlagen unterstreichen den Bedarf an fortschrittlicher Hardware im KI-Sektor.

Die Zukunft der KI hängt davon ab, nachhaltige Lösungen für ihren Energiebedarf zu finden und gleichzeitig die Herausforderungen in den Bereichen Hardwareproduktion, Lieferketten und Datenschutz zu bewältigen. Da die KI die Mensch-Maschine-Interaktion weiterhin grundlegend verändert, wird das Gleichgewicht zwischen technologischem Fortschritt und ökologischer Verantwortung immer wichtiger.