- Die rasante Expansion von KI treibt einen Anstieg des Energieverbrauchs voran, was Umwelt- und wirtschaftliche Bedenken aufwirft.
- Der Energiebedarf von KI, insbesondere in Rechenzentren, ist erheblich gestiegen und übertrifft die Vorhersagen des Mooreschen Gesetzes.
- Herausforderungen bei der Produktion von KI-Hardware und der globalen Lieferkette tragen zu Engpässen und hohen Kosten in der Branche bei.
Künstliche Intelligenz (KI) hat in den letzten Jahren große Fortschritte gemacht, die Mensch-Maschine-Interaktionen revolutioniert und komplexe Aufgaben ermöglicht. Doch während sich die Fähigkeiten der KI ausweiten, steigt auch ihr Energieverbrauch, was Bedenken hinsichtlich ihrer Umweltauswirkungen und wirtschaftlichen Implikationen auslöst.
Rasante Expansion der KI-Technologie
In der Welt der KI haben sich einfache Aufgaben wie das Einschalten eines Lichtschalters zu komplexen Interaktionen mit weitreichenden Ressourcenimplikationen entwickelt. Kate Crawford und Vladan Joler hoben in ihrer Analyse von 2018 das komplexe Geflecht aus Ressourcenabbau, menschlicher Arbeit und algorithmischer Verarbeitung hervor, das selbst an alltägliche KI-Interaktionen gebunden ist. Der Energie- und Rechenaufwand, der für KI-Interaktionen erforderlich ist, ist im Laufe der Jahre stark gestiegen und hat das von Moores Gesetz vorhergesagte Wachstum übertroffen.
Eine Studie aus dem Jahr 2021 ergab eine 300.000-fache Zunahme der Rechenleistung, die für das Training großer Deep-Learning-Modelle für die natürliche Sprachverarbeitung und andere Anwendungen in nur sechs Jahren benötigt wurde, was das Tempo von Moores Gesetz übertraf. Der mit der KI verbundene Energieverbrauch, insbesondere in Rechenzentren, ist zu einem erheblichen Problem geworden.
Der steil ansteigende Energieverbrauch der KI
Genaue Schätzungen des Stromverbrauchs der KI sind schwer zu erhalten, was es schwierig macht, das volle Ausmaß des Problems einzuschätzen. Dennoch werfen jüngste Berichte Licht auf das Ausmaß des Energieverbrauchs. Google berichtete beispielsweise, dass KI im Jahr 2021 10 bis 15 % seines gesamten Stromverbrauchs ausmachte, was etwa 2,3 Terawattstunden pro Jahr entspricht, vergleichbar mit einer Stadt in der Größe von Atlanta.
Darüber hinaus könnte der Stromverbrauch in die Höhe schnellen, wenn ein KI-System wie ChatGPT für jede Google-Suche verwendet würde, auf beeindruckende 29,2 Terawattstunden pro Jahr. Die Nachfrage nach KI-spezialisierten Computerchips, bei denen einzelne Chips nun in TeraFLOPs gemessen werden und Tausende davon in KI-Rechenfarmen eingesetzt werden, trägt zum Stromverbrauch bei.
Nvidia, ein führender Hersteller von KI-spezialisierten Chips, wird voraussichtlich bis 2027 jährlich 1,5 Millionen KI-Server-Einheiten ausliefern. Der Betrieb dieser Server mit voller Kapazität würde jedoch mehr als 85 Terawattstunden Strom pro Jahr verbrauchen, was den Energiebedarf vieler kleiner Länder übersteigt.
OpenAI-CEO Sam Altman hat Bedenken bezüglich des steigenden Energiebedarfs der KI und der Notwendigkeit von Durchbrüchen in der Energieproduktion, wie z. B. Kernfusion oder kostengünstigere Solarenergie mit Speichermöglichkeiten, geäußert.
Die wirtschaftlichen Auswirkungen des Energieverbrauchs der KI
Der erhebliche Energieverbrauch der KI führt zu beträchtlichen Kosten, die ihre weit verbreitete Zugänglichkeit beeinträchtigen. Während Sam Altman zunächst erwähnte, dass ChatGPT „einzelne Cent pro Chat“ kostet, beliefen sich die Rechenkosten für ChatGPT allein bis Februar 2023 auf 700.000 US-Dollar pro Tag.
Wenn man dies auf Suchmaschinen wie Google und Bing hochrechnet, die täglich Hunderte von Millionen Nutzern bedienen, wird die finanzielle Belastung der Bereitstellung von Zugang zu fortschrittlichen KI-Modellen offensichtlich. Die hohen Kosten, die mit der Nutzung von KI verbunden sind, dienen als Hindernis dafür, die besten KI-Modellen der Öffentlichkeit zugänglich zu machen.
Herausforderungen in der KI-Hardwareproduktion
Die Produktion von KI-Rechenhardware stellt ihre eigenen Herausforderungen dar, die zur Knappheit und zu hohen Kosten beitragen. Die Chipproduktion beginnt mit der Raffination von Silizium auf extreme Reinheitsgrade, was energieintensiv ist. Der Lithographieprozess, der für die Chipstrukturierung entscheidend ist, erforderte die Entwicklung der Extreme-Ultraviolett-(EUV)-Photolithographie, eine komplexe und teure Technologie, die Licht mit einer Wellenlänge von 13,5 Nanometern verwendet.
Die EUV-Photolithographie erfordert spezialisierte Komponenten, wie hochleistungsfähige Laser und superglatte Spiegel. Das niederländische Unternehmen ASML ist der alleinige Produzent von EUV-Photolithografiemaschinen für die Chipproduktion, und diese Maschinen kosten über 100 Millionen US-Dollar pro Stück.
Globale Lieferkette und Energieintensität
Die globale Halbleiterindustrie hat einen Großteil ihrer Produktion nach Asien verlagert, wo oft fortschrittliche Technologien eingesetzt werden. Vom Abbau über die Raffination bis zur Fertigung hängt die Chipproduktion stark von einer energieintensiven industriellen Infrastruktur ab, einschließlich des Transports per Containerschiffen und Flugzeugen.
Die Komplexität und der CO2-Fußabdruck, die mit dieser globalen Lieferkette verbunden sind, bleiben erhebliche Herausforderungen bei der Umstellung auf nachhaltigere Praktiken. Die Vorstellung, dass Daten und Halbleiter das „neue Öl“ sind, ist irreführend, da sie auf erschwinglichen und reichlich vorhandenen Energiequellen basieren, um wertvoll zu sein.
Während KI, die von Daten und Halbleitern angetrieben wird, die Energieeffizienz verbessern kann, ist eine grundlegende Verschiebung der wirtschaftlichen Prinzipien erforderlich, um überschüssige Energie effektiv zu nutzen.
KI-Konzerne 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, wie Sprachbefehle, generieren wertvolle Datenpunkte und verwandeln Nutzer in Konsumenten, Ressourcen und Mitwirkende an der KI-Entwicklung.
Die Monetarisierung dieser Daten wird für KI-Konzerne entscheidend, um ihre Operationen aufrechtzuerhalten, was Datenschutz und Ethik zu kritischen Anliegen im KI-Ökosystem macht.
Zukunft der KI und Energieverbrauch
Während der KI-Industriekomplex weiter expandiert, wachsen die Bedenken hinsichtlich seines Energieverbrauchs und seiner Ressourcennutzung. Die Bemühungen von OpenAI-CEO Sam Altman, Finanzierung für Halbleiter-Fertigungsstätten zu sichern, unterstreichen die Nachfrage nach fortschrittlicher Hardware im KI-Sektor.
Die Zukunft der KI hängt davon ab, nachhaltige Lösungen für ihren Energiebedarf zu finden und die mit der Hardwareproduktion, Lieferketten und dem Datenschutz verbundenen Herausforderungen anzugehen. Während die KI die Mensch-Maschine-Interaktionen weiterhin transformiert, wird das Gleichgewicht zwischen technologischem Fortschritt und Umweltverantwortung zunehmend entscheidend.
Wenn Sie dies lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie mit unserem Newsletter auf dem Laufenden.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com Wir übernehmen keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor jeglichen Anlageentscheidungen eine unabhängige Recherche durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.
John Palmer
John Murangiri kam mit Kenntnissen in Marktanalyse zu Cryptopolitan. John (auch bekannt als JP) hat an der Universität Nairobi einen Bachelorabschluss in Massenkommunikation und Medienstudien erworben. Er hat zuvor Crypto-Markt-Einblicke für InsideBitcoins.com und Metacoingraph beigesteuert.
