Umweltorganisation drängt KI-Branche zur Offenlegung der versteckten Kosten von ChatGPT

Künstliche Intelligenz (KI) ist aus dem modernen Leben nicht mehr wegzudenken und treibt diverse Anwendungen an, darunter ChatGPT, das bei Aufgaben von der Informationsbeschaffung bis zur Erstellung kreativer Inhalte hilft. Während die Vorteile von KIdentsind, rückt eine weniger beachtete Problematik in den Fokus aktueller Forschung: die erheblichen Umweltkosten, die mit großen Sprachmodellen wie ChatGPT und Bing Copilot verbunden sind.

Energieverbrauch des Sprachmodelltrainings

Große Sprachmodelle wie ChatGPT und Bing Copilot benötigen während des Trainings enorme Rechenleistung und viel Strom. Laut einer Studie von Forschern der University of Washington kann das Training eines einzelnen großen Sprachmodells wie ChatGPT-3 bis zu 10 Gigawattstunden (GWh) Strom verbrauchen. Zum Vergleich: Das entspricht in etwa dem jährlichen Stromverbrauch von über 1.000 US-Haushalten. Darüber hinaus kann der CO₂-Fußabdruck des Trainings von ChatGPT-3 je nach Stromquelle zwischen 55 und 284 Tonnen liegen.

Laufende Sprachmodelle und ihre Umweltauswirkungen

Obwohl der Energieverbrauch für den Betrieb von Sprachmodellen wie Bing Copilot oder ChatGPT geringer ist als der für deren Training, trägt er dennoch zu Umweltproblemen bei. Der tatsächliche Energieverbrauch hängt von Faktoren wie der Modellgröße, der Anzahl der verarbeiteten Token sowie der Hardware- und Softwareeffizienz ab. Schätzungen zufolge verbraucht eine einzelne ChatGPT-4-Anfrage zwischen 0,001 und 0,01 kWh, was deutlich mehr ist als der Energieverbrauch einer typischen Google-Suchanfrage (0,0003 kWh).

Die Umweltauswirkungen des Einsatzes von KI-Systemen wie ChatGPT und Bing Copilot sind nicht zu vernachlässigen. Mit der steigenden Nachfrage nach KI-Diensten wächst auch der Bedarf an Rechenzentren, die die Server und die dazugehörige Hardware beherbergen. Rechenzentren sind bekannt für ihren hohen Energieverbrauch, der sowohl den Betrieb der Hardware als auch die Stromversorgung und Kühlung umfasst. Weltweit sind Rechenzentren für etwa 1–1,5 % des Stromverbrauchs und 0,3 % der CO₂-Emissionen verantwortlich. Darüber hinaus verbrauchen diese Einrichtungen erhebliche Mengen Wasser für Kühlung und Stromerzeugung.

Einem Bericht von Livemint zufolge verbraucht allein ChatGPT-3 rund 800.000 Liter Wasser pro Stunde. Das entspricht dem täglichen Wasserbedarf von 40.000 Menschen. Diese Zahlen verdeutlichen den erheblichen ökologischen Fußabdruck von KI-Systemen.

Reduzierung des Energieverbrauchs und der Umweltbelastung

Verbesserung der Hardware- und Softwareeffizienz: Durch die Optimierung von Design und Effizienz von Hardware und Software lässt sich der Energieverbrauch senken. Techniken wie die Flüssigkeitskühlung können dazu beitragen, die Wärmeentwicklung der Hardware zu reduzieren und den CO₂-Ausstoß sowie den Wasserverbrauch in Rechenzentren zu minimieren.

Energiewende hin zu erneuerbaren Energien: Der Umstieg auf erneuerbare Energiequellen wie Wind, Sonne und Wasserkraft kann Rechenzentren nachhaltiger mit Strom versorgen. Länder mit reichhaltigen natürlichen Ressourcen, wie Norwegen und Island, haben diesen Ansatz bereits verfolgt, um ihren CO₂-Fußabdruck zu verringern.

Verantwortungsvoller Umgang mit KI: Die Beschränkung des Einsatzes von KI-Modellen auf sinnvolle und essentielle Anwendungen und die Vermeidung trivialer oder schädlicher Zwecke können zu Energieeinsparung und sozialer Verantwortung beitragen. Die Fokussierung auf die Erstellung von Bildungs- oder künstlerischen Inhalten anstatt auf die Verbreitung von Falschnachrichten oder Spam kann positive gesellschaftliche Auswirkungen haben.

Die Zukunft des Energieverbrauchs in KI

Die Zukunft des Energieverbrauchs in der KI erscheint vielversprechend, da technologische Fortschritte zu energieeffizienteren KI-Modellen und Rechenzentren führen. Auch die Nutzung erneuerbarer Energien dürfte zunehmen. Da KI jedoch immer allgegenwärtiger wird, ist es unerlässlich, den Energieverbrauch weiterhin zu senken und nachhaltige Praktiken zu fördern.

Trotz der wachsenden Besorgnis über die Umweltauswirkungen von KI bleibt die Gewinnung präziser Daten eine erhebliche Herausforderung. Bestehende und neuere Studien stützen sich auf geschätzte Datensätze und Prognosen, da die Entwickler den vollen Umfang des Energieverbrauchs, der CO₂-Emissionen und des Wasserverbrauchs von KI nicht öffentlich offengelegt haben.

Eine Studie von Li et al. aus dem Jahr 2023 hob hervor, dass die weltweite Nachfrage nach künstlicher Intelligenz (KI) im Jahr 2027 potenziell zu einem Wasserverbrauch von 4,2 bis 6,6 Milliarden Kubikmetern führen könnte. Dies würde den gesamten jährlichen Wasserverbrauch der Hälfte des Vereinigten Königreichs übersteigen. Daraus ergibt sich die dringende Notwendigkeit größerer Transparenz bei der Bewertung der Umweltauswirkungen von KI.

Forderung nach mehr Rechenschaftspflicht und Transparenz

Um diesen Bedenken wirksam zu begegnen, besteht ein wachsender Bedarf an mehr Transparenz hinsichtlich der Emissionen, die sowohl im Betrieb als auch in der Entwicklung von KI-Prozessen entstehen. Entwickler sollten Daten zur Wassereffizienz offenlegen und Vergleiche verschiedener Energieeinsätze ermöglichen. Diese Transparenz ermöglicht fundierte Entscheidungen und Bewertungen der Umweltauswirkungen von Sprachmodellen wie ChatGPT und Bing Copilot.