Am 7. Februar 2025 hat die chinesische KI-Start-up-Firma DeepSeek einen neuartigen Chatbot vorgestellt, der die Leistungsfähigkeit von Modellen wie ChatGPT erreicht, jedoch mit deutlich weniger Rechenleistung auskommt. Diese Entwicklung wirft ernsthafte Bedenken hinsichtlich des Energieverbrauchs von KI auf, da eine höhere Effizienz möglicherweise zu einem insgesamt steigenden Verbrauch führt. Vijay Gadepally, ein leitender Wissenschaftler am MIT Lincoln Laboratory, unterstreicht, dass AI trotz aller Effizienzsteigerungen weiterhin ein Energieproblem darstellt.
Ein zentraler Aspekt der Diskussion basiert auf der Idee des Jevons-Paradoxons, das besagt, dass Effizienzgewinne zu einer höheren Gesamtverbrauchsrate führen können. Microsoft CEO Satya Nadella hat auf diese Problematik hingewiesen und prognostiziert, dass der Energieverbrauch von AI weiterhin steigen wird, auch wenn die Technologien effizienter und zugänglicher werden. Laut Washington Post verbrauchen Datenzentren, die KI-Algorithmen trainieren, mittlerweile so viel Strom wie kleine Städte, und ihr Energiebedarf wird voraussichtlich weiter zunehmen.
Stromverbrauch und Emissionen
Datenzentren machen über 4 % des gesamten Stromverbrauchs in den USA aus und es wird erwartet, dass dieser Anteil steigt. Trotz der Bemühungen großer Technologieunternehmen, auf erneuerbare Energien umzusteigen, sind viele noch stark von fossilen Brennstoffen abhängig. Ein Bericht von Tagesschau zeigt, dass der Energieverbrauch von Rechenzentren für KI-Anwendungen in Europa bis 2030 voraussichtlich auf mehr als 150 Terawattstunden pro Jahr ansteigen wird – eine nahezu Verdopplung des aktuellen Verbrauchs, was ungefähr 5 % des gesamten europäischen Stromverbrauchs entspricht.
Ein Beispiel für den rapiden Anstieg des Energiebedarfs ist das neue KI-Rechenzentrum von xAI, das 100.000 Nvidia H100 GPUs nutzt, die zusammen einen Gesamtbedarf von 70 Megawatt aufweisen. Zugleich haben Google und andere Unternehmen einen Anstieg der Treibhausgasemissionen verzeichnet; Googles Emissionen beispielsweise stiegen im vergangenen Jahr um 13 % auf mehr als 14,3 Millionen Tonnen CO2.
Strategien zur Reduzierung des Verbrauchs
Technologiefirmen setzen auf verschiedene Strategien, um den Energieverbrauch und die Kohlenstoffemissionen zu reduzieren. Dazu gehört, dass sie ihre Datenzentrum-Betriebsabläufe an die Energiequellen im Netz anpassen und weniger energieintensive KI-Modelle während Zeiten mit hohem fossilen Brennstoffverbrauch einsetzen. Solche Maßnahmen könnten bedeutende Auswirkungen haben und sogar dazu führen, dass emittierte Kohlenstoffe erheblich gesenkt werden, wie eine Studie von Gadepally aus dem Jahr 2023 belegt hat.
Dennoch bleibt die Herausforderung, KI-Unternehmen und Nutzer davon zu überzeugen, dass es nötig ist, potenzielle Leistungsabstriche für Kohlenstoffeinsparungen zu akzeptieren. Der neidische Blick auf die Atmosphäre ist nicht nur eine Frage der Technik, sondern auch des Marktes und der Governance. Das arXiv diskutierte, wie eine Kombination aus Lebenszyklusbewertungen und sozioökonomischen Analysen erforderlich ist, um die vollständigen Umweltfolgen von KI zu verstehen.
AI-Systeme können durchaus zur Minderung der Auswirkungen des Klimawandels beitragen, insbesondere durch Anwendungen in den Bereichen Energieoptimierung und Materialwissenschaft. Es ist jedoch klar, dass eine nüchterne und umfassende Betrachtung der Umweltauswirkungen notwendig ist. Hierbei müssen die direkten und indirekten Effekte von KI auf das Klima Berücksichtigung finden, um sicherzustellen, dass diese Technologien mehr Nutzen als Schaden bringen.