Überlebt das Klima den Energiehunger der KI?

KI
Vierfeld

Neue KI-Infrastruktur bedeutet, dass Big Tech die Emissionsziele wahrscheinlich verfehlen wird, aber sie können es sich nicht leisten, in einem Alles-oder-nichts-Markt zurückzubleiben.

Der Boom der künstlichen Intelligenz treibt die Aktienkurse der großen Tech-Unternehmen auf neue Höchststände, doch dies geht auf Kosten der Klimaaspirationen des Sektors.

Google gab am Dienstag zu, dass die Technologie seine Umweltziele bedroht, nachdem es bekannt gab, dass Rechenzentren, ein wichtiger Bestandteil der KI-Infrastruktur, seit 2019 dazu beigetragen haben, die Treibhausgasemissionen um 48 % zu erhöhen. Das Unternehmen erklärte, dass „erhebliche Unsicherheiten“ bei der Erreichung des Ziels der Netto-Null-Emissionen bis 2030 – der Reduzierung der gesamten CO2-Emissionen, für die es verantwortlich ist, auf null – „die Unsicherheit über die zukünftigen Umweltauswirkungen der KI, die komplex und schwer vorhersehbar sind,“ beinhalten.

Dies folgt auf Microsofts Eingeständnis, dem größten finanziellen Unterstützer des ChatGPT-Entwicklers OpenAI, dass sein Ziel der Netto-Null-Emissionen bis 2030 möglicherweise aufgrund seiner KI-Strategie nicht erreicht wird.

Wird die Tech-Branche also in der Lage sein, die Umweltkosten der KI zu senken, oder wird die Branche ungeachtet dessen weitermachen, weil der Preis für die Vorherrschaft so groß ist?

Warum stellt KI eine Bedrohung für die grünen Ziele der Tech-Unternehmen dar?

Rechenzentren sind ein zentraler Bestandteil für das Training und den Betrieb von KI-Modellen wie Googles Gemini oder OpenAIs GPT-4. Sie enthalten die hochentwickelte Rechenausrüstung oder Server, die die riesigen Datenmengen verarbeiten, die den KI-Systemen zugrunde liegen. Sie benötigen große Mengen an Strom, der je nach Energiequelle CO2 erzeugt, und erzeugen auch „eingebettetes“ CO2 durch die Kosten für die Herstellung und den Transport der erforderlichen Ausrüstung.

Laut der Internationalen Energieagentur könnte der gesamte Stromverbrauch von Rechenzentren von den Werten von 2022 bis 2026 auf 1.000 TWh (Terawattstunden) verdoppeln, was dem Energiebedarf Japans entspricht, während das Forschungsunternehmen SemiAnalysis berechnet, dass KI dazu führen wird, dass Rechenzentren bis 2030 4,5 % der weltweiten Energieerzeugung verbrauchen. Auch der Wasserverbrauch ist erheblich, eine Studie schätzt, dass die KI bis 2027 für bis zu 6,6 Milliarden Kubikmeter Wasserverbrauch verantwortlich sein könnte – fast zwei Drittel des jährlichen Verbrauchs von England.

Was sagen Experten zu den Umweltauswirkungen?

Ein kürzlich von der britischen Regierung unterstützter Bericht über die Sicherheit von KI stellte fest, dass die Kohlenstoffintensität der von Technologieunternehmen genutzten Energiequelle „eine Schlüsselvariable“ bei der Berechnung der Umweltauswirkungen der Technologie ist. Es wird jedoch hinzugefügt, dass ein „erheblicher Teil“ des Trainings von KI-Modellen immer noch auf fossile Brennstoffe angewiesen ist.

Tatsächlich schliessen Technologieunternehmen zunehmend Verträge über erneuerbare Energien ab, um ihre Umweltziele zu erreichen. Amazon beispielsweise ist der weltweit größte Abnehmer von erneuerbarer Energie im Unternehmensbereich. Einige Experten argumentieren jedoch, dass dies andere Energieverbraucher in fossile Brennstoffe drängt, da nicht genügend saubere Energie zur Verfügung steht.

„Der Energieverbrauch wächst nicht nur, sondern Google hat auch Schwierigkeiten, diesen steigenden Bedarf aus nachhaltigen Energiequellen zu decken“, sagt Alex de Vries, Gründer von Digiconomist, einer Website, die die Umweltauswirkungen neuer Technologien überwacht.

Gibt es genügend erneuerbare Energie?

Globale Regierungen planen, die weltweiten erneuerbaren Energieressourcen bis Ende des Jahrzehnts zu verdreifachen, um den Verbrauch fossiler Brennstoffe im Einklang mit den Klimazielen zu senken. Aber das ehrgeizige Versprechen, das auf den letztjährigen COP28-Klimaverhandlungen vereinbart wurde, ist bereits zweifelhaft, und Experten befürchten, dass ein starker Anstieg des Energiebedarfs durch KI-Rechenzentren es weiter außer Reichweite bringen könnte.

Die IEA, die globale Energieaufsichtsbehörde, hat gewarnt, dass selbst wenn die globale Kapazität für erneuerbare Energien im Jahr 2023 mit dem schnellsten Tempo der letzten 20 Jahre wächst, die Welt unter den aktuellen Regierungsplänen bis 2030 möglicherweise nur ihre erneuerbaren Energien verdoppeln kann.

Die Antwort auf den Energiehunger der KI könnte darin liegen, dass Technologieunternehmen verstärkt in den Bau neuer Projekte für erneuerbare Energien investieren, um ihren wachsenden Strombedarf zu decken.

Wie schnell können neue Projekte für erneuerbare Energien gebaut werden?

Erneuerbare Energieprojekte an Land, wie Wind- und Solarparks, sind relativ schnell zu bauen – sie können in weniger als sechs Monaten entwickelt werden. Langsame Planungsregelungen in vielen entwickelten Ländern sowie ein globaler Engpass beim Anschluss neuer Projekte an das Stromnetz könnten jedoch Jahre zum Prozess hinzufügen. Offshore-Windparks und Wasserkraftwerke stehen vor ähnlichen Herausforderungen zusätzlich zu Bauzeiten von zwei bis fünf Jahren.

Dies hat Bedenken geweckt, ob erneuerbare Energien mit der Expansion der KI Schritt halten können. Große Technologieunternehmen haben laut dem Wall Street Journal bereits ein Drittel der US-amerikanischen Kernkraftwerke angezapft, um ihren Rechenzentren kohlenstoffarmen Strom zu liefern. Ohne Investitionen in neue Energiequellen würden diese Geschäfte jedoch kohlenstoffarmen Strom von anderen Nutzern abziehen, was zu einem höheren Verbrauch fossiler Brennstoffe führt, um die Gesamtnachfrage zu decken.

Wird der Strombedarf der KI für immer wachsen?

Die normalen Regeln von Angebot und Nachfrage würden vermuten lassen, dass mit steigendem Stromverbrauch der KI die Energiekosten steigen und die Branche gezwungen ist zu sparen. Doch die einzigartige Natur der Branche bedeutet, dass die größten Unternehmen der Welt stattdessen durch Spitzen bei den Stromkosten pflügen könnten, indem sie Milliarden von Dollar verbrennen.

Die größten und teuersten Rechenzentren im KI-Sektor sind diejenigen, die „Frontier“-KI trainieren, Systeme wie GPT-4o und Claude 3.5, die leistungsfähiger und fähiger sind als alle anderen. Der Führer auf diesem Gebiet hat sich im Laufe der Jahre geändert, aber OpenAI ist im Allgemeinen an der Spitze und kämpft um Positionen mit Anthropic, dem Hersteller von Claude, und Googles Gemini.

Bereits jetzt wird angenommen, dass der „Frontier“-Wettbewerb „alles oder nichts“ ist, wobei nur wenig Kunden daran hindert, zum neuesten Marktführer zu wechseln. Das bedeutet, dass, wenn ein Unternehmen 100 Millionen Dollar für einen Trainingslauf eines neuen KI-Systems ausgibt, seine Konkurrenten entscheiden müssen, noch mehr auszugeben oder das Rennen ganz aufzugeben.

Schlimmer noch, das Rennen um die sogenannte „AGI“, KI-Systeme, die alles tun können, was ein Mensch tun kann, bedeutet, dass es sich lohnen könnte, Hunderte von Milliarden Dollar für einen einzigen Trainingslauf auszugeben – wenn dies dazu führt, dass Ihr Unternehmen eine Technologie monopolisiert, die, wie OpenAI sagt, „die Menschheit erheben“ könnte.

Werden KI-Firmen lernen, weniger Strom zu verbrauchen?

Jeden Monat gibt es neue Durchbrüche in der KI-Technologie, die es Unternehmen ermöglichen, mehr mit weniger zu tun. Im März 2022 zeigte beispielsweise ein DeepMind-Projekt namens Chinchilla den Forschern, wie sie Frontier-KI-Modelle mit radikal weniger Rechenleistung trainieren können, indem sie das Verhältnis zwischen der Menge an Trainingsdaten und der Größe des resultierenden Modells ändern.

Dies führte jedoch nicht dazu, dass dieselben KI-Systeme weniger Strom verbrauchten; stattdessen wurde dieselbe Menge an Strom verwendet, um noch bessere KI-Systeme zu erstellen. In der Ökonomie ist dieses Phänomen als „Jevons-Paradoxon“ bekannt, benannt nach dem Ökonomen, der feststellte, dass die Verbesserung der Dampfmaschine durch James Watt, die viel weniger Kohle verbrauchte, stattdessen zu einem enormen Anstieg der verbrannten Menge an fossilen Brennstoffen in England führte. Als der Preis für Dampfkraft nach Watts Erfindung sank, wurden neue Anwendungen entdeckt, die sich bei hohen Kosten nicht gelohnt hätten.