Künstliche Intelligenz (KI) verändert die Art und Weise wie wir leben und arbeiten rasant. KI hat das Potenzial, viele Branchen zu revolutionieren – und es gibt auch Auswirkungen auf die Umwelt zu berücksichtigen. Dabei ist zwischen direkten und indirekten Umwelteinflüssen zu unterscheiden. Zum einen können die Entwicklung und der Betrieb negative Auswirkungen haben, zum anderen können KI-Lösungen aber auch zu positiven Effekten führen.
KI-Infrastruktur als wesentlicher Faktor
Die direkten Auswirkungen der KI auf die Umwelt hängen in erster Linie mit der erforderlichen physischen Infrastruktur zusammen. Diese umfasst Rechenzentren, Prozessoren und andere Computerhardware. In diesen Fällen sind die Umwelteinflüsse weitgehend negativ. Dabei sollte man allerdings nicht vergessen, dass sich dies nicht nur auf KI-Rechner bezieht, sondern bei allen elektronischen Geräten der Fall ist.
Der Lebenszyklus von KI-Rechnern lässt sich in vier Phasen unterteilen: Produktion, Transport, Betrieb und Entsorgung. Der Großteil der schädlichen Emissionen (etwa 70 bis 80 Prozent) entfällt dabei auf die Betriebsphase.
Während die Produktion und der Transport entgegen allgemeiner Auffassung einen vergleichbar geringen Anteil an den durch KI verursachten Umweltschäden hat, ist vor allem der Betrieb für den weitaus größten Anteil an den Emissionen verantwortlich.
Die beiden wichtigsten Umweltaspekte in dieser Phase sind der Energieverbrauch und der Wasserverbrauch.
1. Die Produktionsphase
Die Produktionsphase umfasst die Gewinnung von Rohstoffen und die Herstellung der Komponenten, die für den Aufbau der Hardware und Infrastruktur erforderlich sind. Die Zuweisung der Umweltschäden auf die KI ist hier allerdings schwierig, da sich die verwendeten Ressourcen in der Regel auf die gesamte Informations- und Kommunikationstechnologie und nicht speziell auf KI beziehen.
Die Schätzungen für den CO2-Fußabdruck der KI-Produktionsphase variieren und werden derzeit als relativ unbedeutend angesehen. Da jedoch ein immer größerer Teil der in der Betriebsphase verbrauchten Energie aus erneuerbaren Energien stammt, werden auch die Auswirkungen des ökologischen Fußabdrucks in der Produktionsphase an Bedeutung gewinnen.
2. Die Transportphase
Der Transport von Computer- und Server-Hardware macht nur einen kleinen Teil der weltweit durch den Verkehr verursachten Treibhausgasemissionen aus und davon ein Bruchteil entfällt auf die KI-Hardware.
3. Die Betriebsphase
Dies ist der wichtigste Bereich bei der Analyse der direkten Umweltauswirkungen von KI. Die beiden wichtigsten Umweltaspekte in dieser Phase sind, wie eingangs erwähnt, der Energieverbrauch und der Wasserverbrauch.
Energie
Bei der Annäherung an diese Fragestellung hilft der Energieverbrauch von Rechenzentren. Zwar werden nicht alle Rechenzentren für KI genutzt, doch werden KI-Modelle zunehmend in großen Rechenzentren trainiert, untergebracht und eingesetzt. Es wird geschätzt, dass etwa 1 bis 1,5 Prozent des gesamten Strombedarfs weltweit auf Rechenzentren entfallen, was etwa 220 bis 320 Terawattstunden entspricht.
Erstaunlicherweise ist diese Zahl in den letzten zehn Jahren recht konstant geblieben, obwohl die Arbeitsbelastung in den Rechenzentren erheblich gestiegen ist. Die Hauptgründe für diese beeindruckende Entkopplung liegen vor allem in verbesserter Recheneffizienz sowie der Verlagerung in die Cloud als auch in größere sogenannte Hyperscale-Rechenzentren.
Betrachtet man den Energieverbrauch generativer KI genauer, so hat eine Harvard-Studie ergeben, dass das Training von Chat GPT-3 etwa 1,3 Gigawattstunden verbraucht hat, also etwa so viel Strom wie 120 US-Haushalte in einem Jahr. Das Hauptproblem bei der generativen KI besteht darin, dass die Komplexität der Modelle exponentiell zunimmt und daher deutlich mehr Energie benötigt wird.
Da die großen Technologieunternehmen und Rechenzentrumsbetreiber viel Energie benötigen, haben sich viele von ihnen in erheblichem Umfang zur Nutzung erneuerbarer Energien verpflichtet. Das hat sowohl Vor- als auch Nachteile. Der eindeutige Nachteil ist, dass eine riesige Menge an erneuerbarer Energie von einem einzigen Sektor verbraucht wird.
Und natürlich unterstützen die Betreiber oder Eigentümer von Rechenzentren die Erzeugung erneuerbarer Energien, indem sie garantierte Energiemengen kaufen. Aber es stellt sich die Frage, ob diese Energie nicht auch ohne die Unterstützung der Technologieunternehmen zustande gekommen wäre, da der Trend ohnehin in die Richtung der Energiegewinnung durch Erneuerbare geht und die Nachfrage danach immer weiter steigt.
Wasser
Der Wasserfußabdruck von Rechenzentren wird sowohl durch den Wasserverbrauch für die Stromerzeugung als auch durch den Wasserverbrauch für die Kühlung bestimmt.
Eine aktuelle Studie der University of Massachusetts Amherst ergab, dass das Training eines einzigen generativen KI-Modells bis zu 284.000 Liter Wasser verbrauchen kann. Das entspricht der Wassermenge, die ein durchschnittlicher Mensch im Laufe von 27 Jahren verbraucht.
Da KI in vielen Branchen immer stärker eingesetzt wird, entsteht hier ein erhebliches Problem. Der Bedarf an Rechenzentren und der damit verbundene Wasserverbrauch werden nur noch zunehmen.
4. Die Entsorgungsphase
Die für die Umwelt schädlichste Auswirkung entsteht aber durch den nach der Nutzung anfallenden Elektronikschrott. Die Geräte enthalten gefährliche Stoffe wie Schwermetalle und giftige Chemikalien, die in die Umwelt gelangen und diese verschmutzen können.
Die Umsetzung eines Kreislaufwirtschaftsmodells, das die Minimierung von Abfällen und die Maximierung der Ressourcennutzung beinhaltet, ist deswegen für die Bewältigung der Umweltauswirkungen der KI von entscheidender Bedeutung.
Verringerung der Umweltbelastung durch KI
Rechenzentren und andere Betreiber von KI können ihren ökologischen Fußabdruck im Betrieb im Wesentlichen auf vier Arten verringern:
- Erneuerbare Energien: Der naheliegendste Ansatzpunkt ist die Nutzung erneuerbarer Energien für die Stromversorgung der Rechenzentren, was die Branche bereits praktiziert.
- Verbesserung der Modelleffizienz: Durch die Verwendung und Feinabstimmung von vortrainierten Modellen sparen KI-Teams Zeit und erhebliche Mengen an Energie bei der Erstellung von neuen Modellen.
- Energieeffiziente Praktiken: Eine Möglichkeit, die Effizienz von Rechenzentren zu verbessern, ist die Virtualisierung der Server. Dadurch können mehrere virtuelle Server auf einem einzigen physischen Server betrieben und auf diese Weise Server und Hardwareressourcen konsolidiert werden, was den Stromverbrauch für den Betrieb und die Kühlung senkt.
- Kühlsysteme: Die elektrische Energie, die in ein Rechenzentrum fließt, muss letztlich als Abwärme über ein Kühlsystem abgeleitet werden. Die Kühlung von Rechenzentren macht 33 bis 40 Prozent des gesamten Energieverbrauchs von Rechenzentren aus und verbraucht darüber hinaus mehrere hundert Milliarden Liter Frischwasser pro Jahr. In letzter Zeit gab es erhebliche Fortschritte bei den Kühltechnologien für Rechenzentren, die die Effizienz verbessert und die Kosten gesenkt haben. Auch der Standort der Rechenzentren selbst kann einen großen Unterschied ausmachen. Durch den Bau von Rechenzentren an Standorten mit reichlich erneuerbarer Energie und/oder kühlerem Klima können erhebliche Emissionseinsparungen erzielt werden.
Positive und negative Auswirkungen auf die Umwelt durch die KI
Auf der positiven Seite gibt es verschiedene innovative Methoden zur Wiederverwendung der von Rechenzentren erzeugten Wärme. Eine davon ist die Nutzung der überschüssigen Wärme zur Unterstützung von Fernwärmesystemen, wobei Wasser mit hoher Temperatur in Haushalte und Gebäude geleitet werden kann.
Alternativ kann diese Wärmeenergie auch für landwirtschaftliche Anwendungen genutzt werden, z. B. für die ganzjährige Beheizung von Gewächshäusern oder für die Erwärmung von Wasser in Fischfarmen und öffentlichen Schwimmbädern.
Es gibt eine fast unendliche Anzahl von Problemen in der realen Welt, zu deren Lösung KI beitragen kann. Nehmen wir nur das Beispiel einer nachhaltigen landwirtschaftlichen Nutzung: KI-Anwendungen ermöglichen Präzisionslandwirtschaft, können Ernteerträge frühzeitig vorhersagen, bieten hyperlokale Wettervorhersagen für das Erntemanagement, agieren als Frühwarnsysteme bei möglichen Ernteproblemen, automatisieren und verbessern die Erkennung von Landnutzungsänderungen zur Vermeidung von Abholzung und überwachen Gesundheit und Zustand in der Viehzucht. Und das ist bei weitem nicht das einzige Beispiel dafür, welches Potenzial die KI hat, um die Umwelt zu schonen.
Aber andererseits können KI-Anwendungen auch die Effizienz von bereits schädlichen Industrien steigern und damit zu einem umgekehrten, also negativen, Effekt führen.
Das Argument, dass KI die Effizienz von Arbeitsabläufen verbessert und daher umweltfreundlich ist, gilt also nur, wenn der Energieverbrauch für eine bestimmte Aufgabe sinkt. Da die Technologien jedoch immer effizienter und produktiver werden, können sie zu einer höheren Nachfrage und einem höheren Verbrauch führen. Das könnte die ökologischen oder wirtschaftlichen Vorteile der gesteigerten Effizienz wieder zunichtemachen.
Wie so oft, lässt sich die Frage nach den Auswirkungen der neuen Technologie also nicht einfach beantworten, sondern muss in all ihren Facetten betrachtet werden.
