Umweltsünder KI? Wie sich KI-Nutzung auf die Umwelt auswirkt und welche Chancen sie trotzdem für den Umweltschutz bieten kann

Was ist eigentlich KI und welche unterschiedlichen Modelle gibt es? 

Künstliche Intelligenz oder meist kurz KI bezeichnet die Fähigkeit von Maschinen, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren. Dabei werden KI-Modelle mit bestehenden Informationen trainiert und animiert, über Algorithmen Lösungswege zu liefern. Künstliche Intelligenzen sind in der Lage, aus früheren Aktionen Lehren zu ziehen und Handlungsweisen dementsprechend anzupassen. Mit jedem gefütterten Datensatz steigt die Komplexität der im Hintergrund laufenden Analysen, sodass die KI mit der Zeit immer präziser wird. 

Die ersten KI-gestützten Algorithmen gibt es bereits seit mehr als 50 Jahren. Jedoch hat sich gerade in den letzten zwei Jahrzehnten die Ausgereiftheit der Technologie rasant gesteigert. Mehr Ressourcen, besser entwickelte Technologien, größere Verfügbarkeit von Datenmengen und gezielte Forschung brachten letztendlich den Durchbruch, um KI selbst Privatpersonen zugänglich zu machen. 

Welche Modelle gibt es?

Je nach Einsatzgebiet unterscheidet sich auch, welche Art von KI genutzt wird. Im medizinischen Bereich und beispielsweise auch im Finanzwesen werden Modelle genutzt, die unter überwachtem Lernen trainiert wurden (Supervised Learning). Dabei werden Beispieldaten, deren Antworten bereits bekannt sind – wie Symptome und deren zugeordnete Krankheitsbilder – in die KI gefüttert, die daraus Rückschlüsse und Muster erkennt, um in Zukunft gezielter Diagnosen ableiten zu können. Besonders spannend und zunehmend erfolgreicher ist hier der Einsatz in der Krebsfrüherkennung. 

Ein weiteres Modell ist das nicht überwachte Lernen (Unsupervised Learning). Dabei werden neben verifizierten Daten auch ungelabelte Daten verarbeitet und man lässt das Modell eigenständig nach Mustern und Strukturen innerhalb dieser Daten suchen. So lassen sich beispielsweise große Datenmengen aus Wirtschaft und Technik analysieren und strukturieren.

Ein spezielles Modell aus diesen beiden ist das tiefe neuronale Netz (Deep Learning), bei dem komplexeste Muster erkannt werden. Deep Learning ist eines der ressourcenintensivsten Modelle, bringt aber teils spektakuläre Ergebnisse. Innerhalb dieser neuronalen Netze agieren auch die weithin bekannten Large Language Modelle (LLMs) wie ChatGPT (OpenAI), Llama (Meta) oder Gemini (Google).

Beim bestärkenden Lernen (Reinforcement Learning) wird das KI-Modell je nach Rückmeldung bestärkt oder bestraft, um bestmöglichen Output beispielsweise in der Robotik oder bei Schachcomputern zu fördern. 

Weiterhin gibt es generative Modelle, die darauf trainiert sind, neue Inhalte aus bekannten Daten zu generieren. Dabei kann es sich um Texte, Bilder oder gar Musik und Videos handeln. Bekannteste Einsatzgebiete sind hier beispielsweise Deepfakes oder bekannte Internettrends, bei denen aus dem eigenen Porträt Superheldenfiguren erstellt werden. Doch das ist nur ein kleiner Teil der verschiedenen Möglichkeiten, die generative KI bietet.

Wie hat sich KI-Nutzung in den letzten Jahren verändert?

Zweifelsohne ist mit der freien Zugänglichkeit von KI-Modellen wie Claude oder ChatGPT auch das Nutzungsvolumen stark gestiegen. Auch integrierte KI-Modelle in Smartphones und Betriebssysteme wie Gemini oder Copilot, welche als Alltagsassistenten fungieren, haben den weltweiten Zahlen für KI-Nutzung großen Aufschwung gegeben. 

Täglich liegen die Anfragen bei mehreren hundert Millionen pro Tag – Tendenz steigend. Eine Folge von leicht zugänglichen KI-Assistenten und den nicht von der Hand zuweisenden Vorteilen von KI-Anfrageergebnissen. Suchergebnisse über Tools wie ChatGPT sind kompakter zusammengefasst als Suchanfragen über Google und bedürfen oft weniger Eigenrecherche. Das macht sie deutlich beliebter. Auch können diese KI-Modelle durch Training im Arbeitsalltag helfen, repetitive Aufgaben zu übernehmen. Doch blindes Vertrauen in die Ergebnisse von KI-Suchen kann auch gefährlich sein: Einer Studie zufolge kontrolliert nur ein Viertel der deutschen KI-Nutzer:innen die Ergebnisse, die ihnen ausgespielt werden. Die Gefahr, dadurch Fehlinformationen zu verbreiten ist hoch. 

Wie wirkt sich dieser KI-Boom auf die Umwelt aus?

Es ist mittlerweile weithin bekannt, dass KI-Nutzung einen größeren Energieverbrauch hat als Standardanfragen bei gängigen Suchmaschinen. Das liegt vor allem daran, dass KI-Modelle in riesigen Datencentern sitzen und große Rechenleistung benötigen. Diese Rechenzentren müssen gekühlt, mit Strom betrieben und stellenweise auch stetig erweitert werden. Teilweise kann eine einzelne Anfrage je nach Komplexität die Prozessoren auf bis zu 80 Grad Celsius heißlaufen lassen. Für den durchschnittlichen Energieverbrauch bei Standardanfragen über Textmodelle (LLMs) lässt sich annehmen, dass der Energiebedarf etwas zehnmal so hoch ist wie bei einer Anfrage über Suchmaschinen wie Google oder Bing. ChatGPT-4 spricht hier selbst von etwa 0,0003 Kilowatt je Stunde bei der Nutzung der Cloud-Version. Bei der ressourcenintensiveren Bildgenerierung über Tools wie Stable Diffusion, Dall-E oder Midjourney liegen die Werte bei geschätzten 0,0029 Kilowattstunden je Bild in den Cloud-Anwendungen. 

Um sich das in greifbaren Dimensionen vorstellen zu können, sprechen Studien von Vergleichswerten wie Wasserverbrauch je Anfrage, Autofahrt-Metern je Anfrage oder Handyladungen je Anfrage. Bei einer einfachen Text-Query über ChatGPT-4 entspräche das einem Wasserverbrauch von der Dimension eines Schnapsglases oder einer Handyladung von ca. 2 Minuten oder auch 0,12 g CO2-Emission. Die folgende Tabelle fasst die Werte kompakt zusammen:

Im Einzelnen sind die Werte sicherlich noch überschaubar. Bedenkt man aber die tägliche Masse an Anfragen für KI-Modelle, so wird deutlich, dass KI-Nutzung ein nicht zu verachtender Ressourcenfresser ist. Angenommen, es gibt pro Tag eine Millionen Anfragen an ChatGPT-4, dann werden aus durchschnittlich 0,0003 Kilowattstunden 300 Kilowattstunden. Ein ein-Personen-Haushalt verbraucht in Deutschland circa 1.400 Kilowattstunden im Jahr und könnte mit einer Tagesmenge an ChatGPT-Anfragen dementsprechend fast ein Vierteljahr lang mit Verbrauchsstrom versorgt werden. Bei Bildgenerierung liegt der Wert noch mal höher. Hier gibt eine der beliebtesten Anwendungen, Midjourney, beispielsweise an, dass 2023 ca. 30-40 Millionen Bilder täglich generiert wurden. Bei einem angenommenen Verbrauch von 0,029 kWh je Bild ergibt das einen Energieverbrauch pro Tag von 87.000 bis 116.000 kWh, also 0,087 bis 0,116 GWh. Das entspricht dem Verbrauch von rund 83 Singlehaushalten pro Jahr. 

Positive Einflüsse von KI bei Umweltschutzfragen

Der enorme Ressourcenverbrauch bei KI-Nutzung ist nicht von der Hand zu weisen und beinahe täglich steigt die Anzahl der aktiven Nutzerinnen und Nutzer von Künstlicher Intelligenz rapide. Anbieter von KI-Lösungen sind in der Pflicht, ihre Technologien umweltfreundlicher und nachhaltiger zu machen, um mit dem Ressourcenbedarf schritthalten zu können. Genau dabei kann KI auch helfen, indem die Algorithmen Möglichkeiten errechnen, wie Technologien zukunftsfähiger und nachhaltiger werden. Das betrifft jedoch nicht nur das schmale Feld der KI-Forschung, sondern auch Automatisierung, Energieversorgung, Wirtschaft, Transportwesen und Industrie. Bei den immer geringer werdenden Mengen an Ressourcen ist es unumgänglich, Wege zu finden, vorhandene Rohstoffe effektiv zu nutzen, Wasser zu sparen und unser tägliches Leben nachhaltiger zu gestalten – Mit und ohne KI-Unterstützung. 

Ressourcen schonen mit wiederaufbereiteter IT-Hardware von IT-Market.com

Bei IT-Market.com finden Sie refurbished IT-Hardware aus den Bereichen Switches, Server, Kommunikation, Sicherheit, Router oder Speicher. Damit helfen auch Sie dabei, Ressourcen zu schonen und Ihre IT nachhaltiger zu gestalten. Sollten Sie IT-Hardware haben, die sie zum Widerverkauf anbieten möchten, haben wir auch den passenden Service für Sie. Haben Sie fragen zu unserem IT-Remarketing -Angebot? Unser Team steht ihnen gern mit Rat und Tat zur Seite.

^{1 spectrum.ieee.org/how-much-water-does-it-take-to-make-electricity
2 www.theverge.com/24066646/ai-electricity-energy-watts-generative-consumption
3 arxiv.org/html/2311.16863v3}