Laut einem Bericht des United Nations University Institute for Water, Environment and Health (UNU-INWEH) wird der Wasserverbrauch im Zusammenhang mit der Nutzung von künstlicher Intelligenz bis 2030 dem von 1,3 Milliarden Menschen in Subsahara-Afrika entsprechen.
Diese Berechnung umfasst sowohl das Wasser, das zur Kühlung der Systeme in Rechenzentren verwendet wird, als auch das Wasser, das bei der Stromerzeugung eingesetzt wird.
Das Ausmaß der Auswirkungen ist so groß, dass die Rechenzentren, die KI betreiben, bereits 448 TWh Strom verbrauchen, was dem Energieverbrauch Frankreichs entspricht.
Energie und Emissionen
Der Bericht warnt, dass KI fast das Dreifache der Energie benötigen wird, die Pakistan, Bangladesch und Nigeria zusammen jährlich verbrauchen (650 Millionen Einwohner). Was die Emissionen betrifft, könnten sie 400 Millionen Tonnen CO₂-Äquivalent erreichen, ähnlich den Gesamtemissionen des Vereinigten Königreichs.
Darüber hinaus wird die notwendige Infrastruktur 14.500 km² einnehmen, das Doppelte der Metropolregion Jakarta oder das Zehnfache von Mexiko-Stadt.
Jenseits von Kohlenstoff: Mehrfache Fußabdrücke
Die Forscher betonen, dass die Umweltkosten der KI unterschätzt werden, da sich die meisten Analysen auf die Kohlenstoffemissionen konzentrieren. Allerdings impliziert jedes verbrauchte Kilowattstunde auch:
- Wasserfußabdruck: Kühlung und Energieerzeugung.
- Landfußabdruck: Infrastrukturen und Lieferketten.
Ein Beispiel: Der Wechsel von Kohle zu Bioenergie reduziert Emissionen, vervielfacht jedoch den Wasserfußabdruck um das 30-fache und den Landfußabdruck um das 100-fache.
Training vs. Inferenz
Bis vor kurzem wurde angenommen, dass der größte Energieverbrauch während des Trainings der Modelle auftritt. Die Studie zeigt, dass der Inferenzprozess (jedes Mal, wenn ein Benutzer mit einem Modell interagiert) zwischen 80% und 90% des Gesamtverbrauchs ausmacht.
Die Zahlen sind aufschlussreich:
- Ein Standardgespräch mit einem Chatbot verbraucht 200-mal mehr Energie als eine einfache Funktion wie das Klassifizieren von Spam-E-Mails.
- Das Erzeugen eines synthetischen Bildes verbraucht 1.400-mal mehr.
- Das Erstellen eines kurzen Videos kann 200.000-mal mehr Energie erfordern.
Ungleichheit in Nutzen und Kosten
Der Bericht prangert auch eine ungleiche Verteilung an:
- Nur 16% der Länder verfügen über spezialisierte Infrastruktur zur Berechnung von KI.
- Die USA und China konzentrieren 90% der installierten Kapazität.
- Die Umweltkosten (Wasser, Emissionen, Elektroschrott) werden global verteilt, während die Vorteile in wenigen Ländern konzentriert sind.
Beispiele:
- In Irland machten Rechenzentren bereits 2023 21% des nationalen Energieverbrauchs aus, was zu Moratorien in Dublin führte.
- In Uruguay fiel der Bau eines großen Rechenzentrums mit einer Dürre zusammen, die Montevideo ohne Trinkwasser ließ.
Elektroschrott und Transparenz
Bis 2030 könnte die KI-Infrastruktur 2,5 Millionen Tonnen Elektroschrott pro Jahr erzeugen, hauptsächlich veraltete Prozessoren, die sich in ressourcenarmen Ländern ansammeln werden.
Darüber hinaus weisen Experten auf den Mangel an Transparenz im Sektor hin: Ein Großteil der Daten stammt von alten Modellen wie GPT-4, was die Genauigkeit der Schätzungen einschränkt.
Empfehlungen der UNO
Der Bericht schlägt Maßnahmen zur Minderung der Auswirkungen vor:
- Verpflichtung zu standardisierten Umweltfußabdruckberichten für Betreiber.
- Förderung von Effizienz durch Design, indem vermieden wird, riesige Modelle für einfache Aufgaben zu verwenden.
- Erhöhung der Transparenz beim Ressourcenverbrauch.
KI ist nicht nur Algorithmen und Modelle: Dahinter steht eine reale physische und ökologische Auswirkung, die den Verbrauch von Wasser, Energie, Land und Abfall umfasst.
Die Herausforderung besteht darin, sicherzustellen, dass sich diese technologische Revolution innerhalb der planetaren Grenzen entwickelt, indem Innovation mit Nachhaltigkeit und globaler Gerechtigkeit in Einklang gebracht wird.
