Ausbau der KI weckt Bedenken hinsichtlich globaler Energiebelastung

Der Energiebedarf künstlicher Intelligenz entwickelt sich rasch zu einer enormen Herausforderung. Dieses Problem geht weit über steigende Stromkosten hinaus und hat erhebliche Auswirkungen auf die Umwelt, darunter die Erschöpfung lebenswichtiger Wasservorräte, die Anhäufung von Elektronikschrott und erhöhte Treibhausgasemissionen.

Da KI-Modelle immer ausgefeilter werden und zunehmend in den Alltag integriert sind, stellt sich eine entscheidende Frage: Können wir diese technologische Revolution aufrechterhalten, ohne die Zukunft unseres Planeten zu gefährden?

Belege bestätigen den steigenden Energieverbrauch von KI

Der Rechenaufwand für fortschrittliche KI-Systeme folgt einer außergewöhnlichen Wachstumskurve, wobei einige Schätzungen von einer Verdopplung alle paar Monate ausgehen. Dies ist kein allmählicher Anstieg, sondern ein exponentieller Anstieg, der selbst die ehrgeizigsten Strategien zur Energieerzeugung übertreffen könnte.

Um das Ausmaß zu veranschaulichen: Der zukünftige Energiebedarf der KI könnte bald dem gesamten Stromverbrauch ganzer Nationen wie Japan oder den Niederlanden oder großer US-Bundesstaaten wie Kalifornien entsprechen. Solche Vergleiche verdeutlichen die potenzielle Belastung, die die KI für die globale Energieinfrastruktur darstellen könnte.

Der weltweite Strombedarf stieg 2024 um rekordverdächtige 4,3 %, was vor allem auf die Expansion der KI sowie die zunehmende Verbreitung von Elektrofahrzeugen und die industrielle Aktivität zurückzuführen ist.

Im Jahr 2022 entfielen auf Rechenzentren, die KI- und Kryptowährungsoperationen unterstützen, bereits fast 2 % des weltweiten Stromverbrauchs – etwa 460 Terawattstunden.

Bis 2024 verbrauchten allein Rechenzentren etwa 415 TWh, was etwa 1,5 % des weltweiten Stromverbrauchs entspricht und jährlich um 12 % wächst. Der direkte Anteil der KI bleibt mit etwa 20 TWh (0,02 % der weltweiten Energie) relativ gering, aber diese Zahl wird voraussichtlich rapide steigen.

Prognosen deuten auf ein erhebliches Wachstum hin. Bis Ende 2025 könnten globale KI-Rechenzentren zusätzliche 10 Gigawatt Stromkapazität benötigen – mehr als die gesamte Erzeugungskapazität von Bundesstaaten wie Utah.

Bis 2026 könnte der weltweite Stromverbrauch von Rechenzentren 1.000 TWh erreichen, was dem aktuellen Verbrauch Japans entspricht. Bis 2027 könnten KI-Rechenzentren weltweit 68 GW benötigen – fast so viel wie die gesamte Stromkapazität Kaliforniens im Jahr 2022.

Gegen Ende des Jahrzehnts werden die Prognosen noch eindrucksvoller. Der weltweite Stromverbrauch von Rechenzentren wird sich bis 2030 voraussichtlich auf etwa 945 TWh verdoppeln und damit fast 3 % des weltweiten Stromverbrauchs ausmachen.

Die OPEC schätzt, dass sich der Verbrauch von Rechenzentren bis 2030 auf 1.500 TWh verdreifachen könnte, während Goldman Sachs davon ausgeht, dass der weltweite Strombedarf von Rechenzentren gegenüber 2023 um 165 % steigen wird, wobei die KI-spezifische Infrastruktur um mehr als das Vierfache wachsen wird.

Einige Analysen legen nahe, dass Rechenzentren bis 2030 bis zu 21 % des weltweiten Energiebedarfs ausmachen könnten, wenn man die gesamte Energiekette berücksichtigt, die für die Bereitstellung von KI-Diensten für Endnutzer erforderlich ist.

Der Energieverbrauch von KI lässt sich in zwei Phasen unterteilen: Modelltraining und operative Inferenz.

Das Training umfangreicher Modelle wie GPT-4 erfordert einen enormen Energieaufwand. Das Training von GPT-3 verbrauchte schätzungsweise 1.287 Megawattstunden, während GPT-4 wahrscheinlich das Fünfzigfache dieser Menge benötigte.

Obwohl das Training energieintensiv ist, macht die operative Inferenz in der Regel über 80 % des gesamten Energieverbrauchs der KI aus. Eine einzelne ChatGPT-Abfrage verbraucht etwa zehnmal mehr Energie als eine normale Google-Suche (etwa 2,9 Wh gegenüber 0,3 Wh).

Der Boom der generativen KI treibt weltweit den Bau immer leistungsfähigerer – und damit energieintensiverer – Rechenzentren voran.

Ausgleich zwischen dem Energiebedarf der KI und den Bedürfnissen der Menschen

Dies stellt die grundlegende Herausforderung dar: Können die globalen Energiesysteme diesen neuen Bedarf decken und gleichzeitig die bestehenden Dienstleistungen aufrechterhalten? Unser derzeitiger Energiemix kombiniert fossile Brennstoffe, Kernkraft und erneuerbare Energien. Um das Wachstum der KI aufrechtzuerhalten, ist eine rasche Erweiterung und Diversifizierung der Energieerzeugungskapazitäten erforderlich.

Erneuerbare Energiequellen – Solar-, Wind-, Wasser- und Geothermie – sind ein wesentlicher Bestandteil der Lösung. In den Vereinigten Staaten soll der Anteil erneuerbarer Energien an der Stromerzeugung von 23 % im Jahr 2024 auf 27 % im Jahr 2026 steigen.

Technologieunternehmen gehen erhebliche Verpflichtungen ein: Microsoft plant, zwischen 2026 und 2030 10,5 GW erneuerbare Energie speziell für Rechenzentren zu beschaffen. Die KI-Technologie selbst könnte die Nutzung erneuerbarer Energien optimieren und durch verbessertes Speichermanagement und Netzoptimierung den Energieverbrauch in bestimmten Anwendungen um bis zu 60 % senken.

Erneuerbare Energien stehen jedoch vor einigen Herausforderungen. Die intermittierende Erzeugung aus Solar- und Windenergie wirft Fragen hinsichtlich der Zuverlässigkeit für Rechenzentren auf, die einen kontinuierlichen Betrieb erfordern. Aktuelle Energiespeicherlösungen sind nach wie vor teuer und platzintensiv. Die Integration groß angelegter Projekte im Bereich erneuerbare Energien in die bestehende Netzinfrastruktur ist zudem mit logistischen und regulatorischen Komplexitäten verbunden.

Kernenergie gewinnt als stabile, kohlenstoffarme Lösung für den erheblichen Energiebedarf der KI zunehmend an Bedeutung. Ihre kontinuierliche Stromerzeugung passt perfekt zu den betrieblichen Anforderungen von Rechenzentren. Kleine modulare Reaktoren (SMR) sind aufgrund ihrer verbesserten Sicherheitsmerkmale und Flexibilität beim Einsatz besonders interessant. Große Technologieunternehmen wie Microsoft, Amazon und Google prüfen derzeit aktiv Optionen im Bereich der Kernenergie.

Matt Garman, CEO von AWS, bezeichnete die Kernenergie kürzlich in einem BBC-Interview als „hervorragende Lösung” für Rechenzentren und charakterisierte sie als „eine hervorragende Quelle für CO2-freien Strom, der rund um die Uhr verfügbar ist”. Er betonte, dass die langfristige Energieplanung ein grundlegender Aspekt des Betriebs von AWS sei.

„Wir planen viele Jahre im Voraus”, erklärte Garman. „Wir tätigen zukunftsorientierte Investitionen. Ich glaube, dass die Welt neue Technologien entwickeln muss, wobei die Kernenergie eine wichtige Komponente darstellt, insbesondere wenn man einen Zeithorizont von zehn Jahren betrachtet.”

Die Kernenergie birgt jedoch auch Herausforderungen. Der Bau neuer Reaktoren ist mit langen Zeiträumen, erheblichen Kosten und komplexen regulatorischen Anforderungen verbunden. Trotz moderner Sicherheitsfortschritte wird die öffentliche Wahrnehmung nach wie vor von historischen Vorfällen beeinflusst.

Das rasante Entwicklungstempo der KI führt zu einer zeitlichen Diskrepanz mit dem Ausbau der nuklearen Infrastruktur, was die kurzfristige Abhängigkeit von fossilen Brennstoffen potenziell erhöhen könnte. Die Konzentration von Rechenzentren in der Nähe von Kernkraftwerken wirft auch Bedenken hinsichtlich der regionalen Strompreise und der Netzzuverlässigkeit für andere Verbraucher auf.

Über den Stromverbrauch hinaus: Die umfassenderen Auswirkungen der KI auf die Umwelt

Die Auswirkungen der KI auf die Umwelt gehen weit über den Stromverbrauch hinaus. Kühlsysteme von Rechenzentren verbrauchen enorme Mengen an Wasser, wobei durchschnittliche Anlagen etwa 1,7 Liter pro Kilowattstunde verbrauchte Energie verbrauchen.

Im Jahr 2022 verbrauchten die Rechenzentren von Google Berichten zufolge etwa 5 Milliarden Gallonen Frischwasser – ein Anstieg von 20 % gegenüber dem Vorjahr. Einige Schätzungen gehen davon aus, dass Rechenzentren für den Kühlbetrieb bis zu zwei Liter Wasser pro kWh benötigen. Anders ausgedrückt: Die globale KI-Infrastruktur könnte bald sechsmal mehr Wasser verbrauchen als Dänemark insgesamt.

Elektronikschrott ist ein weiteres wachsendes Problem. Die rasante Entwicklung der KI-Hardware – insbesondere von Spezialkomponenten wie GPUs und TPUs – beschleunigt die Veralterung der Geräte. Bis 2030 könnte der KI-bezogene Elektronikschrott aus Rechenzentren jährlich fünf Millionen Tonnen erreichen.

Die Herstellung von KI-Chips und Komponenten für Rechenzentren hat ebenfalls Auswirkungen auf die Umwelt, da dafür wichtige Mineralien wie Lithium und Kobalt mit oft umweltschädlichen Methoden gewonnen werden müssen.

Die Herstellung eines einzigen KI-Chips kann über 1.400 Liter Wasser und 3.000 kWh Strom verbrauchen. Die Nachfrage nach fortschrittlicher Hardware treibt den Ausbau von Halbleiterfabriken voran, der häufig mit dem Bau neuer Erdgaskraftwerke einhergeht.

Die CO2-Emissionen bleiben ein großes Problem. Wenn KI mit Strom aus fossilen Brennstoffen betrieben wird, trägt sie direkt zum Klimawandel bei. Das Training eines großen KI-Modells kann CO2-Emissionen verursachen, die denen von Hunderten von US-Haushalten pro Jahr entsprechen.

Nachhaltigkeitsberichte von Unternehmen belegen den wachsenden CO2-Ausstoß der KI. Die Emissionen von Microsoft stiegen zwischen 2020 und 2023 um etwa 40 %, was vor allem auf den Bau von KI-Rechenzentren zurückzuführen ist. Google meldete einen Anstieg der Treibhausgasemissionen um fast 50 % über einen Zeitraum von fünf Jahren und führte einen Großteil dieses Anstiegs auf den Strombedarf der KI-Infrastruktur zurück.

Mögliche Lösungen durch technologische Innovationen

Trotz besorgniserregender Trends bieten mehrere Innovationswege potenzielle Strategien zur Eindämmung.

Die Entwicklung energieeffizienterer KI-Algorithmen ist ein wichtiger Schwerpunktbereich. Zu den Forschungsfortschritten gehören Techniken wie Model Pruning (Entfernen redundanter Komponenten neuronaler Netze), Quantisierung (Verwendung von Berechnungen mit geringerer Genauigkeit zur Reduzierung des Energiebedarfs) und Knowledge Distillation (Training kompakter Modelle unter Verwendung größerer Modellausgaben). Die Erstellung kleinerer, spezialisierter Modelle für bestimmte Aufgaben reduziert ebenfalls den Stromverbrauch.

In Rechenzentren können Strategien wie Power Capping (Begrenzung der maximalen Leistungsaufnahme der Hardware) und dynamische Ressourcenzuweisung (Anpassung der Rechenressourcen an den aktuellen Bedarf und die Verfügbarkeit erneuerbarer Energien) die Effizienz erheblich verbessern. KI-fähige Planungssoftware kann nicht kritische Berechnungen auf Zeiten verschieben, in denen sauberere Energie verfügbar ist oder die Netzlast geringer ist. KI-Systeme können auch die Kühleffizienz von Rechenzentren optimieren.

Die KI-Verarbeitung auf dem Gerät selbst bietet einen weiteren Ansatz zur Energieeinsparung. Anstatt Daten an energieintensive Cloud-Rechenzentren zu übertragen, erfolgt die Berechnung lokal auf Smartphones oder Edge-Geräten. Dieser Ansatz kann den Energieverbrauch erheblich senken, da spezialisierte Chips Effizienz vor roher Leistung priorisieren.

Regulatorische Rahmenbedingungen gewinnen zunehmend an Bedeutung. Regierungen beginnen, die Notwendigkeit einer Rechenschaftspflicht hinsichtlich des Energieverbrauchs und der Umweltauswirkungen von KI zu erkennen.

Die Festlegung standardisierter Mess- und Berichtsmethoden für den ökologischen Fußabdruck von KI ist ein wichtiger erster Schritt. Politische Anreize für die Entwicklung langlebiger, recycelbarer Hardware können dazu beitragen, Probleme im Zusammenhang mit Elektroschrott zu lösen. Energie-Kredithandelssysteme könnten finanzielle Anreize für die Einführung umweltfreundlicherer KI-Technologien schaffen.

Jüngste Entwicklungen unterstreichen die globale Relevanz dieser Themen. Die Vereinigten Arabischen Emirate und die Vereinigten Staaten haben kürzlich vereinbart, den größten KI-Campus außerhalb des US-Territoriums in der Golfregion zu errichten. Dieses Projekt zeigt nicht nur die wachsende internationale Bedeutung der KI, sondern unterstreicht auch, warum Energie- und Umweltaspekte bei der Planung groß angelegter KI-Infrastrukturen Vorrang haben müssen.

Einen nachhaltigen Weg für die KI-Entwicklung einschlagen

Künstliche Intelligenz birgt ein enormes Potenzial für positive Veränderungen, aber ihr erheblicher Energiebedarf stellt ein ernstes Hindernis dar. Prognosen, die einen Energieverbrauch in Höhe des nationalen Verbrauchs erwarten lassen, sind in der Tat alarmierend.

Um diesen Bedarf zu decken, ist eine diversifizierte Energiestrategie erforderlich. Erneuerbare Energiequellen bieten ein hervorragendes langfristiges Potenzial, stoßen jedoch an Grenzen hinsichtlich ihrer Beständigkeit und Skalierbarkeit. Kernenergie – einschließlich neuer SMR-Technologien – bietet zuverlässige, kohlenstoffarme Alternativen, die großes Interesse in der Technologiebranche wecken, auch wenn Herausforderungen in Bezug auf Sicherheit, Kosten und Bauzeitplan bestehen bleiben.

Eine umfassende Umweltbewertung muss über den Stromverbrauch hinausgehen und auch den Wasserverbrauch für die Kühlung, die Entstehung von Elektronikschrott im Zusammenhang mit der Hardware und die Ressourcennutzung während der Herstellung berücksichtigen. Um den gesamten ökologischen Fußabdruck der KI zu erfassen, ist eine ganzheitliche Bewertung erforderlich.

Glücklicherweise sind zahlreiche vielversprechende Entwicklungen im Gange.

Energieeffiziente Algorithmen, intelligentes Energiemanagement in Rechenzentren, Workload-bewusste Planungssoftware und dezentrale KI-Verarbeitung tragen alle zur Reduzierung des Energieverbrauchs bei. Das wachsende Bewusstsein für die Umweltauswirkungen der KI regt politische Diskussionen an, die sich auf nachhaltige Entwicklung konzentrieren.

Die Bewältigung der energie- und umweltbezogenen Herausforderungen der KI erfordert koordinierte Anstrengungen von Forschungseinrichtungen, Technologieunternehmen und politischen Entscheidungsträgern mit angemessener Dringlichkeit.

Indem wir der Energieeffizienz in der KI-Entwicklung Priorität einräumen, in nachhaltige Energieinfrastrukturen investieren, ein verantwortungsbewusstes Hardware-Lebenszyklusmanagement implementieren und unterstützende politische Rahmenbedingungen schaffen, können wir daran arbeiten, das transformative Potenzial der KI zu verwirklichen, ohne die Gesundheit unseres Planeten zu gefährden.

Der Wettbewerb um die Führungsrolle im Bereich KI muss gleichzeitig zu einem Wettlauf um die nachhaltige Umsetzung von KI werden.

Siehe auch: KI-Tool beschleunigt Rückmeldungen der Regierung, Experten mahnen zur Vorsicht

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Die umfassende Veranstaltung findet zusammen mit anderen führenden Veranstaltungen statt, darunter die Intelligent Automation Conference, BlockX, Digital Transformation Week und Cyber Security & Cloud Expo.

Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie, die von TechForge angeboten werden.