Massiver Verbrauch an Energie, Wasser, elektronischen Bauteilen … Generative künstliche Intelligenzen wie chatgpt oder midjourney könnten potenzielle Umweltbomben sein. Doch ihre Wirkung bleibt weitgehend geheim.

Geben Sie einfach ein paar Wörter ein und ChatGPT kann im Handumdrehen einen ganzen Roman oder ein Videospiel für Sie erstellen. Doch hinter diesem scheinbaren Zaubertrick verbirgt sich eine riesige und äußerst ressourcenintensive Maschinerie. Energie, Wasser, Metalle: Von ihrem Design bis zu ihrer Nutzung macht jede Phase des Lebenszyklus dieser generativen KI sie zu potenziellen Energie- und natürlichen Ressourcensenken.

„Die Leute ahnen nicht unbedingt, dass KI Auswirkungen auf die Umwelt haben kann“, erkennt Sasha Luccioni von Tech&Co, Forscherin und Klimamanagerin bei Hugging Face, einer zentralen Plattform in der aktuellen Entwicklung von KI. „Man sieht keine physische Maschine, sie befindet sich in der Cloud … Aber es gibt Konsequenzen.“

Erhebliche Emissionen

Das Problem entsteht bereits in der Entwurfsphase. Vor dem Einsatz dieser Programme müssen sie durch die Analyse mehrerer Milliarden Beispiele (Texte, Bilder etc.) geschult werden. Die größten Modelle betreiben Millionen von Stunden lang Tausende von Grafikkarten, die in Rechenzentren gestapelt sind.

Was einen erheblichen Energieverbrauch bedeutet: Der Antrieb von GPT-3 (dem Vorgänger von ChatGPT) verbrauchte fast 1300 MWh, nach einer Schätzung. Diese Phase hätte somit den Ausstoß von 550 Tonnen CO2-Äquivalenten in die Atmosphäre verursacht.

Dies ist jedoch nicht der einzige energieintensive Moment. „Wie ein Fernseher, den wir auf Standby lassen, verbrauchen Rechenzentren Energie, auch wenn sie nicht für Schulungen genutzt werden“, fasst Tech&Co Sasha Luccioni zusammen, die daran teilgenommen hat Schätzen Sie Blooms Energieverbrauchein anderes Sprachmodell.

Blooms Antrieb hätte also mehr als 433 MWh Strom verbraucht, man muss aber noch 256 MWh hinzufügen, um diese Komponenten außerhalb der Antriebsphasen einfach in Bereitschaft zu halten. Und die CO2-Auswirkungen einer KI könnten noch unverhältnismäßiger ausfallen, wenn der verwendete Strom aus fossilen Quellen wie Kohle oder Gas und nicht aus erneuerbaren Quellen oder Kernkraft gewonnen würde.

Auswirkungen noch sehr geheim

Generative KIs sind nicht nur energieintensiv, sie benötigen auch viel Wasser und strategische Metalle. Wasser ist für die Kühlung der Rechenzentren, die für das Training und den Betrieb des Modells verwendet werden, unerlässlich, so dass das Training von GPT-3 einer Schätzung Dritter zufolge 700.000 Liter Wasser verbraucht hätte.

Und um die Tausenden von Grafikkarten herzustellen, die sich in denselben Rechenzentren stapeln und unermüdlich rechnen, ist der Einsatz einer großen Menge an aus der Erde gewonnenen Metallen notwendig – und wiederum viel Wasser und Strom.

Aber wie viel genau? „Das ist extrem schwer einzuschätzen“, beklagt Sasha Luccioni. Erstens, weil jede generative KI anders konzipiert ist. Vor allem aber, weil diese Daten in einen dichten Schleier des Mysteriums gehüllt sind.

„Die meisten Unternehmen, die diese Modelle erstellen, gehen nicht ins Detail“, bedauert der Forscher.

OpenAI hat beispielsweise keine Auswirkungsstudie zu seinen neuesten Sprachmodellen veröffentlicht, die die am weitesten verbreiteten weltweit sind. Und diejenigen, die dies tun, sind nicht unbedingt miteinander vergleichbar: Einige Wirkungsstudien betrachten nur den Stromverbrauch der Trainingsphase, während andere versuchen, alle Phasen bis hin zum Design elektronischer Komponenten zu berücksichtigen – aber auch hier gilt: Die Auswirkungen all dieser Teile werden nicht unbedingt öffentlich gemacht, was komplexe Schätzungen erforderlich macht.

Eines ist sicher: Seit ihrer Öffnung für die breite Öffentlichkeit und der explosionsartigen Verbreitung ihrer Nutzungen sind die Umweltauswirkungen generativer KI explosionsartig gestiegen. „Angesichts des Umfangs der ChatGPT-Bereitstellung ist die Nutzungsphase eindeutig die aufwändigste geworden“, bemerkt Sasha Luccioni. „Man muss mehrere Kopien des Modells parallel ausführen, um mit der Nachfrage Schritt zu halten“, fügt sie hinzu.

Und der Trend ist nicht beruhigend. „Wir wollen generative KI überall einsetzen, immer größere Modelle erstellen … Unternehmen nutzen sie als Kommunikationsargument“, sagt Sasha Luccioni. Genug, um generative KIs zu echten Energielücken zu machen.

„Sie müssen nicht mit Ihrem Kühlschrank reden“

Ist es möglich, diese Auswirkungen zu reduzieren? „Es gibt viele technische Möglichkeiten: zum Beispiel die Effizienz der Modelle zu verbessern, um mit weniger Rechenleistung die gleichen Ergebnisse zu erzielen“, schlägt Sasha Luccioni vor. Optimierung der Datenerfassung oder -speicherung, Inferenz, Kühlung des Rechenzentrums, der verwendeten Energiequellen … Es gibt viele Möglichkeiten.

Eine Studie eines google-Teams schätzt beispielsweise, dass durch die Anwendung der meisten dieser Maßnahmen die Kohlenstoffauswirkungen eines Sprachmodells um den Faktor 1000 geteilt werden könnten (diese Studie berücksichtigt jedoch nicht die Auswirkungen der Komponentenherstellung oder der Nutzungsphase). Zu diesem Thema befragt, schreibt ChatGPT, dass OpenAI sich verpflichtet hat, bis 2025 CO2-Neutralität bei seinem Stromverbrauch zu erreichen.

Aber werden diese möglichen Verbesserungen ausreichen, um die aktuelle Explosion der Zahl generativer Modelle, ihrer Größe und ihrer Verwendung auszugleichen? Für Sasha Luccioni wäre eine der einfachsten Lösungen immer noch, den Nutzen dieser Technologien in Frage zu stellen.

„Unternehmen wollen KI überall einsetzen, weil sie ‚cool‘ ist, aber wir brauchen nicht alles, was ‚smart‘ und ‚vernetzt‘ ist“, glaubt der Forscher.

„Ich würde eine KI bevorzugen, die die Krebsdiagnostik verbessern würde, statt einer generativen KI, die es mir ermöglicht, mit meinem Kühlschrank oder meiner Suchmaschine zu sprechen.“ Abschließend fordert sie mehr Transparenz: „In jedem anderen Sektor müssen wir, wenn wir ein Produkt entwickeln, das eine Wirkung haben wird, Informationen über seinen Wirkungsgrad, seinen Energieverbrauch … bereitstellen, wenn wir verstehen, wie energieintensiv diese Modelle sind.“ , es wird dazu beitragen, das Bewusstsein zu schärfen.“