Eine aktuelle Studie deutet darauf hin, dass der Einsatz von künstlicher Intelligenz in den USA zu einem signifikanten Anstieg der Kohlenstoffemissionen führen könnte.
Diese in
Environmental Research Letters veröffentlichte Forschung bietet eine Abschätzung der Kohlenstoffauswirkungen, die mit der Verbreitung von KI verbunden sind. Die Autoren bewerteten, wie eine weit verbreitete Einführung den Strombedarf und die Kohlendioxidemissionen des Landes verändern würde.
Illustrationsbild Unsplash
Den Berechnungen zufolge würde eine massive Durchdringung mit KI der Atmosphäre jährlich etwa 900.000 Tonnen CO
2 hinzufügen. Dieser Beitrag ist zwar signifikant, bleibt aber im Vergleich zum US-Gesamtausstoß moderat: ein messbarer, aber begrenzter Effekt.
Was den Energiebedarf betrifft, würde die Ausweitung dieser Technologien bis zu 12 Petajoule zusätzlichen Strom pro Jahr erfordern. Eine solche Menge entspricht dem Jahresverbrauch von etwa 300.000 amerikanischen Haushalten.
Anthony R. Harding, Mitautor der Studie, stellt fest, dass diese prognostizierten Emissionen im Vergleich zu anderen Wirtschaftstätigkeiten zwar begrenzt sind, aber dennoch real. Er befürwortet, bereits jetzt Energieeffizienzmaßnahmen in den Entwurf und die Einführung von KI-Systemen zu integrieren.
Zu den in Betracht gezogenen Ansätzen gehören die Optimierung von Algorithmen und die Nutzung sauberer Energiequellen, um den Kohlenstoff-Fußabdruck einzudämmen.
Die rasche Entwicklung dieser Werkzeuge stellt dennoch Energiefragen für die kommenden Jahrzehnte. Gezielte Verbesserungen der Infrastruktur und der Software könnten es ermöglichen, die ökologischen Auswirkungen zu begrenzen und gleichzeitig die kontinuierliche Entwicklung der KI zu fördern.
Der energieintensive Betrieb von Rechenzentren
Rechenzentren bilden das operationelle Herzstück der künstlichen Intelligenz und beherbergen die Server für rechenintensive Aufgaben. Ihr Betrieb verbraucht große Mengen an Strom, hauptsächlich für die Stromversorgung der Prozessoren und die Aufrechterhaltung einer angemessenen Kühlung.
Mit dem Aufschwung der KI steigt der Bedarf an Rechenleistung, was den Bau neuer Anlagen fördert. Dies führt zu einem Anstieg des Energieverbrauchs, oft aus fossilen Quellen, und zu einem Anstieg der Treibhausgasemissionen.
Ingenieure arbeiten am Entwurf von Algorithmen und Hardware, die weniger energieintensiv sind. Beispielsweise ermöglichen Methoden zur Modellkomprimierung eine Reduzierung der benötigten Rechenleistung, ohne die Ergebnisse wesentlich zu beeinträchtigen, wodurch die Systeme insgesamt sparsamer werden.
Der Einsatz spezialisierter Prozessoren wie Tensor Processing Units liefert eine bessere Leistung pro verbrauchtem Watt. Diese Hardware-Entwicklungen tragen ebenfalls zur Optimierung der Energieeffizienz bei.
Quelle: Environmental Research Letters