Klimabilanz: Energiehunger der Künstlichen Intelligenz ist unersättlich

Eigentlich soll Künstliche Intelligenz das Leben der Menschen erleichtern. Doch der große Stromhunger macht KI auch zum potenziellen Klima-Killer - wenn nicht mehr grüne Energie verwendet wird.

Entwickelt sich die Künstliche Intelligenz mit ihrem unersättlichen Energiehunger zum großen Klimakiller? Der Energieverbrauch von Rechenzentren für KI-Anwendungen und andere Digitalisierungsprojekte wird in Europa jedenfalls bis zum Jahr 2030 stark ansteigen - und kann wohl nicht allein aus erneuerbaren Quellen gedeckt werden. Nach einer Studie von McKinsey wird sich der Strombedarf in diesem Zeitraum voraussichtlich auf mehr als 150 Terawattstunden bis 2030 fast verdreifachen. "Das macht rund fünf Prozent des gesamten europäischen Stromverbrauchs aus", sagte Diego Hernandez Diaz, Partner bei McKinsey & Company, der dpa. Bislang seien es nur zwei Prozent.

KI verhagelt Klimabilanz der Tech-Konzerne

Der steigende Strombedarf von KI könnte den Klimawandel beschleunigen, wenn er nicht durch erneuerbare Energien gedeckt werde, heißt es in der McKinsey-Studie. Derzeit stamme ein Großteil des Stroms für Rechenzentren noch aus fossilen Brennstoffen, obwohl sich viele große Rechenzentrumsbetreiber - darunter auch Branchenriesen wie Amazon (AWS), Microsoft und Google - verpflichtet haben, ihre Anlagen mit erneuerbaren Energien zu betreiben.

Zuletzt mussten die Tech-Riesen nämlich einräumen, dass der KI-Boom zu einem deutlichen Anstieg ihrer Treibhausgasemissionen geführt hat. Im jüngsten Google-Umweltbericht hieß es im vergangenen Juli, der Ausstoß sei allein im vergangenen Jahr um 13 Prozent auf über 14,3 Millionen Tonnen Kohlendioxid gestiegen, "ausgelöst vornehmlich durch den gestiegenen Energieverbrauch von Rechenzentren und Emissionen in der Lieferkette".

Warum ist KI ein Stromfresser?

Die Ursachen des großen Stromhungers kann man exemplarisch an der technischen Ausstattung eines neuen KI-Rechenzentrums sehen, das vom Elon-Musk-Unternehmen xAI im Sommer eröffnet wurde. Die Anlage nutzt 100.000 der neusten Spezialchips (sogenannte H100 GPUs von Nvidia) gleichzeitig, wie Musk auf X stolz verkündete. 

"Jeder dieser Nvidia-Prozessoren hat eine Leistung von 700 Watt, was ungefähr der Leistung eines modernen, energieeffizienten Backofens entspricht", sagt Ralf Herbrich, Leiter des Fachgebiets "Künstliche Intelligenz und Nachhaltigkeit" am Hasso-Plattner-Institut (HPI) in Potsdam. Wenn dieses Rechenzentrum ein Modell trainiere, brauche es 70 Megawatt allein für die Berechnungen. "Rechnet man den Energieverbrauch für die Netzwerkübertragung der Daten hinzu, verdoppelt sich das noch einmal. Das entspricht der Energieleistung von 25 Windkrafträdern."

Weltweit summiert sich das: Herbrich schätzt, dass global die Rechenzentren vier bis fünf Prozent des Energieverbrauchs ausmachen. "Nimmt man die Nutzung digitaler Technologien wie Laptops und Smartphones dazu, sind acht Prozent des weltweiten Energieverbrauchs erreicht." Ein enormer Anteil dieser Energie gehe in das Training von KI-Modelle.

Ein KI-Bild wie eine halbe Handyladung

Wenn man sich Texte und Bilder mit modernen KI-Modellen erstellen lässt, wird ähnlich wie beim KI-Training viel Strom verbraucht: Das Generieren eines Bildes basierend auf einer Textanfrage verbraucht nach Berechnungen des Experten so viel Energie wie eine halbe Handyladung. "Selbst wenn KI-Modelle zukünftig weniger trainiert werden, wird die Vorhersage mit diesen Modellen den Energieverbrauch stetig steigen lassen." Die Anzahl der Berechnungsschritte für die genauesten KI-Modelle habe sich seit dem Jahr 2018 bis heute fast um einen Faktor von einer Million vergrößert.

Herbrich sieht aber auch Ansätze, um den Energieverbrauch von KI-Methoden zu senken: die Anzahl der Berechnungsschritte zu verkleinern und die Energie pro Berechnungsschritt deutlich zu reduzieren. Dazu müsse man mathematisch andere Verfahren verwenden, die effizienter seien. Ein alternativer Ansatz sei, die Energieverbrauch der einzelnen Berechnungsschritte zu verringern. Wichtig sei, dass bei der Vereinfachung der Formeln die Genauigkeit der KI-Vorhersagen nur minimal sinke.

Nicht genügend sauberer Strom

Aber selbst mit energieeffizienteren Algorithmen wird der Strombedarf durch KI-Anwendungen zunehmen, weil immer mehr Menschen im Beruf und in der Freizeit Künstliche Intelligenz einsetzen. Und beim tatsächlich vorhandenen Energiemix in der Europäischen Union wird jede KI-Nutzung auch CO2-Emissionen generieren. Im Jahr 2023 wurde knapp ein Drittel des Stroms (32,5 Prozent) in der EU mit fossilen Brennstoffen produziert.

Die zunehmende Nachfrage nach sauberem Strom bringe erhebliche Herausforderungen mit sich, sagt McKinsey-Energieexperte Diaz. So seien zuverlässige Stromquellen nur begrenzt verfügbar. Außerdem gebe es Engpässe bei der Verfügbarkeit von Fachkräften. Die zusätzliche Nachfrage nach grünem Strom erfordert der Studie zufolge massive Investitionen in erneuerbare Energiequellen und den Ausbau der Strominfrastruktur, um den Strom von den Erzeugungsstandorten zu den Verbrauchern zu transportieren.

Klimaretter KI?

Für die gesamte Klimabilanz der Künstlichen Intelligenz muss man aber auch die Beiträge zum Klimaschutz und zur Anpassung an den Klimawandel berücksichtigen – zum Beispiel im Energiesektor, in der Güterproduktion, in der Land- und Forstwirtschaft oder im Katastrophenschutz. "So kann KI helfen, die Ernährungssicherheit zu steigern und Ressourcen in der Landwirtschaft und der industriellen Produktion effizienter zu nutzen, aber auch wissenschaftliche Experimente und damit die Entwicklung sauberer Technologien zu beschleunigen", erklärte Vérane Meyer, Digitalexpertin der Heinrich-Böll-Stiftung zur Vorlage des Reports "Smarte Technologie gegen den Klimawandel". 

Auch die Digitalbranche betont die Rolle der KI als Hilfe beim Klimaschutz: "Künstliche Intelligenz hat für den Klimaschutz ein riesiges Potenzial", sagt Bitkom-Hauptgeschäftsführer Bernhard Rohleder. "KI kann den Energieverbrauch von Fabriken entscheidend senken, Gebäude auf CO2-Sparkurs bringen, Lebensmittelverschwendung verringern oder in der Landwirtschaft den Einsatz von Dünger minimieren."

McKinsey-Studie