Generative KI: Die Nachhaltigkeitsprobleme erklärt

GenAI, Large Language Models und Energiebedarf

Wie bei vielen anderen Arten von künstlicher Intelligenz ist auch bei GenAI der hohe Energiebedarf ein großes Umweltproblem. In der Tat haben Forscher Bedenken über die Auswirkungen von KI auf die Umwelt geäußert. Aber sie haben GenAI besonders hervorgehoben, weil hier der Energiebedarf noch höher ist als bei anderen Arten intelligenter Technologien. Um zu verstehen, warum generative KI besonders rechenintensiv ist, ist es wichtig zu verstehen, wie sie funktioniert.

Generative KI ist eine Art von künstlicher Intelligenz, die darauf ausgelegt ist, Inhalte wie Text, Bilder, Video, Audio und Computercode zu erstellen oder zu generieren. GenAI-Systeme verfügen über große statistische Modelle und werden mit riesigen Datensätzen trainiert. Die Modelle sagen den Systemen, wie sie Daten analysieren müssen, um Muster zu finden, während die KI durch das Training die Informationen lernt, die sie benötigt, um Inhalte zu produzieren, wenn sie dazu aufgefordert wird.

Die Inferenz erfolgt, wenn die trainierten KI-Systeme ihre Arbeit aufnehmen und das Gelernte nutzen, um neue Daten zu analysieren und Inhalte zu generieren oder Ergebnisse als Reaktion auf die Anfrage eines Benutzers oder die Eingabe von Informationen vorherzusagen.

Aus ökologischer Sicht erfordern sowohl das Training als auch die Schlussfolgerungen eine beträchtliche Rechenleistung, für deren Betrieb wiederum erhebliche Mengen an Strom benötigt werden. Je größer die Modelle, die Trainingsdaten und die Parameter werden, desto mehr Rechenleistung ist erforderlich und desto mehr Strom wird benötigt.

In den letzten Jahren lag das Hauptaugenmerk der Anbieter von GenAI auf der Steigerung der Leistung und der Genauigkeit der Systeme. Wenn Anbieter die Genauigkeit von KI-Modellen steigern, erhöhen sie die Parameter oder die Größe der Modelle; das bedeutet mehr Zeit für den Computerbetrieb und mehr Energie. Die ineffiziente Ressourcennutzung von GenAI verschärft das Problem noch weiter.

Die Kohlenstoffemissionen von GenAI und großen Modellen

Die Rechenarbeit zur Ausführung von generativen KI-Modellen wie ChatGPT, Bard und Claude findet in großen Cloud-Computing-Rechenzentren statt.

Cloud-Computing-Unternehmen haben sich in den letzten Jahren darauf konzentriert, ihre Rechenzentren nachhaltiger zu gestalten, indem sie mehr erneuerbare Energiequellen nutzen und ihre Einrichtungen in einem für den Betrieb optimalen Klima ansiedeln. Dennoch hinterlässt das Cloud Computing immer noch einen beträchtlichen ökologischen Fußabdruck: Die International Energy Association schätzt, dass Rechenzentren im Jahr 2020 für 1 Prozent der energiebezogenen globalen Treibhausgasemissionen und etwa 300 Tonnen Kohlendioxidäquivalent verantwortlich waren.

Und diese Zahl wächst schnell, da sich die Gesellschaft zunehmend auf digitale Technologien verlässt. Inzwischen haben einige Forscher den Kohlenstoff-Fußabdruck typischer KI-Trainingsmodelle berechnet. Das Training eines einzigen KI-Modells kann 283.949 Kilo Kohlendioxid-Äquivalent ausstoßen, so eine 2019 veröffentlichte Studie Energy and policy considerations for deep learning in NLP der University of Massachusetts, Amherst. Diese Zahl entspricht fast dem Fünffachen der Lebenszeitemissionen eines durchschnittlichen amerikanischen Autos.

GenAI: Die Technologie will mehr

Die generative KI wird nicht nur mit ihrem Kohlenstoff-Fußabdruck, sondern auch mit anderen Umweltproblemen in Verbindung gebracht. Die Technologie erfordert mehr Hardware als andere Arten der Datenverarbeitung. Außerdem wird diese Hardware schneller ausgetauscht, was bedeutet, dass der Austauschzyklus ebenfalls intensiver ist als bei anderen Arten von Computern.

Diese Hardwareanforderungen kommen zu einem Herstellungsprozess hinzu, der die Umwelt bereits belastet. Für die erforderliche Hardware werden seltene Erden benötigt, die abgebaut und transportiert werden müssen. Mehr Elektroschrott ist ebenso ein Nebenprodukt der generativen KI, denn die verkürzte Lebensdauer von Geräten, die in der generativen KI verwendet werden, trägt zu der weltweit wachsenden Menge an Elektroschrott bei.

Unternehmen leisten derzeit keine gute Arbeit beim Recycling von Computerchips und -elementen oder bei der Rücknahme von Kupfer. Das ist ein Problem, das heute allgegenwärtig ist, und es wird auch weiterhin ein allgegenwärtiges Problem sein, wenn es nicht adressiert wird.

Warum Unternehmen die Probleme der generativen KI übersehen

Die Angst, ökonomisch abgehängt zu werden, hat dazu geführt, dass Führungskräfte aus Wirtschaft und Technik sich beeilen, Wege zu finden, ChatGPT und andere generative KI-Tools zu nutzen. Nur wenige machen sich Gedanken über deren Nachhaltigkeit und Umweltauswirkungen.

Für Führungskräfte, die an der Nutzung von GenAI interessiert sind, scheint die Nachhaltigkeit nicht die größte Sorge zu sein. Auf einer allgemeinen Ebene sind sie in erster Linie daran interessiert, die Technologie zu verstehen und wie sie sich auf ihre Branche, ihr Unternehmen und ihren Markt auswirkt. Sie untersuchen auch, wie sie die Technologie nutzen können, um ihre Produkte zu differenzieren und ihre Abläufe effizienter zu gestalten - und das alles unter Einhaltung ihrer Sicherheits- und Datenschutzstandards.

Auf einer spezifischeren Ebene ist die Vertrauenswürdigkeit wahrscheinlich das Hauptanliegen, auf das sich Unternehmensleiter konzentrieren, wenn sie Entscheidungen über generative KI-Projekte treffen. Die Geschäftsführung weiß, dass sie Probleme wie Halluzinationen und Verzerrungen lösen muss. Darüber hinaus sind die Leistung, die Zeit bis zur Einführung und die Kosten von Bedeutung, wenn es darum geht, den Business Case zu entwickeln und die Machbarkeit der Einführung zu bewerten. Es wird jedoch erwartet, dass Nachhaltigkeit in Zukunft einen größeren Einfluss auf die Entscheidungsfindung von Unternehmen haben wird. In dem Maße, in dem das Interesse an Nachhaltigkeit wächst, könnte auch die Aufmerksamkeit für die Umweltauswirkungen von generativer KI zunehmen.

Einige Entwickler nehmen Schätzungen zum Kohlenstoffausstoß in die Modellkarten auf, die Dateien, die den KI-Modellen beigefügt werden und deren Verwendungszweck, Einschränkungen, Bewertung und Parameter erklären. So ist beispielsweise die Modellkartenvorlage des Open-Source-Projekts HuggingFace auf der Softwareentwicklungsplattform GitHub verfügbar. Die ACM-eigenen Richtlinien für die Entwicklung, den Einsatz und die Nutzung von GenAI unterstreichen die zunehmende Aufmerksamkeit, die dem Thema Nachhaltigkeit geschenkt wird.

Dennoch ist es schwierig, die tatsächlichen Umweltauswirkungen generativer KI zu ermitteln, da die meisten Unternehmen für generative KI wie das populäre OpenAI Informationen über den Stromverbrauch, benötigte Spezialchips und andere Ressourcen unter Verschluss halten, obwohl Forscher daran arbeiten, Schätzungen anhand der Informationen vorzunehmen, die sie sammeln können.

Die steigende Nachfrage nach KI-Chips ist zum Beispiel eine Grundlage für die etwas konservative Vorhersage, dass KI-Server bis 2027 jährlich zwischen 85 und 134 Terawattstunden verbrauchen könnten – eine Zahl, die fast so hoch ist wie der jährliche Verbrauch Argentiniens, so eine neue Studie mit dem Titel The growing energy footprint of artificial intelligence.

Ist generative KI nachhaltig? Erfahren Sie mehr über die Umweltauswirkungen

Tipps zur Verringerung der Umweltbelastung durch GenAI

Branchenexperten und Organisationen schenken dem Thema Technologie und Klimawandel immer mehr Aufmerksamkeit. Es lohnt sich also, neue Forschungsergebnisse zu verfolgen und darüber nachzudenken, wie sich die negativen Umweltauswirkungen der Entwicklung von KI-Modellen verringern lassen.

Unternehmen und Technologieakteure können die folgenden Tipps beachten, um umweltfreundlichere generative KI zu entwickeln:

• Wählen Sie erneuerbare Energien. Nutzen Sie Anbieter, die ihren Strom so weit wie möglich aus erneuerbaren Quellen beziehen.
• Wählen Sie bestehende Modelle. Verwenden Sie, wenn möglich, vorhandene generative Modelle und passen Sie sie an die jeweiligen Anforderungen an, anstatt völlig neue Modelle zu erstellen.
• Nicht übertrainieren. Vermeiden Sie ein Übertrainieren von KI-Modellen und verwenden Sie nur die Daten, die zur Erfüllung der Anforderungen des Anwendungsfalls erforderlich sind. Nicht alle Anwendungsfälle erfordern den gleichen Genauigkeitsgrad der Modelle, so dass sich ein Training auf den höchstmöglichen Genauigkeitsgrad, wenn er nicht erforderlich ist, möglicherweise nicht lohnt.
• Denken Sie klein. Wählen Sie stattdessen die richtige Größe der benötigten Modelle und verwenden Sie die kleinstmöglichen Modelle, da diese am energieeffizientesten sind.
• Sparen Sie Energie. Verwenden Sie energiesparende Berechnungsmethoden.
• Studieren Sie Modellkarten. Verwenden Sie Modellkarten als Entscheidungshilfe und beziehen Sie den Kohlenstoff-Fußabdruck Ihrer KI-Aktivitäten in das Kohlenstoff-Überwachungsprogramm des Unternehmens ein.
• Hinterfragen Sie, ob das Projekt wirklich GenAI benötigt. Seien Sie selektiv beim Einsatz von GenAI und entscheiden Sie sich für weniger energieintensive Lösungen, wenn es angebracht ist.

GenAI zur Unterstützung der Nachhaltigkeit

Die größtenteils negativen Umweltauswirkungen der generativen KI könnten sich verringern, wenn die Technologie immer ausgereifter und effizienter wird. Technologie- und Designfortschritte könnten dazu beitragen, dass GenAI umweltfreundlicher wird. Im Allgemeinen berücksichtigen Vorhersagen darüber, wie sich GenAI auf die Umwelt auswirken wird, diese Fortschritte nicht.

Elektronik mit geringem Stromverbrauch, auf Effizienz ausgelegte Systeme, eine effizientere Nutzung von Rechenressourcen, auf Effizienz ausgelegter Computercode und energieeffizientere Computerchips könnten dazu beitragen, die Umweltauswirkungen der generativen KI zu verringern. Generative KI könnte sogar zur Förderung von Nachhaltigkeit und ESG-Bemühungen eingesetzt werden.

Bestimmte Anwendungen von GenAI haben das Potenzial, umweltfreundlichere Prozesse zu schaffen. Solche Anwendungen könnten die Umweltauswirkungen der Technologie ausgleichen. Die Technologie kann Unternehmen beispielsweise dabei helfen, ihren CO2-Fußabdruck und andere Umweltauswirkungen zu berechnen, die Entwicklung von Strategien zur Verringerung der Auswirkungen zu unterstützen und Design- und Produktionsprozesse mit geringeren Umweltauswirkungen zu entwickeln. Vor allem mittelständische Unternehmen können davon profitieren, da sie in der Regel nicht über die Ressourcen verfügen, um diese Umweltprobleme in dem Maße anzugehen, wie es größere Unternehmen tun.