Eine Studie der University of California und der University of Texas schätzt, dass für das Training des KI-Chatbots ChatGPT-3 rund 5.4 Millionen Liter Wasser benötigt wurden. Davon wurden 700.000 Liter allein für die Kühlung der Rechenzentren verbraucht.
Der Rest wurde in der Stromerzeugung und in der Lieferkette für die Herstellung der Server verbraucht. Die Forschenden vermuten, dass bei dem Training von ChatGPT-4 noch mehr Wasser verbraucht wurde.
Klimasünde KI: Die Kühlung verbraucht am meisten Strom
Bei der Kühlung von Rechensystemen wird zwischen zwei Systemen unterschieden. Bei einem Luftkühlungssystem, das zusammen mit einer Verdunstungskühlung arbeitet, wird am meisten Wasser verbraucht, da durch die Verdunstung das Wasser für die Kühlung verloren geht. Die direkte Wasserkühlung hingegen ist ein geschlossener Wasserkreislauf. Dabei wird kaltes Wasser in Rohren direkt über die Server geleitet.
In kühleren Regionen kann auch die kalte Außenluft für die Kühlung verwendet werden. Dadurch wird nicht nur Wasser, sondern auch Strom gespart. Denn der Stromverbrauch ist die zweite Klimasünde von ChatGPT und Co.
„Innerhalb eines Rechenzentrums verbrauchen die IT-Systeme, also Server und Speicher, den Großteil an Strom. Dazu kommen Hilfssysteme, die dafür sorgen, dass die IT 24 Stunden läuft. Die Kühlung ist dabei der größte Stromverbraucher. Danach kommen dann Systeme, die bei einem Stromausfall einspringen und Systeme, die in- und außerhalb des Rechenzentrums für die nötige Verbindung sorgen. Dazu kommen noch verhältnismäßig kleine Verbräuche zum Beispiel durch Sicherheit und Beleuchtung.“
Rechenzentren verbrauchen viel Strom
Durch die zunehmende Digitalisierung, Streaming-Dienste und immer mehr KI- Anwendungen benötigen die Rechenzentren mehr Rechenleistung, wodurch der Stromverbrauch und damit die CO2-Belastungen ansteigen.
Wie hoch die Emissionen eines Rechenzentrums sind, hängt davon ab, woher der Strom kommt. Denn der Strom aus fossilen Energieträgern verursacht einen größeren ökologischen Fußabdruck als Strom aus erneuerbaren Energien.
Von 2010 bis 2022 ist der Energiebedarf der Rechenzentren in Deutschland um 70 Prozent gestiegen. Aber der Energieverbrauch steigt nicht genauso schnell an wie der Bedarf an Rechenzentren. Denn die Server werden immer effizienter und benötigen so weniger Strom. Außerdem arbeiten die Entwickler daran, dass die Technik nicht mehr so heiß wird und weniger Wasser für die Kühlung gebraucht wird.
Entlastung von Behörden als Ziel Dient KI als Antwort auf die schnellere Genehmigung von Windrädern?
Die Landesregierung will mit Hilfe von Künstlicher Intelligenz beim Ausbau der Windenergie schneller werden. Behörden sollen entlastet und Verfahren beschleunigt werden.
Stromverbrauch: Rechenzentren müssen nachhaltiger werden
Dennoch steigt der Energie- und Wasserverbrauch der Rechenzentren, wodurch die Umwelt belastet wird. Daher ist es wichtig, dass sie nachhaltiger werden. Eine Stellschraube ist der Ausbau der erneuerbaren Energien.
Denn in Deutschland lag 2023 der Anteil der erneuerbaren Energie an der Stromerzeugung bei 56 Prozent. Andere Länder sind da besser aufgestellt. In Dänemark und Norwegen beispielsweise lag der Anteil im selben Jahr bei 80,2 bzw. 99 Prozent.
Ein weiterer Hebel, mit dem Rechenzentren und damit KI-Anwendungen nachhaltiger werden, ist die Nutzung der Abwärme. Das warme Wasser, das bei der Kühlung der Server entsteht, kann zum Beispiel genutzt werden, um Gebäude zu heizen. Damit die Abwärme aber genutzt werden kann, müssen die Wärmenetze ausgebaut werden.
Was tun die großen Unternehmen gegen den Klimasünder KI?
Microsoft und Google zum Beispiel haben einen enormen Datenfluss und entwickeln KI-Modelle. Bis 2030 wollen sie klimaneutral sein. Doch um das Ziel erreichen zu können, müssen die Unternehmen wissen, wie viel Strom und Wasser die Rechenzentren benötigen.
Im Rahmen unseres Engagements, eine nachhaltigere Zukunft zu schaffen, investiert Microsoft in die Forschung, um den Energieverbrauch und die CO2-Auswirkungen von KI zu messen und arbeitet gleichzeitig an Möglichkeiten, große Systeme effizienter zu machen, sowohl in der Schulung als auch in der Anwendung."
Offizielle Zahlen, wie viel Strom und Wasser die KI-Modelle verbrauchen, haben die Unternehmen bisher nicht veröffentlicht.
