Generative KI: Steuern wir wegen ihres CO₂-Fußabdrucks auf eine Katastrophe zu?

Die generative künstliche Intelligenz (KI) hat sich binnen drei Jahren als neue globale Revolution etabliert. Hinter den flüssigen Antworten von ChatGPT stehen jedoch riesige Rechenzentren, die derart viel Energie verschlingen, dass ihr CO₂-Fußabdruck bald mit dem ganzer Länder konkurrieren könnte. Diese Verschmutzung ist nicht nur enorm, sondern auch außerordentlich schwer zu beziffern: Steuern wir auf eine Katastrophe zu?

Der hohe Energiebedarf generativer KI erklärt sich durch eine schwergewichtige, extrem energieintensive industrielle Kette. Eine im Oktober veröffentlichte umfassende Studie des Verbands The Shift Project schlägt Alarm: Die KI-Welle schafft einen gigantischen Bedarf an Infrastruktur und GPUs, deren Herstellung, Stromversorgung und Kühlung einen exponentiell wachsenden CO₂-Fußabdruck verursachen.

Eine zentrale Rolle spielen dabei die Trainingsdaten, der Treibstoff dieser Modelle. Je umfangreicher sie sind, desto intelligenter soll ein Modell sein – doch zugleich steigt der Trainingsenergiebedarf drastisch. Die Größenordnungen sind gewaltig: „Wir arbeiten mit Datenmengen von mehr als 100 Terabyte, manchmal sogar über 1.000“, erinnert Ludovic Moulard, Mitglied von The Shift Project und Nachhaltigkeitsdirektor des Beratungsunternehmens fifty-five, im Gespräch mit Presse-citron. Zum Vergleich: Frühere Machine-Learning-Systeme arbeiteten häufig mit einigen Gigabyte oder allenfalls 10 bis 20 Terabyte.

Nach der Bereitstellung eines Modells setzt jede erzeugte Antwort – die sogenannte Inferenz – hochleistungsfähige Prozessoren in Gang. Diese werden heiß und benötigen umfangreiche Kühlkapazitäten, was den Stromverbrauch zusätzlich erhöht. Noch problematischer ist, dass diese Hardware häufig in Regionen steht, in denen die Energieversorgung weiterhin einen hohen CO₂-Ausstoß verursacht, etwa in den USA.

Enormer Einfluss, aber nahezu nicht messbar

Selbst der Versuch, den exakten CO₂-Fußabdruck von KI zu ermitteln, stößt an eine Grenze. Der Bericht von The Shift Project widmet diesem eklatanten Datenmangel ein ganzes Kapitel, weil er eine verlässliche Bewertung der tatsächlichen KI-Emissionen unmöglich macht.

Ein Grund dafür ist die vollständige Intransparenz der KI-Unternehmen. „Die meisten Anbieter sind privat und legen weder offen, wie oft ein Modell trainiert wurde, auf welchen Maschinen dies geschah noch welcher Strommix eingesetzt wurde“, beklagt Agathe Gourhannic, Consulting Manager bei fifty-five.

Auch die Trainingsphase, auf die fast die Hälfte des Energiebedarfs generativer KI entfällt, bleibt nahezu vollständig im Dunkeln. „Selbst bei Open-Source-Modellen ist es nicht einfach, weil man nicht unbedingt weiß, wie viele frühere Versionen trainiert wurden und was sie verbraucht haben“, erläutert die Expertin. Gleiches gilt für die Inferenz: Wenn ein Nutzer eine Anfrage an einen Dienst wie ChatGPT richtet, kann niemand wirklich messen, was im Rechenzentrum passiert.

Solche Transparenzdefizite können auch Staaten betreffen. „In Frankreich sind wir nicht einmal in der Lage, die Rechenzentren auf unserem Staatsgebiet präzise zu erfassen“, betont Ludovic Moulard. Wie soll sich unter diesen unklaren Bedingungen der Einfluss von KI quantifizieren lassen?

Das Stromnetz steht bereits unter Druck

Das Problem wird durch die außerordentlich schnelle und breite Verbreitung dieser Technologie noch verschärft. In lediglich zwei Monaten überschritt ChatGPT die Marke von 100 Millionen aktiven Nutzern und wurde damit zur am schnellsten wachsenden Verbraucher-App der Geschichte. Den bisherigen Rekord hatte TikTok gehalten. „Das zeigt deutlich, dass dieses Thema beim breiten Publikum einen beispiellosen Hype auslöst“, stellt Ludovic Moulard fest.

Für Unternehmen ist es kaum möglich, sich dem Trend zu entziehen: Im beruflichen Umfeld gilt die Angst, „den Zug zu verpassen“, als entscheidend. „Viele möchten nicht über die Umweltfolgen sprechen, weil sie befürchten, dies könne die Einführung von KI bremsen“, bestätigt Agathe Gourhannic. Die Folge ist ein massenhafter Einsatz – teils ohne überhaupt zu hinterfragen, warum.

Diese Entwicklung ist aus der Digitalbranche bekannt: Angebots- und Nutzungseffekt verstärken sich gegenseitig. Je mehr neue Kapazitäten die KI-Giganten bereitstellen, desto mehr neue Anwendungsfälle schaffen sie automatisch. Um diese zu bedienen, müssen weitere Infrastrukturen errichtet werden. „Das ist ein echter Teufelskreis“, merkt die Expertin an.

Das Stromsystem hält damit nicht Schritt. Nach Einschätzung des Berichts von The Shift Project könnten Rechenzentren bis 2035 bis zu doppelt so viele Emissionen verursachen wie Frankreich jährlich. Einige Länder stießen bereits 2023 an ihre Grenzen, darunter Irland. Auch in den USA wird der Anstieg der Energiekosten dem KI-Boom zugeschrieben.

Ein weiteres Problem: Dieser Rechenrausch beansprucht CO₂-armen Strom, der für andere entscheidende Bereiche der ökologischen Transformation benötigt wird – etwa für Industrie, Verkehr oder die klimafreundliche Stahlproduktion. „Um aus fossilen Energien auszusteigen, brauchen wir CO₂-armen Strom“, unterstreicht Ludovic. Wenn KI einen wachsenden Anteil dieser Ressource beansprucht, könnte sie die weltweiten Klimaschutzbemühungen verlangsamen oder sogar behindern.

Auf manche Anwendungen wird man wohl verzichten müssen

Die Einschätzung von The Shift Project ist eindeutig: Auf bestimmte KI-Anwendungen wird man höchstwahrscheinlich verzichten müssen. Denn automatisiert eingegebene Prompts und die industrielle Produktion von Inhalten, hinter denen mitunter kein wirklicher Nutzen steht, treiben den Energieverbrauch bei minimalem Mehrwert in die Höhe. „Die eigentliche Frage lautet: Warum? Welches Problem wollen Sie lösen?“, erinnert Agathe Gourhannic.

Um bei dieser Auswahl zu helfen, haben fifty-five, Brandtech Group und Scope3 einen Open-Source-Rechner veröffentlicht. Dort lässt sich eine Aufgabe eingeben, um ihren CO₂-Fußabdruck abhängig vom verwendeten Modell abzuschätzen. „Das kann Nutzern helfen, die tatsächlichen Auswirkungen ihres Handelns zu verstehen und KI bewusster einzusetzen“, erklärt Agathe.

Dennoch sollte daran erinnert werden, dass KI auch in Bereichen Fortschritte ermöglichen kann, in denen der gesellschaftliche Nutzen den Energieaufwand aufwiegt – etwa im Gesundheitswesen, beim Klima oder in der Forschung allgemein. Die Modelle müssen jedoch richtig dimensioniert, angepasst und unter guten Bedingungen trainiert werden.

The Shift Project schlägt außerdem vor, Rechenzentren mit Strombudgets zu versehen. „Man könnte festlegen, welche Strommenge wir bereitstellen, und diese Grenze nicht überschreiten“, fasst Ludovic Moulard zusammen. Dafür müsste die Frage allerdings von den Entscheidungsträgern ernsthaft behandelt werden – zu einer Zeit, in der die milliardenschweren Investitionen in Infrastruktur zunehmen.