- Google zeigt, dass eine Text-Anfrage bei ihrer KI-Software Gemini nur 0,24 Wattstunden verbraucht. Eine Anfrage benötigt zudem etwa fünf Tropfen Wasser zur Kühlung. Die kumulative Menge an Anfragen weltweit führt insgesamt zu einem hohen Energieverbrauch. Das energetisch intensive Training von KI-Modellen relativiert Einzelfall-Effizienzgewinne. Nachhaltigkeit erfordert nicht nur Optimierungen in Rechenzentren, sondern auch strategische Entscheidungen.
In der komplexen Welt der künstlichen Intelligenz spielen sowohl Energie- als auch Wasserverbräuche eine zentrale Rolle, wenn es um die Nachhaltigkeit dieser Technologien geht. Während viele Stimmen von einem ungeheuren Strom- und Wasserverbrauch bei KI-Anwendungen warnen, hat Google interessante, differenzierende Daten präsentiert. Nach eigenen Berechnungen verbraucht eine Text-Anfrage bei ihrer KI-Software Gemini lediglich 0,24 Wattstunden – was dem Energiebedarf entspricht, den man für gut neun Sekunden Fernsehen benötigt. Darüber hinaus wird auch Wasser zur Kühlung der Rechenzentren eingesetzt, konkret etwa fünf Tropfen oder 0,26 Milliliter pro Anfrage.
Die Debatte um Effizienz und Nachhaltigkeit
Diese Zahlen beleuchten einen interessanten Aspekt in der Debatte um die Nachhaltigkeit der KI-Technologie. Bedenken bezüglich eines astronomischen Ressourcenverbrauchs werden durch diese Effizienzgewinne teilweise entkräftet. Die Tech-Industrie sitzt mit solchen Zahlen fest im Boot der Argumentation, dass Rechenzentren kontinuierlich in ihrer Effizienz verbessert werden. Doch all dies ist nur die halbe Wahrheit. Berücksichtigt man die Masse der Anfragen, die weltweit an KIs gesendet werden, ergibt sich ein weniger positives Bild. Der kumulative Energieverbrauch dieser Anfragen stellt trotz der einzelnen, effizienteren Prozesse eine große Challenge dar.
Vergleiche zwischen Stromverbrauch bei KI und Haushaltstechnik
Ein weiterer Vergleich, diesmal von OpenAI, einem Pionier auf dem Gebiet der KI, beleuchtet diese Verhältnisse zusätzlich. Demnach benötigt eine durchschnittliche Anfrage bei ihren Systemen etwa 0,34 Wattstunden, was energetisch in etwa einer Sekunde eines laufenden Backofens entspricht. Solche Vergleiche sprechen Bände über das Bemühen, den Energieverbrauch von KI in konventionelle, alltäglichere Begriffe zu fassen. Doch hierbei wird oft das energieintensive Training der KI-Modelle außer Acht gelassen. Die Vorarbeit, das sogenannte KI-Training, erfordert gigantische Mengen an Daten und Strom, was die Bemühungen zur Energieeinsparung relativiert. Ähnlich verhält es sich mit dem Wasserverbrauch, da die Kühlung bei massivem Datenaufkommen weiterhin erforderlich bleibt.
Ergo, während die Einzelfall-Effizienz von KI-Verarbeitungen beachtlich verbessert ist, bleibt der Gesamtenergie- und Wasserverbrauch ein kritischer Punkt für die Zukunft. So liegt der Fokus nicht allein auf Optimierungen in Rechenzentren, sondern auch auf größeren infrastrukturellen Maßnahmen und strategischen Entscheidungen für nachhaltigere KIs.
