Ressourcenverbrauch von KI: Nimmersatt
Für jedes Bild, jede Antwort im Chat, die die künstliche Intelligenz ausspuckt, gräbt sie an Ressourcen. Lässt sich die Gier noch zähmen?
E inen Teelöffel Wasser. So viel verbraucht Sam Altman, Chef des ChatGPT-Entwicklers OpenAI, zufolge ein Dutzend Anfragen an dessen KI-Chatbot. Die Botschaft: Ein Teelöffel Wasser, das ist doch quasi nichts. Und es stimmt. Ein tropfender Hahn kommt auf mehr, die Herstellung der Bohnen für eine Tasse Kaffee benötigt über 250 Liter, und wer will da noch wissen, wie viel Wasser auf ein Steak kommt? Je nach Quelle und Größe sind es 3.000 Liter aufwärts.
Doch die Summe macht es. Und es ist nicht nur Wasser. Die Rechenzentren, in denen KI-Modelle trainiert werden und die Dienste laufen, benötigen Strom, das Training der Modelle Daten. Und das Problem wächst. Künstliche Intelligenz wird zunehmend in andere Dienste eingebaut. In Suchmaschinen, in Messengerdienste, in Onlineplattformen.
„Hinter jedem Prompt, Bild oder Video steht eine wachsende Infrastruktur von Energiesystemen, Wasserentnahmen, Landnutzung, Ressourcenabbau und Elektronikschrott“, erklärte Kaveh Madani, Direktor des Instituts für Wasser, Umwelt und Gesundheit der UN-Universität, kürzlich bei der Vorstellung eines Reports zu den Umweltfolgen von KI.
Aber es gibt auch eine gute Nachricht. Die KI-Branche ist in Sachen Ressourcenverbrauch noch weit weg etwa von der Betonherstellung oder der Landwirtschaft. Und während deren über Jahrzehnte gewachsenen Strukturen entsprechend schwer zu verändern sind, hat KI noch ein höheres Formbarkeitspotenzial. Wenn ein Gesetzgeber jetzt also Vorgaben macht für die Energieeffizienz von Rechenzentren, für nachhaltige Wassernutzung, für geeignete und ungeeignete Standorte und für einen transparenten Umgang mit Trainingsdaten – dann stellt das die richtigen Weichen für die Zukunft.
Daten: Im Training frisst sich die KI durch Bild und Buch
Für gewöhnlich sehen in Europa geborene Kinder ihren ersten lebendigen Elefanten im Zoo. Wie so ein Tier aber aussieht, das wissen sie schon vorher ganz genau. Sie haben Zeichnungen in einem Bilderbuch gesehen, Kuscheltiere oder vielleicht Fotos, die jemand etwa in Ostafrika oder Indien aufgenommen hat. Alles in allem dürfte das in der Regel maximal eine zweistellige Zahl an Kontakten zwischen Elefantenbild und Kindgehirn sein. Trotzdem hat das Kind eine ziemlich genaue Vorstellung vom Tier und kann es von einem Nashorn oder Flusspferd unterscheiden.
Ein Kind ist eben auch keine künstliche Intelligenz. Denn die würde mit einer zweistelligen Zahl an visuellen Informationen samt Textbeschreibung noch nicht weit kommen. Aktuelle KI-Modelle – die zugegebenermaßen etwas mehr können, als Tiere voneinander zu unterscheiden – werden mit Textmengen in der Größenordnung von Terabyte bis Petabyte trainiert.
Zum Vergleich: Ein Terabyte sind etwa 1.024 Gigabyte – und handelsübliche Smartphones, auf denen haufenweise Fotos, Audio- und Videoaufnahmen liegen, haben Speicherplatz im zwei- bis dreistelligen Gigabytebereich.
Daten sind also eine zentrale Ressource zur Entwicklung von KI-Systemen. Allerdings können KIs ihre Trainingsdaten nicht einfach selbst generieren – ohne irgendwann zu kollabieren und nur noch Unsinn zu produzieren. Die KI-Firmen brauchen frische Daten, und zwar viele. Um sich die zu beschaffen, gehen die Unternehmen rechtlich wie ethisch nicht immer saubere Wege, etwa mithilfe sogenannter Schattenbibliotheken. In denen werden auf Tauschbörsen wie BitTorrent urheberrechtlich geschützte Bücher gesammelt.
Gerichtsfest ist bereits, dass Meta diesen Weg genutzt hat, wobei sich der Konzern darauf beruft, legal gehandelt zu haben – weil man Vorkehrungen getroffen habe, die Daten nicht weiterzuverbreiten.
Oder das Beispiel Social-Media-Posts: Die Plattformen wollen hier in der Regel die Daten der Nutzenden zum Training verwenden – ohne sie explizit um Erlaubnis zu fragen. Allerdings wäre das aus Sicht von Datenschützer:innen nach EU-Recht nötig. Dazu kommt: „Das Recht auf Vergessenwerden ist de facto nicht mehr durchsetzbar“, sagt Esther Görnemann, die am Weizenbaum-Institut zu KI forscht. Schon jetzt gibt es juristische Verfahren, weil Chatbots falsche oder das Persönlichkeitsrecht verletzende Informationen zu existierenden Personen generiert haben.
Du liest einen Text aus unserem Zukunfts-Ressort. Wenn Du Lust auf mehr positive Perspektiven hast, abonniere TEAM ZUKUNFT, den konstruktiven Newsletter zu Klima, Wissen, Utopien. Jeden Donnerstag bekommst du von uns eine Mail mit starken Gedanken für dich und den Planeten.
Drittes Beispiel: Stimmen. Der Verband Deutscher Sprecher:innen kritisiert, der Streamingdienst Netflix wolle sich für neue Projekte eine Rechteabtretung sichern, der zufolge Aufnahmen auch fürs KI-Training zugelassen sind.
Im Februar legte der Sprecher:innenverband ein Gutachten der Rechtsanwaltskanzlei Spirit Legal vor, das zentrale Klauseln des Vertrags als unwirksam oder rechtswidrig einstuft. Auch die Gema ist vor Gericht gegangen – und kann erste Erfolge verbuchen. So entschied jüngst das Landgericht München gegen OpenAI: Die Nutzung von Liedtexten durch den US-Konzern verstößt laut Gericht gegen das Urheberrecht. Rechtskräftig ist das Urteil noch nicht. Auch ein weiteres Verfahren gegen den KI-Musikgenerator Suno läuft noch. Ziel der Gema ist, dass KI-Unternehmen künftig für die Nutzung der musikalischen Werke zahlen.
Eher gezwungenermaßen einigte sich vergangenes Jahr das KI-Unternehmen Anthropic mit US-Autor:innen auf einen Vergleich. Zur Beilegung einer Sammelklage, die Anthropic die unrechtmäßige Nutzung von Büchern für das KI-Training vorwarf, verpflichtete es sich, mindestens 1,5 Milliarden US-Dollar an Autor:innen zu zahlen. Pro Buch sollen das Medienberichten zufolge rund 3.000 US-Dollar sein.
Einen Erfolg verbuchen kann auch die Wikimedia-Stiftung. Sie gab Anfang des Jahres bekannt, dass sie spezielle Zugänge eingerichtet hat, die KI-Firmen nutzen können, um an Trainingsdaten zu gelangen – und dafür Lizenzgebühren zahlen. Konkrete Zahlen nennt die Stiftung nicht. Aber dass Firmen wie Google, Amazon und Microsoft mitmachen, ist ein Erfolg.
Forscherin Esther Görnemann fordert, auch in Sachen Regeln nachzulegen: etwa eine Pflicht dazu, dass die KI-Unternehmen ihre Trainingsdaten offenlegen. Damit würden die Firmen wahrscheinlich von selbst darauf achten, keine Urheberrechtsverletzungen zu begehen. Gleichzeitig könnten dann mit gutem Kuratieren der Daten beispielsweise menschenverachtende Inhalte ebenso wie persönliche Daten entfernt werden.
„Außerdem sollten wir stärker jenseits der LLMs denken“, sagt Görnemann. Als Alternative nennt sie unter anderem SLMs – kleine Sprachmodelle. Zum Beispiel die Organisation EleutherAI, die kleine Modelle entwickelt, deren Trainingsdaten rein aus Open-Source-Quellen bestehen, darunter frei verfügbarer Code, wissenschaftliche Texte und Bücher aus der freien Bibliothek Projekt Gutenberg.
„Small-Language-Modelle sind rechtssicherer, transparenter und nachvollziehbarer“, sagt die Forscherin – und in ihren spezifischen Bereichen auch zuverlässiger in ihren Antworten. Für Europa, das gerade seinen Weg sucht im globalen KI-Wettrennen, könne das ein vielversprechender Ansatz sein.
Energie: Sie frisst sich durch Strom und Gas
Dort, wo in den USA Rechenzentren ihre KI-Modelle betreiben, formt sich unter den Anwohner:innen Widerstand. Sie fürchten, die Zentren könnten die örtlichen Strompreise nach oben treiben. Zwar sagt Sam Altman, Chef von OpenAI, eine Anfrage an ein ChatGPT-Modell verbrauche nur 0,34 Wattstunden – so viel Energie wie ein Ofen in einer Sekunde.
Google gibt an, ihre KI Gemini verbrauche sogar nur 0,24 Wattstunden. Wie die Konzerne aber zu diesen Zahlen kommen, lassen sie nicht unabhängig überprüfen. Sie haben ein Interesse daran, die Zahlen kleinzurechnen.
Und wie sich das rasante Wachstum der KI-Stromfresser mit dem Ende fossiler Stromversorgung vereinbaren lässt, steht noch aus. Der Internationalen Energieagentur (IEA) zufolge wächst der Strombedarf von Rechenzentren – für KI, aber auch für andere Internetdienste – weltweit viermal schneller als die Stromnachfrage aller anderen Sektoren. 2030 könnten sie 3 Prozent des globalen Verbrauchs ausmachen, derzeit sind es noch 1,5. Aber falls KI in den nächsten Jahren stärker genutzt wird als im Standardszenario der IEA, könnten es auch 4,4 Prozent werden.
All das sind grobe Schätzungen. Wie viel Strom ein KI-Modell braucht, „das können wir nicht genau wissen“, sagt Ralf Herbrich. Er forscht zu KI und Nachhaltigkeit am Hasso-Plattner-Institut der Universität Potsdam, hat schon bei Microsoft, Facebook, Amazon und Zalando zu KI gearbeitet. „Einerseits gibt es Probleme mit der Messbarkeit, andererseits mit der öffentlichen Verfügbarkeit von Daten“, sagt er.
Ein KI-Sprachmodell wie ChatGPT, Claude oder Gemini werde drei bis sechs Monate trainiert, „für ein modernes System brauche ich 20 Millionen GPU-Stunden“, erklärt Herbrich. Ein GPU ist ein Prozessor, mit dem sich KI-Modelle besonders gut trainieren lassen. Ihr Verbrauch liege bei 1 Kilowatt pro Stunde, insgesamt verschlingt das Training für eine neue Version von ChatGPT also um die 20 Millionen Kilowattstunden. Das entspricht etwa 286.000 E-Auto-Ladungen oder der Stromproduktion eines Windrads in 16 Monaten.
Aber das Training macht nur 10 bis 20 Prozent des Stromverbrauchs von KI-Sprachmodellen aus, den Rest die Nutzung: Ein Bild zu erzeugen, benötige etwa halb so viel Energie wie eine Smartphone-Akkuladung, sagt Herbrich, und sei etwa zehnmal so energieintensiv wie das Erzeugen eines längeren Textes, was wiederum etwa zehnmal so viel Strom verbrauche wie eine ganz kurze Antwort. Das unterscheide sich aber je nach Modell und Version – und transparent machen die Unternehmen das nicht.
Dazu kommen noch die Kühlung des Rechenzentrums, in dem die Prozessoren arbeiten, Datenspeicher, Netzwerkequipment und Back-up-Batterien oder -Generatoren, die sich alle je nach Bauart unterscheiden. Außerdem sind Rechenzentren selten nur mit den Anfragen für ein einziges Sprachmodell beschäftigt, sondern erledigen eine ganze Reihe von Aufgaben mit unterschiedlichen Strombedarfen. All das macht es kompliziert, den Stromverbrauch von KI zu berechnen.
Dieser Text erschien zuerst in der wochentaz, unserer Wochenzeitung von links!
In der wochentaz geht es jede Woche um die Welt, wie sie ist – und wie sie sein könnte. Eine linke Wochenzeitung mit Stimme, Haltung und dem besonderen taz-Blick auf die Welt. Jeden Samstag neu am Kiosk und natürlich im Abo.
Diverse Unternehmensberatungen, Forschungsinstitute und die IEA haben sich trotzdem an Schätzungen versucht. Forscher:innen des Öko-Instituts haben im Auftrag von Greenpeace auf dieser Basis die Folgen des Rechenzentrenausbaus untersucht. Bis 2030 steigt deren Energieverbrauch weltweit demnach auf 1.389 Terrawattstunden, deutlich mehr als die 945 Terrawattstunden, aus dem Normalszenario der IEA.
Das Öko-Institut geht aber noch einen Schritt weiter: Es berechnet, wie klimaschädlich der KI-Boom ist. Das ist noch schwieriger. Denn wenn ein Rechenzentrum ans schwedische Stromnetz angeschlossen ist, das zu 99 Prozent mit erneuerbaren Energien läuft, ist es bei gleicher Leistung für deutlich weniger CO2-Emissionen verantwortlich als im Kohleland Polen.
Das Öko-Institut nimmt dafür seine Schätzung des Energieverbrauchs der Rechenzentren und teilt ihn auf die USA, China, Europa und den Rest der Welt auf. Mithilfe der Anteile erneuerbarer Energien am jeweiligen Strommix der Region kommen sie auf insgesamt 356 Millionen Tonnen CO2-Ausstoß im Jahr 2030, mehr als dreimal so viel wie 2025. „Wir haben sogar mit einem optimistischen CO2-Reduktionspfad in der weltweiten Stromerzeugung gerechnet und sind trotzdem auf diese hohen Zahlen gekommen“, sagt Jens Gröger, der die Studie mitgeschrieben hat.
Noch ein Grund, warum die Öko-Institut-Zahlen den CO2-Ausstoß der Rechenzentren eher unterschätzen: „In den USA sieht es teilweise noch schlimmer aus, weil dort, wo der Strom sowieso knapp ist, Gasturbinen für die Rechenzentren gebaut werden“, sagt Gröger. So zum Beispiel das Rechenzentrum für Elon Musks KI-Modell Grok, das auf Anfragen von Nutzern tagelang sexualisierte Deepfakes von Frauen und Mädchen generierte.
KI-Forscher Sasha Luccioni fordert im MIT Technology Review: „Wir sollten aufhören, Zahlen basierend auf Hörensagen zu rekonstruieren, sondern mehr Druck auf diese Unternehmen ausüben, die echten Zahlen herauszugeben.“ Zumal Ralf Herbrich darauf hinweist, dass KI-Entwickler:innen dabei sind, den Stromverbrauch der Modelle zu verkleinern. „Der Ausbau erhöht die Notwendigkeit, die Energiewende voranzutreiben, den Ausbau der erneuerbaren Energien zu beschleunigen, und er treibt die Forschung in energieeffizientere Software voran“, sagt er.
Gröger ist weniger zuversichtlich: „So schnell, wie der Ausbau stattfindet, kommen die Stromnetzbetreiber nicht hinterher, diesen Strom durchzuleiten“, sagt er. Er hält es jedoch ebenfalls für möglich, KI für Klima- und Umweltschutz einzusetzen – nur nicht mit den riesigen Sprachmodellen der US-Techgiganten, sondern zum Beispiel mit auf Müllsortierung spezialisierten, kleinen Modellen. „Man kann alle Dienste effizient anbieten, wenn man zuerst die Aufgaben und dann die Lösungen definiert, aber die großen KI-Firmen machen es umgekehrt: Sie bieten die Sprachmodelle an und suchen nach Aufgaben“, sagt Gröger.
Um den KI-Boom in geregelte Bahnen zu lenken, schlägt er vor, zuerst zu klären, wofür die KI eingesetzt werden soll, kleinere Rechenzentren zu bauen und deren Abwärme etwa zur Wärmeversorgung zu nutzen. Die aktuelle Art der KI-Entwicklung sei „nicht gottgegeben“, sagt er. Man könne als Staat durchaus eingreifen. „Die Lösung ist nicht, die US-Techkonzerne in der EU zu kopieren.“
Ganz ähnlich sehen das die fünf KI-Forscher:innen, die das Bundesumweltministerium zu nachhaltiger KI-Nutzung beraten haben. Deutschlands „industrielle KI-Landschaft“ beruhe auf aufgabenspezifischen, spezialisierten KI-Modellen, die sich für die Anwendung in der Industrie besser eigneten und gleichzeitig weniger Energie verbrauchten als die großen KI-Modelle von Anthropic und Co.
Sie schlagen deshalb neben Transparenzpflichten auch vor, Forschungsgelder gezielt an KI-Entwickler:innen zu geben, die abseits der aktuell angesagten generativen Modelle arbeiten. Außerdem sollten deutsche und europäische Behörden Umweltschutzkriterien beachten müssen, wenn sie KI-Anwendungen und Clouddienste einkaufen, sodass Entwickler:innen einen Anreiz haben, diese Kriterien einzuhalten.
Wasser: Die KI dürstet nach Wasser
Über 3.000 Rechenzentren stehen in der EU. Um den zunehmenden Bedarf durch Digitalisierung und KI zu decken, will die EU-Kommission viele mehr bauen. Auch in Deutschland sollen sich die Rechenzentrumskapazität bis 2030 verdoppeln und „die Kapazitäten für künstliche Intelligenz und High-Performance-Computing vervierfachen“, verkündete Digitalminister Karsten Wildberger (CDU) im März zur neuen nationalen Rechenzentrumsstrategie.
In manchen Regionen könnte die aber zum Problem werden. Nach einer Studie des Bundesverbands Bitkom werden viele der neuen Zentren dort gebaut, wo der Wasserstress ohnehin hoch ist, etwa im von Trockenheit betroffene Brandenburg oder im Rhein-Main-Gebiet rund um Frankfurt. Beide Gegenden gehören nach einer Studie des BUND zu den am stärksten betroffenen Regionen Deutschlands. Dort, auf lokaler Ebene, kann der Wasserverbrauch der Rechenzentren zum Problem werden.
Er umfasst verschiedene Bereiche. Die Wissenschaft betrachtet sowohl den Wasserverbrauch in der Anwendung und im Training und inkludiert den Verbrauch zur Stromerzeugung und der Kühlung. Somit landen unabhängige Studien bei einem errechneten Wasserverbrauch pro Anfrage, der 15- bis 75-mal so hoch ist wie der der Anbieter, die nur den Verbrauch im Moment der Anfrage zählen. So soll ChatGPT nicht mehr als ein Tröpfchen, „ein Fünfzehntel eines Teelöffels“, Wasser verbrauchen.
Der Deutsche Verein des Gas- und Wasserfaches bleibt auf Anfrage aber entspannt. In der Gesamtschau werde der neue Wasserbedarf ausgeglichen durch Effizienzgewinne und durch die Energiewende. Der Energieverbrauch fällt je nachdem besonders ins Gewicht: Strom aus Atom, Gas und Kohle verbraucht deutlich mehr Wasser als aus Wind und Solar. In den letzten Jahrzehnten sank der Wasserverbrauch durch Stromerzeugung deswegen von 29 Millionen auf 9 Millionen Kubikmeter.
Trotzdem brauchen Rechenzentren Kühlung, und die verbraucht vor Ort Wasser. Über den Wasserstress durch Rechenzentren dringen Informationen nur tröpfchenweise an die Öffentlichkeit. Denn obwohl die europäische Energieeffizienzrichtlinie Rechenzentren verpflichtet, ihren Verbrauch offenzulegen, verstecken sich Betreiber hinter nationalen Ausnahmen. Laut einem Bericht der EU-Kommission wurden die entsprechenden Daten für das Jahr 2024 nur für 36 Prozent der Rechenzentren gemeldet. Und auch in Deutschland meldeten insbesondere die großen Rechenzentren „entweder gar keine Verbräuche oder lassen Energie- und Wasserverbrauch schlicht aus“, sagt Julian Bothe von der NGO Algorithm Watch.
Gerade streng durchgesetzte Energieeffizienzregeln wären ein starker Hebel, um den Wasserverbrauch zu senken – würde Bundeswirtschaftsministerin Katherina Reiche das Energieeffizienzgesetz nicht gerade versuchen abzuschwächen.
Mehr Transparenz hilft in der Planung neuer Rechenzentren. Wie viel Wasser sie verbrauchen, kann auf mehreren Wegen gesteuert werden, etwa durch den Standort. Kühle Lagen helfen dabei, allein durch die Außenluft die Rechenzentren zu kühlen. Orte mit lokaler Infrastruktur, um die Abwärme direkt zu nutzen, könnten doppelt profitieren. Doch bisher entscheidet nach einer Studie der Gesellschaft für Informatik primär die Anbindung an Energienetze und Internetknotenpunkte den Standort. Ökologische Faktoren spielten eine untergeordnete Rolle. Einige Unternehmen entwickeln Kühlsysteme, die etwa einen geschlossenen Kreislauf bilden. Damit sie sich als Best Practice durchsetzen, helfen klare Rahmenbedingungen.
Nach Recherchen von Lobby Control und Campact deutet viel darauf hin, dass Techkonzerne auf die Änderung des Energieeffizienzgesetzes Einfluss nahmen. Der Entwurf sieht vor, dass der Ressourcenverbrauch nicht mehr veröffentlicht werden muss. Dabei forderten deutsche und europäische Anbieter durchaus mehr Transparenz und klare Auflagen, sagt Bothe. „Weil sie besonders gut sind in nachhaltiger Rechnerei.“ Gegen die US-Anbieter könne Europa mit nachhaltigerer KI wettbewerbsfähig bleiben. Laschere Regeln könnten wirtschaftlich von Nachteil sein.
Die Kabinettsabstimmung über das Energieeffizienzgesetz wurde verschoben, möglicherweise auch wegen öffentlichen Drucks: Über 150.000 Unterschriften hat die Petition „Klimaschutz statt KI-Wahn“. Sie fordert Leitplanken für Big Tech.
Die taz gehört zu 100 Prozent ihren Leser:innen und ist damit nicht nur konzernfrei, sondern auch kostenfrei zugänglich. Alle Artikel stellen wir frei zur Verfügung, ohne Paywall. Gerade in diesen Zeiten müssen Einordnungen und Informationen allen zugänglich sein. Unsere Leser:innen müssen nichts bezahlen, wissen aber, dass kritischer, unabhängiger Journalismus nicht aus dem Nichts entsteht. Dafür sind wir sehr dankbar. Damit wir auch morgen noch unseren Journalismus machen können, brauchen wir mehr Unterstützung für taz zahl ich. Unser nächstes Ziel: 50.000 – wir brauchen nur noch 180 Freiwillige, dann haben wir es geschafft! Setzen Sie jetzt ein Zeichen für die taz und machen Sie mit. Mit nur 5,- Euro sind Sie dabei! Jetzt unterstützen
meistkommentiert