Hoher KI-Ressourcenbedarf Wie lässt sich trotz KI der Energieverbrauch für IT senken?

Anbieter zum Thema

bb-net media GmbH

WatchGuard Technologies GmbH

Fsas Technologies GmbH

Laut aktuellen Berechnungen des Weltwirtschaftsforums könnte Künstliche Intelligenz (KI) bis 2028 mehr Energie verbrauchen als ganz Island im Jahr 2021. Was sind die Gründe für diesen hohen Energiebedarf? Und wie ließe sich der enorme Ressourcenbedarf reduzieren?

Dass die zunehmende Nutzung von KI und maschinellem Lernen (ML) den Energieverbrauch weltweit befeuert, ist bekannt. Denn KI erfordert nicht nur das Vorhalten riesiger Datenmengen, sondern auch, dass diese in Echtzeit bereitgestellt werden. Und das bedeutet noch mehr Energiebedarf für den Betrieb von geeigneten Cloud- und Server-Infrastrukturen. Doch Energieerzeugung ist einer der Hauptverursacher von CO₂-Emissionen – die es weltweit dringend zu reduzieren gilt. Die IT-Branche ist daher aufgerufen, schnellstens zu handeln.

Energieverbrauch steigt jedes Jahr um ein Drittel

Laut dem Weltwirtschaftsforum wächst der Ressourcenbedarf zur Ausführung von KI-Aufgaben um 26 bis 36 Prozent pro Jahr. So verbraucht beispielsweise allein das Training des ChatGPT-Sprachmodells GPT-3 ca. 1.287 Megawattstunden an Energie. Das entspricht dem Ausstoß von mehr als 550 Tonnen Kohlendioxid-Äquivalenten. Oder um es einfacher auszudrücken: Eine Person müsste 550-mal zwischen New York und San Francisco hin- und herfliegen, um die gleiche Menge an Emissionen zu erzeugen. Und die Universität Kopenhagen ermittelte, dass eine ChatGPT-Eingabeaufforderung im Durchschnitt 0,19 kWh verbraucht. Das entspricht dem 40-maligen Aufladen eines Mobiltelefons!

Die IT-Branche muss verantwortungsvoller agieren

Vergleicht man den Energiebedarf verschiedener Branchen, sticht die IT als Hauptverbraucher klar hervor. Bis zum Jahr 2030 werden IT-Systeme bis zu 20 Prozent des weltweiten Energiebedarfs verantworten. Zum Vergleich: Auf die gesamte Transportindustrie (Luftfahrt, Schifffahrt, Lastkraftwagen usw.) entfallen derzeit 25 Prozent.

Doch was genau sind die Treiber dieser Entwicklung? Beispielsweise plant allein Nvidia bis 2027 jährlich 1,5 Millionen KI-Servereinheiten auszuliefern. Diese würden bei voller Auslastung mindestens 85,4 Terawattstunden Strom pro Jahr verbrauchen. Das entspricht dem jährlichen Stromverbrauch vieler kleiner Länder. Und Rechenzentren werden Schätzungen zufolge bis 2027 weltweit voraussichtlich einen Verbrauch von 1.000 Terawattstunden erreichen. Dies entspricht einer Verdoppelung im Vergleich zu 2022 und in etwa dem Gesamtverbrauch Japans. Um dem entgegenzuwirken, müssen sowohl die IT-Branche wie auch die Anwender-Unternehmen deutlich nachhaltiger handeln.

Umweltziele durch Offenlegen von Emissionen unterstützen

Unternehmen sind gefordert, sich nicht nur pro forma zu Netto-Null-Emissionen zu verpflichten, sondern diese auch tatsächlich zu erfüllen. Denn Nachhaltigkeit ist eine Notwendigkeit und kein „nice-to-have“. Und die EU verleiht dieser Forderung mit zwei europäische Richtlinien Nachdruck: der Corporate Sustainability Reporting Directive, CSRD, sowie dem Emissions- und Energieberichtssystem (Emissions and Energy Reporting System EERS).

Die CSRD ist seit Januar 2024 in Kraft und verpflichtet Unternehmen stärker als bisher zur Nachhaltigkeitsberichterstattung. Große Unternehmen – sowie ab 2026 auch am Kapitalmarkt orientierte kleine und mittlere Unternehmen – müssen umfassende Informationen über soziale und ökologische Auswirkungen ihrer Geschäftstätigkeit offenlegen.

Die EERS hingegen verlangt von in der EU tätigen Unternehmen, ihre jährlichen Emissionen zu veröffentlichen. Diese Verordnung wird einige Unternehmen dazu bringen, ehrgeizigere Umwelt- und Nachhaltigkeitsziele festzulegen, während andere unter verstärkten Druck geraten, ihre definierten Ziele auch tatsächlich zu erreichen.

Einen für alle funktionierenden Königsweg zum Reduzieren von IT-verursachten Emissionen wird es nicht geben. Vielmehr gilt es, die unterschiedlichen Bereiche auf ihren Emissionsausstoß zu prüfen und zu optimieren.

Effiziente Software benötigt weniger Hardware

Hyperscaler wie Amazon, Microsoft oder Google legen seit einigen Jahren die mit ihren Cloud-Diensten verbundenen Emissionen offen. Zusätzlich nehmen sie ihre Kunden in die Pflicht. Sie fordern beispielsweise, dass diese die Workloads in ihrem Cloudspace optimieren beziehungsweise reduzieren. Unternehmen, die dabei an alten Systemen festhalten, wird dies kaum gelingen. Denn dafür braucht es moderne und effiziente Softwaretechnologien, die weniger Hardware- und somit weniger Energieressourcen erfordern.

Es ist nicht trivial zu ermitteln, wie viel Emissionen eine Softwareplattform verursacht. Doch lässt sich das Problem auch recht pragmatisch angehen: Eine Softwareplattform benötigt eine Mindestmenge an Hardware, um eine bestimmte Arbeitslast zu bewältigen. Schätzt man zunächst diese Mindestmenge, lassen sich die Emissionen dann relativ einfach auf Basis der Hardwarekomponenten berechnen.

Denn jede Hardwarekomponente verursacht CO₂-Emissionen auf zwei Arten: durch den Herstellungsprozess sowie durch die für den Betrieb erforderliche Energie. Addiert man diese beiden Mengen für alle Mindestressourcen, erhält man die geschätzten Emissionen einer Softwareplattform.

Das bedeutet also: Je effizienter die Software, desto weniger Energieverbrauch. Denn mit einer effizienten Software bewältigt eine Ressourceneinheit (ein Computer, ein Container oder ein Knoten) eine Arbeitslast schneller und mit höherem Durchsatz. Damit benötigt sie weniger Einheiten, um bestimmte Arbeitslasten zu verarbeiten. Und weniger Ressourceneinheiten führen zu geringeren Emissionen.

Hybride Speicherarchitekturen ermöglichen beispielsweise eine effiziente Datenspeicherung und -abfrage. Sie kombinieren In-Memory-Indizierung mit direkten Operationen auf SSD-Speichern für eine schnelle Datenverarbeitung zu wesentlich geringeren Kosten als eine reine In-Memory- oder Caching-Lösung. Damit lässt sich die Anzahl der benötigten Server um bis zu 80 Prozent reduzieren, was unmittelbar zu einem geringeren Energieverbrauch und CO₂-Ausstoß führt.

Kleine Sprachmodelle erfordern weniger Infrastruktur

Eine der großen Herausforderungen in Verbindung mit KI ist die Verwendung von Large Language Models (LLMs), denn sie arbeiten mit Dutzenden oder Hunderten von Milliarden an Parametern. Es werden daher unglaubliche Mengen an Rechenkapazitäten benötigt, um LLMs auszuführen – und noch mehr, um sie zu erstellen, aktuell zu halten und weiter zu trainieren. So haben beispielsweise Forscher der University of Massachusetts, Amherst, herausgefunden, dass das Training eines einzigen KI/ML-Modells mehr als 284.000 Kilogramm Kohlenstoffemissionen ausstoßen kann – fast das Fünffache der kumulierten Emissionen eines durchschnittlichen Autos während seiner Lebensdauer, inklusive der Herstellung des Fahrzeugs.

Ein möglicher Ansatzpunkt, dieses Problem zu lösen, wäre die Verwendung von Small Language Models (SLMs). Diese konzentrieren sich auf einen abgegrenzten Wissensbereich und benötigen daher weniger Energie für Entwicklung und Ausführung. So könnten für bestimmte Aufgaben maßgeschneiderte Modelle entwickelt werden, mit weit weniger Parametern als sie die heutigen großen LLMs verwenden. Und das bei einem deutlich geringeren Verbrauch von Rechenkapazität. In vielen Fällen kann der Einsatz eines SLM sogar effektiver sein, weil es eben innerhalb eines bestimmten Bereichs nur spezielle Aufgaben übernimmt.

Edge Computing

KI-Technologien entwickeln sich stetig weiter und die Erwartungen der User an die Künstliche Intelligenz steigen. Mit Anforderungen an noch mehr Speicherkapazität, Rechenleistung und Performance. Edge Computing scheint hier eine vielversprechende Lösung zu sein. Denn bisher werden Rechenzentren bevorzugt dort gebaut, wo der Strom günstig ist. Häufig in Regionen, die noch stark von fossilen Brennstoffen wie Kohle und Gas abhängig sind – und weit von der Datenquelle entfernt liegen.

Laut PwC wird sich der globale Markt für Edge-Rechenzentren voraussichtlich von vier Milliarden US-Dollar im Jahr 2017 auf 13,5 Milliarden US-Dollar im Jahr 2024 fast verdreifachen. Denn diese kleineren, lokal angesiedelten Rechenzentren verringern die Latenzzeiten, vermeiden Verbindungsunterbrechungen und speichern und verarbeiten Daten in der Nähe des Endnutzers. Mit positiven Auswirkungen auf den Energieverbrauch.

Fazit

Seit vielen Jahren arbeitet die Rechenzentrumsbranche kontinuierlich daran, ihre Energieeffizienz zu steigern. Sie setzt dabei auf neueste Technologien wie freie Luft- und Flüssigkeitskühlung sowie auf erneuerbare Energie. Und obwohl der Energieverbrauch von Rechenzentren von 200 TWh im Jahr 2019 auf 340 TWh im Jahr 2022 gestiegen ist, hat sich der Anteil am weltweiten Stromverbrauch vergleichsweise moderat von weniger als einem Prozent auf eins bis 1,5 Prozent erhöht, so die Internationale Energievereinigung (IEA). Allerdings müssen die Emissionen bis 2030 noch halbiert werden, um das Ziel der Klimaneutralität zu erreichen.

Soft- und Hardwarefirmen sowie deren Kunden sind nun gefordert, ebenfalls ihren Beitrag zu leisten. Durch den Einsatz effizienter Softwareplattformen, die weniger Hardware erfordern, die Nutzung von erneuerbaren Energien auch in den Unternehmen und die Einführung strengerer Standards kann die IT-Branche ihren Ressourcenverbrauch nachhaltig senken – auch mit oder trotz KI.

(ID:50233973)