Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
3 2024 16 l branchenspezial nachhaltigkeit l Künstliche Intelligenz und Klimawandel Zwischen Energiefresser und Nachhaltigkeitsretter Die Weiterentwicklung von Künstlicher Intelligenz schreitet rasant voran Die Technologie kann dabei entscheidende zum gesellschaftlichen Wohl beitragen – sei es für die Gesundheitsbranche Mobilität oder für den Kampf gegen den Klimawandel Doch damit KI zu mehr Nachhaltigkeit beitragen kann muss der Energieverbrauch bei der Entwicklung eingedämmt werden Autor Andreas Thomasch Redaktion Lukas Steiglechner verzehnfachen kann Bei der Verwendung einer Suchmaschine gibt der Nutzer eine einzige Anfrage ein während er bei einem generativen Modell in einen Dialog tritt um das gewünschte Ergebnis zu erzielen Diese Tatsache führt insgesamt zu mehr Anfragen im Vergleich zur Nutzung bei einer herkömmlichen Suchmaschine Mit dem Aufkommen neuer Anwendungsgebiete für generative KI im Bereich Text Bild und Video wird auch eine Zunahme von umfangreichen Modellen erwartet die täglich trainiert neu trainiert und verfeinert werden Die gegenwärtigen generativen KI-Modelle erfordern im Vergleich zu früheren Generationen eine mehr als 200-fache Steigerung der Rechenleistung für das Training Jede neu entstehende Modellgeneration beansprucht zusätzliche Rechenleistung für die Inferenz und erhöht den Energiebedarf für das Training Es handelt sich um einen fortlaufenden Zyklus der fortwährend zusätzliche Anforderungen an die erforderliche Infrastruktur stellt Stichwort Hardware Für KI verwendete Grafikprozessoreinheiten GPUs benötigen deutlich mehr Energie als ein herkömmliches CPU-System Aktuelle GPUs können bis zu 700 Watt verbrauchen und eine durchschnittliche Konfiguration benötigt acht GPUs pro Server Dies führt dazu dass ein Server fast sechs Kilowatt verbraucht im Gegensatz zu einem Kilowatt bei einem herkömmlichen 2-CPU-Server der zur Virtualisierung dient Daher muss der Prozess nachhaltiger gestaltet werden Technologische Stellschrauben Der erste Schritt besteht darin zu verstehen dass Nachhaltigkeit ein kontinuierlicher Prozess ist Es gibt keine einzelne Maßnahme die KI plötzlich nachhaltig gestalten kann Allerdings können kleine Schritte einen ➤ Künstliche Intelligenz KI hat das Potenzial bei der Lösung einiger der kniffligsten Probleme der Gesellschaft zu helfen Gleichzeitig benötigt sie und insbesondere generative KI wegen der enorme Rechenleistung sehr viel Strom Aktuell verdoppelt sich die benötigte Rechenleistung für KI-Modelle alle fünf oder sechs Monate sodass mit der steigenden Nachfrage nach dieser Technologie auch der Stromverbrauch weiter ansteigen wird Rechenzentren verbrauchen bereits bis zu 1 5 Prozent des weltweiten Strombedarfs und haben etwa den gleichen CO 2 -Fußabdruck wie der globale Luftverkehr In Deutschland selbst liegt der Energiebedarf bei über 18 Milliarden Kilowattstunden pro Jahr was etwa 0 55 Prozent des Gesamtenergieverbrauchs entspricht Das ist besonders bedenklich wenn man berücksichtigt dass circa 75 Prozent der verursachten Treibhausgasemissionen in der EU durch den hohen Stromverbrauch verursacht werden Neueste Ergebnisse von Gartner prognostizieren dass KI dazu beitragen könnte die weltweiten Treibhausgasemissionen bis 2030 um fünf bis zehn Prozent zu reduzieren Gleichzeitig wird jedoch erwartet dass KI bis zum selben Jahr bis zu 3 5 Prozent des weltweiten Stromverbrauchs ausmachen könnte Energieverbrauch von KI Der Energieverbrauch von KI setzt sich aus zwei Faktoren zusammen Energie wird sowohl während des Trainings von Modellen als auch während der Inferenz verbraucht Beim Training werden Modelle durch Daten iterativ verbessert während bei der Inferenz Live-Daten durch ein bereits trainiertes KI-Modell verarbeitet werden um spezifische Aufgaben zu lösen Laut eines Forschungsberichts kann die Inferenz mindestens 60 Prozent des Energieverbrauchs von generativer KI ausmachen während zum Beispiel auch die Integration von KI-Fähigkeiten in Web-Suchanfragen den Energiebedarf Technisch kann eine nachhaltigere KI auf drei Ebenen erreicht werden Durch 1 Optimierung der Chips die die Rechenleistung generieren