Es gibt Schätzungen, dass 90 Prozent des Energiebedarfs großer Sprachmodelle aufs Inferencing entfallen, nur 10 Prozent aufs Training.

Insbesondere das erstmalige Training von KI-Sprachgeneratoren ist sehr rechen- und damit energieintensiv. Derzeit wird aber intensiv nach sparsameren Trainingsverfahren geforscht, so dass dieser Aspekt mittelfristig an Bedeutung verlieren könnte.

Supercomputer sind Energiefresser. Ein KI-Modell wie GPT-3 einmalig zu trainieren, verbraucht so viel wie 126 Häuser in Dänemark in einem Jahr oder ein Auto auf 700000 Kilometer. Das haben Forscher der Universität Kopenhagen errechnet. Und weil ein einziger Trainingsdurchgang nicht reicht, muss die Zahl noch multipliziert werden.

Der Alltagsbetrieb in der Cloud verschlingt ebenfalls viel Strom. »Spätestens jetzt, wo mit Programmen wie ChatGPT die Schulhausaufgaben erledigt werden können, ist KI im Alltag der Menschen angekommen, und der Energiebedarf steigt exponentiell«, sagt Christian Eichhorn, Mitgründer und Co-Geschäftsführer der Firma SpiNNcloud Systems, einer Ausgründung der Technischen Universität Dresden.

Im Vergleich zu anderen Energieverbrauchern wirkt der KI-Bedarf eher bescheiden. Einerseits könnte man mit den für einen besonders aufwendigen KI-Trainingslauf nötigen 434.000 kWh zwar fast 30 Einfamilienhäuser ein Jahr lang heizen, die dazu je 15.000 kWh Gas, Öl oder Strom benötigen. Andererseits entsprechen 434.000 kWh etwa 36 Tonnen Kerosin, die ein Airbus A330-300 für einen einzigen Mittelstreckenflug von Frankfurt nach Dubai verbrennt.

Im Hinblick auf die Nachhaltigkeit erfordern grosse Sprachmodelle wie GPT einen hohen Energie-verbrauch für die Berechnungen beim Training und später zum Beantworten der Suchanfragen der Nutzerinnen und Nutzer. Die aktuelle Forschung versucht zwar, energieeffizientere Materialien und Rechnungsmethoden zu entwickeln. Wenn die für diese Anwendungen eingesetzten Server aber nicht mit nachhaltiger Energie betrieben werden, kann ihr CO2-Fussabdruck enorm sein.

AI, and particularly generative AI, is highly energy-intensive and poses a threat to environmental sustainability. Visions of millions of students worldwide using AI regularly to support their studies, while schools deploy AI for pedagogic and administrative purposes, is likely to exact a heavy environmental toll. Given today’s students will have to live with the consequences on ongoing environmental degradation, with many highly conscious of the dangers of climate change, education systems may wish to reduce rather than increase their use of energy-intensive educational technologies.