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 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.