Die Auswirkungen von KI auf Nachhaltigkeit und deren Überwachung

Dialogic hat im Auftrag des niederländischen Ministeriums für Wirtschaft die Auswirkungen der Entwicklung und Nutzung von KI auf die Nachhaltigkeit untersucht und wie dies am besten überwacht werden kann. Wir haben dies gemeinsam mit Pb7 Research und der Universität Utrecht durchgeführt. In den Medien und wissenschaftlichen Publikationen wurde viel über die Auswirkungen von KI auf die Nachhaltigkeit geschrieben. Dabei werden auch Aussagen über den Energieverbrauch getroffen, den beispielsweise die Abfrage von ChatGPT verursachen würde, und mit regulären Suchanfragen verglichen. Die Schätzungen variieren stark, hauptsächlich aufgrund der verwendeten Abgrenzung, Berechnungsmethode und Annahmen. Das Ziel dieser Studie ist nicht, diese Schätzungen zu überprüfen oder zu neuen Schätzungen zu gelangen. Der Kernzweck besteht darin, Einblicke in die zugrunde liegenden Faktoren und deren Verbindungen zu bieten, um die Politikgestaltung zu unterstützen. Um dies zu erreichen, untersucht diese Studie ausführlicher die Funktionsweise von KI und die Verbindung zwischen der Nutzung von KI und den letztendlichen Auswirkungen auf die Nachhaltigkeit. Darüber hinaus geben wir Einblicke in die erwarteten zukünftigen Entwicklungen.

Angebot von KI-Anwendungen

Das Angebot von KI-Diensten entwickelt sich stetig weiter. Verschiedene Marktteilnehmer versuchen, den Markt zu erschließen, und bieten in diesem Zusammenhang kostengünstige oder kostenlose KI-Dienste an. Der wichtigste technologische Trend ist die Skalierung von KI, insbesondere hinsichtlich der Größe von KI-Modellen (Anzahl der Parameter), der Rechenleistung, die für das Training verwendet wird, und der Rechenleistung beim Inferenzprozess (durch Inferenzzeit-Skalierung und aufgrund des Aufkommens von agentischer KI). Schließlich sehen wir zunehmend Differenzierung (unterschiedliche Modellvarianten und entsprechende Preise sowie dynamische Preissetzung). Das Angebot hängt stark von der verfügbaren Rechenleistung in Rechenzentren ab. Viel KI wird aus dem Ausland an niederländische Benutzer geliefert. Die Verfügbarkeit von Rechenleistung für KI und andere Anwendungen ist in den Niederlanden mindestens bis 2030 begrenzt.  

Nutzung von KI-Anwendungen

Die Nutzung von KI betrifft die Anzahl der Benutzer (Adoption), die Intensität der Nutzung und die Qualität der Nutzung. Die Adoption von KI steigt sowohl bei Verbrauchern als auch bei Unternehmen. Es ist noch nicht klar, wie sich die Intensität der Nutzung entwickeln wird - welche KI-Funktionen werden Benutzer langfristig nutzen? Es ist jedoch klar, dass die Entwicklung der Nutzung stark durch das Angebot bestimmt wird. Die Anbieter von KI-Diensten konkurrieren stark miteinander und bieten immer bessere KI-Dienste kostenlos oder zu niedrigen Kosten an. Ein wichtige Beschränkung dabei ist die Verfügbarkeit von Rechenleistung. Insbesondere die Nutzung von KI für Bild- und Videogenerierung erfordert viel Rechenleistung. In der Zukunft erwarten wir, dass die Entwicklung der KI-Anwendung stärker durch die Nachfrage bestimmt sein wird.

Energieverbrauch von KI

Es gibt drei relevante Phasen, in denen KI Energie verbraucht: - Die Datenbeschaffung und -verarbeitung, die für das Training von KI erforderlich ist, ist die erste Phase, die eine begrenzte (aber bedeutende) Menge Energie erfordert. - Die darauf folgende Trainings- und Evaluierungsphase ist sehr energieintensiv. In der Praxis bestimmt die Menge der Rechenleistung (und damit indirekt die verfügbare Energiemenge) in dieser Phase die Größe des Modells und des Trainingsdatensatzes. Mit effizienterer Hardware kann mit derselben Energiemenge eine 'bessere' KI trainiert werden. Dieser Energieverbrauch ist grundsätzlich einmalig und kann auf die nachfolgende nützliche Verwendung der KI abgeschrieben werden. - Die Inferenzphase: Hier hängt der Energieverbrauch hauptsächlich von der Nutzung (Anzahl der Anfragen und Umfang/Qualität der generierten Antwort) ab. KI zur Bildgenerierung verbraucht deutlich mehr Energie als KI, die Text generiert, und die Energie beim Videogenerierungsprozess ist noch größer. Entwicklungen wie Inferenzzeit-Skalierung erhöhen den Energieverbrauch in der Inferenzphase. Das Aufkommen von Agenten bedeutet, dass proaktiv KI-Aufgaben ausgeführt werden, was zu einem höheren Energieverbrauch führen kann. Der Energieverbrauch von KI in den Niederlanden ist bis mindestens 2030 durch die Verfügbarkeit von Rechenzentrumskapazitäten begrenzt. Wir schätzen den aktuellen Energieverbrauch von KI in den Niederlanden für 2023 auf 41 GWh bis 107 GWh pro Jahr. Abhängig vom gewählten Zukunftszenario erwarten wir bis 2030 einen Verbrauch von 2,9 TWh (mittleres Szenario) bis 4,7 TWh (höchstes Szenario) pro Jahr.

Emissionen von KI

Die Hauptemission aufgrund von KI ist der CO2-Ausstoß bei der Produktion der benötigten Energie (Scope 2 des digitalen Sektors) in den Trainings- und Inferenzphasen. Derzeit konzentrieren sich diese Emissionen hauptsächlich um die Rechenzentren. Die Emissionen finden für die Nutzung in den Niederlanden nicht unbedingt in den Niederlanden statt (sowohl die Rechenzentren als auch die Energieproduktion können im Ausland erfolgen), und umgekehrt (die Niederlande können für das Ausland produzieren). Da die Nachfrage derzeit das Angebot übersteigt, ist es wichtig, die Emissionen der in den Niederlanden eingesetzten Rechenzentren zu berücksichtigen, die für KI verwendet werden. Die Emission pro verbrauchter elektrischer Energiemenge (Emissionsfaktor) sinkt in den Niederlanden. Darüber hinaus verwenden Rechenzentren weitgehend grünen (emissionsfreien) Strom, obwohl es Nuancen bei der Aussage gibt, dass dies keine Emissionen verursacht. Neben diesen Scope-2-Emissionen gibt es in begrenztem Maße Scope-1-Emissionen (hauptsächlich aus eigenen Generatoren von Rechenzentren). In Scope 3 sehen wir (upstream) Emissionen aus der Produktion der benötigten Hardware und bei Lieferanten sowie (downstream) insbesondere beim Recycling. Unter anderem liefern die EED-Berichte und ETS-Daten der NEa relevante Daten zur Überwachung dieser Aspekte. Es sind jedoch nicht ausreichend Daten verfügbar zu (1) welcher Teil der Kapazität eines Rechenzentrums auf KI entfällt (gemäß einer konsistenten Definition), (2) inwieweit lokale grüne Energie und/oder Kühlungsmöglichkeiten genutzt werden und (3) Emissionen am Standort (Scope 1) und die Energiemischung (Scope 2). Darüber hinaus ist Scope 3 von extern schwer zu erfassen.

Wasserverbrauch von KI

Rechenzentren, in denen KI-Training und -Inferenz stattfindet, verbrauchen Wasser zur Kühlung, wobei die WUE der gängige Maßstab für die Effizienz ist (Wasserverbrauch pro Kühlkapazitätseinheit). Nur ein Teil dieses Wasserverbrauchs betrifft Trinkwasser - der Rest ist Industriewasser. Für den niederländischen Kontext ist es insbesondere relevant, den Trinkwasserverbrauch zu betrachten. Wir führen hierfür die Maßnahme WUEp ein (Verbrauch von Trinkwasser pro Kühlkapazitätseinheit). Dabei ist es wichtig zu wissen, dass Rechenzentren, wie andere Unternehmen auch, in Zeiten von Wasserknappheit als Erste vom Trinkwasser abgeschnitten werden. Der Gesamtverbrauch von Trinkwasser in der Branche belastet derzeit nicht signifikant die niederländische Trinkwasserversorgung und gefährdet diese nicht. Aufgrund des Risikos eines nicht verfügbaren Trinkwassers müssen Rechenzentren in den Niederlanden nach alternativen Kühlmethoden suchen, die weniger oder gar kein Trinkwasser verwenden.