Nachhaltige KI – Sustainable AI

Für das Training von KI-Modellen werden riesige Datenmengen benötigt, die in Rechenzentren gespeichert werden. Schätzungen zufolge könnten KI-Server (in einem mittleren Szenario) bis 2027 jährlich zwischen 85 und 134 Terawattstunden (TWh) Strom verbrauchen. Das entspricht etwa 20 Prozent des jährlichen Stromverbrauchs in Deutschland. Die Botschaft ist klar: KI verbraucht eine Menge Energie und wird daher erhebliche Auswirkungen auf die Energieversorgung haben. Dies gilt insbesondere für Deutschland, wo mit dem vollständigen Ausstieg aus der Kernenergie und der stetigen Reduzierung der fossilen Stromerzeugung die Frage der Energiesicherheit und der Strompreise besonders sensibel ist.

Hat KI ein Nachhaltigkeitsproblem?

Um ein brauchbares KI-Modell zu erstellen, sind eine Reihe von Komponenten notwendig. Dazu gehören Trainingsdaten, eine stabile Internetverbindung, ausreichend Speicherplatz und Grafikprozessoren. Jede dieser Komponenten verbraucht einen gewissen Anteil an Energie, wobei die von den Grafikprozessoren benötigte Rechenleistung den größten Anteil ausmacht. Laut OpenAI-Forschern hat sich der Verbrauch an Rechenleistung seit 2012 alle 3,4 Monate verdoppelt.

Dies ist ein enormer Anstieg, der sich angesichts der Popularität verschiedener KI-Anwendungen in naher Zukunft fortsetzen dürfte. Der Anstieg der Rechenleistung wirkt sich zunehmend auf die Umwelt aus. So hat eine Studie der University of Massachusetts ergeben, dass durch das Training populärer KI-Modelle 284.000 Kilogramm CO2 freigesetzt werden könnten – so viel wie ein durchschnittliches Auto bei 31 Fahrten um die Welt ausstößt.

Reduzierung der Umweltauswirkungen von KI

Unternehmen, die ein KI-Modell entwickeln wollen, sollten den Mehrwert des KI-Modells sorgfältig gegen seine Umweltauswirkungen abwägen. Außerdem müssen die zugrunde liegende Infrastruktur und die GPUs selbst effizienter werden.

Bei der Erstellung eines KI-Modells sind mehrere Branchen von Bedeutung: die Rechenzentrumsindustrie, der Energiesektor, die Halbleiterindustrie, Telekommunikationsbetreiber und die Speicherindustrie. Um die Auswirkungen von KI auf die Umwelt zu verringern, müssen in jedem dieser Sektoren Schritte zur Verbesserung der Nachhaltigkeit unternommen werden.

Die Speicherbranche und die Rolle von Flash-Speichern

In der Speicherbranche können konkrete technologische Maßnahmen die Umweltauswirkungen von KI reduzieren. Ein Beispiel sind All-Flash-Speicherlösungen, die wesentlich energieeffizienter sind als herkömmliche plattenbasierte Speicher (HDD). In einigen Fällen können All-Flash-Lösungen den Energieverbrauch im Vergleich zu HDD um 85 Prozent senken. Einige Anbieter gehen sogar noch einen Schritt weiter und entwickeln eigene Flash-Module, so dass All-Flash-Arrays direkt mit dem Flash-Speicher kommunizieren können. Auf diese Weise können die Fähigkeiten von Flash maximiert und eine noch bessere Leistung, Energienutzung und Effizienz erreicht werden, d. h. Rechenzentren benötigen weniger Strom, Platz und Kühlung.

Ein weiterer Vorteil von All-Flash-Lösungen ist, dass sie sich im Vergleich zu HDD-Lösungen auch besser für die Durchführung von KI-Projekten eignen. So erfordert die Verknüpfung von KI-Modellen mit Daten eine Speicherlösung, die jederzeit einen zuverlässigen und einfachen Zugriff auf Daten über Silos und Anwendungen hinweg ermöglicht – was mit einer HDD-Speicherlösung oft nicht möglich ist.

Backup-Strom für Rechenzentren

Rechenzentren können durch bessere und effizientere Kühltechniken einen Nachhaltigkeitssprung machen, aber auch Notstromaggregate können nachhaltiger werden. Ein gutes Beispiel dafür sind die Notstromaggregate im Rechenzentrum NorthC in Groningen. Es ist das erste Rechenzentrum in Europa, das Brennstoffzellen auf der Basis von grünem Wasserstoff als Notstromaggregate anstelle von herkömmlichen Dieselgeneratoren einsetzt. Natürlich muss dieser Wasserstoff „grün“ hergestellt werden. Hier kommt der Energiewirtschaft eine wichtige Rolle zu. Auch dieser Sektor macht große Fortschritte: 2023 soll die Hälfte der Energie in den Niederlanden aus erneuerbaren Quellen stammen.

Beispiel 1: Halbleiterindustrie

Mehr Energie aus erneuerbaren Quellen wird benötigt, weil die Halbleiterhersteller – vor allem die Hersteller von Grafikprozessoren, die die Grundlage vieler KI-Systeme bilden – ihre Chips immer leistungsfähiger machen, so dass sie mehr Energie benötigen. Vor 25 Jahren enthielt ein Grafikprozessor beispielsweise eine Million Transistoren, war etwa 100 Quadratmillimeter groß und verbrauchte nicht so viel Strom. Heute enthalten GPUs 14 Milliarden Transistoren, sind etwa 500 Quadratmillimeter groß und verbrauchen 200 Watt Strom. Es gibt also leistungsfähigere GPUs, die entsprechend mehr Energie verbrauchen. Die Halbleiterindustrie muss also viel auf Energieeffizienz setzen, und das tut sie auch. Die Hersteller verbessern zum Beispiel die Energieeffizienz des Produktionsprozesses und experimentieren viel mit neuen Materialien. Die EU unterstützt diese Entwicklung mit ihrem europäischen Chip-Gesetz, das auf Rechenleistung, Energieeffizienz, Umweltfreundlichkeit und KI setzt.

Beispiel 2: Telekommunikationsbetreiber

Telekommunikationsanbieter sind für einen schnellen und zuverlässigen Datenaustausch unverzichtbar. Dies ist insofern wichtig, als die Wirksamkeit von KI weitgehend davon abhängt, dass die Daten irgendwo erzeugt und dann zu dem Rechenzentrum transportiert werden müssen, in dem die KI ausgeführt wird. Ein Beispiel wäre eine KI-Anwendung, die Input von Sensoren in einer Fabrik benötigt. Telekommunikationsbetreiber können auf verschiedene Weise nachhaltiger werden, z. B. indem sie sich auf Innovation konzentrieren oder Emissionen in der Lieferkette reduzieren.

Schlussfolgerung

KI wird Auswirkungen auf die Umwelt haben, aber Initiativen wie die Umstellung auf Flash-Speicher oder die Verbesserung der Nachhaltigkeit von Rechenzentren können diese Auswirkungen verringern. Jeder Sektor kann konkrete Schritte hin zu mehr Nachhaltigkeit unternehmen. Dies geschieht bereits in großem Umfang, aber es könnte noch schneller gehen. In jedem Fall ist es wichtig, weiter zu investieren, um den Klimawandel konsequent zu bekämpfen

Training AI models requires huge amounts of data stored in data centers. It is estimated that by 2027, AI servers could consume between 85 and 134 terawatt hours (TWh) of electricity per year (in a mid-range scenario). This is equivalent to about 20 percent of Germany’s annual electricity consumption. The message is clear: AI consumes a lot of energy and will therefore have a significant impact on the energy supply. This is especially true in Germany, where the issue of energy security and electricity prices is particularly sensitive, given the complete phase-out of nuclear power and the steady reduction in fossil fuel generation.

Does AI have a sustainability problem?

A number of components are required to create a usable AI model. These include training data, a stable Internet connection, sufficient storage space, and graphics processors. Each of these components consumes a certain amount of energy, with the computing power required by the graphics processors being the largest portion. According to OpenAI researchers, the consumption of computing power has doubled every 3.4 months since 2012.

This is a huge increase that is likely to continue in the near future, given the popularity of various AI applications. The increase in computing power is having a growing impact on the environment. For example, a University of Massachusetts study found that training popular AI models could release 284,000 kilograms of CO2 – as much as the average car emits on 31 trips around the world.

Reducing AI’s environmental impact

Organizations looking to develop an AI model should carefully weigh the added value of the AI model against its environmental impact. In addition, the underlying infrastructure and the GPUs themselves must become more efficient.

Several industries are important in creating an AI model: the data center industry, the energy sector, the semiconductor industry, telecom operators, and the storage industry. To reduce the impact of AI on the environment, each of these sectors must take steps to improve sustainability.

The storage industry and the role of flash memory

In the storage industry, concrete technological measures can reduce the environmental impact of AI. One example is all-flash storage solutions, which are significantly more energy efficient than traditional disk-based storage (HDD). In some cases, all-flash solutions can reduce energy consumption by 85 percent compared to HDDs. Some vendors are going a step further and developing their own flash modules so that all-flash arrays can communicate directly with the flash memory. This maximizes the capabilities of flash and delivers even better performance, power consumption and efficiency, meaning data centers require less power, space and cooling.

Another advantage of all-flash solutions is that they are also better suited for implementing AI projects than HDD solutions. For example, linking AI models to data requires a storage solution that provides reliable and easy access to data across silos and applications at all times-something that is often not possible with an HDD storage solution.

Backup Power for Data Centers

Data centers can make a leap in sustainability with better and more efficient cooling technologies, but backup power generators can also become more sustainable. A good example of this is the emergency power generators at the NorthC data center in Groningen. It is the first data center in Europe to use green hydrogen fuel cells instead of conventional diesel generators. Of course, the hydrogen has to be produced „green“. The energy industry has an important role to play here. In the Netherlands, half of all energy is expected to come from renewable sources by 2023.

Example 1: Semiconductor industry

More renewable energy is needed because semiconductor manufacturers-especially the makers of the graphics processors that form the basis of many AI systems-are making their chips more powerful, which means they require more energy. For example, 25 years ago, a GPU contained one million transistors, was about 100 square millimeters in size, and did not consume much power. Today, GPUs contain 14 billion transistors, are about 500 square millimeters in size, and consume 200 watts of power. So there are more powerful GPUs that consume more power. The semiconductor industry has to focus on energy efficiency, and it is doing so. For example, manufacturers are improving the energy efficiency of the production process and experimenting with new materials. The EU is supporting this development with its European chip legislation, which focuses on computing power, energy efficiency, environmental friendliness and AI.

Example 2: Telecommunications providers

Telecommunications providers are essential for fast and reliable data exchange. This is important because the effectiveness of AI largely depends on the data being generated somewhere and then transported to the data center where the AI is running. An example would be an AI application that requires input from sensors in a factory. Telecom operators can become more sustainable in a number of ways, such as focusing on innovation or reducing emissions in the supply chain.

The bottom line

AI will have an impact on the environment, but initiatives such as switching to flash storage or improving the sustainability of data centers can reduce this impact. Every sector can take concrete steps to become more sustainable. This is already happening on a large scale, but it could happen even faster. Either way, it is important to continue to invest in the fi