Es ist kein Geheimnis, dass der aktuelle KI-Boom immense Mengen an Energie verbraucht. Jetzt haben wir eine bessere Vorstellung davon, wie viel – zumindest in den USA.

In einem neuen Bericht eines Teams der Harvard T.H. Chan School of Public Health wurden 2.132 Rechenzentren in den Vereinigten Staaten untersucht (78 Prozent aller Einrichtungen im Land). In diesen Einrichtungen – im Wesentlichen Gebäude, die bis zum Rand mit Serverreihen gefüllt sind – werden KI-Modelle trainiert, und sie werden auch jedes Mal „angepingt“, wenn wir eine Anfrage über Modelle wie ChatGPT senden. Sie verbrauchen riesige Mengen an Energie, sowohl für den Betrieb der Server als auch für deren Kühlung.

Seit 2018 haben sich die CO2-Emissionen von Rechenzentren in den USA verdreifacht. In den zwölf Monaten bis August 2024 waren Rechenzentren für 105 Millionen Tonnen CO2 verantwortlich, was 2,18 Prozent der nationalen Emissionen entspricht (zum Vergleich: Inländische kommerzielle Fluggesellschaften sind für etwa 131 Millionen Tonnen verantwortlich). Etwa 4,59 Prozent der gesamten in den USA verbrauchten Energie fließt in Rechenzentren, eine Zahl, die sich seit 2018 verdoppelt hat.

Es ist schwierig, in Zahlen auszudrücken, inwieweit insbesondere KI, die seit der Einführung von ChatGPT im November 2022 boomt, für diesen Anstieg verantwortlich ist. Das liegt daran, dass Rechenzentren viele verschiedene Arten von Daten verarbeiten – neben dem Training oder Pingen von KI-Modellen übernehmen sie alles vom Hosting von Websites bis hin zur Speicherung deiner Fotos in der Cloud. Die Forscher sagen jedoch, dass der Anteil der KI sicherlich schnell wächst, da fast jeder Wirtschaftszweig versucht, die Technologie zu übernehmen.

„Das ist ein ziemlich großer Anstieg“, sagt Eric Gimon, Senior Fellow bei der Denkfabrik Energy Innovation, der nicht an der Forschung beteiligt war. “Es gibt viele atemlose Analysen darüber, wie schnell dieses exponentielle Wachstum voranschreiten könnte. Aber das Geschäft steckt noch in den Kinderschuhen, was die Ermittlung von Effizienzen oder verschiedenen Arten von Chips betrifft.“

Insbesondere sind die Quellen für all diese Energie besonders „schmutzig“. Da sich so viele Rechenzentren in den USA in den Kohleförderregionen wie Virginia befinden, liegt die „Kohlenstoffintensität“ der von ihnen genutzten Energie um 48 Prozent über dem nationalen Durchschnitt. Die Studie, die auf arXiv veröffentlicht wurde und noch nicht von Experten begutachtet wurde, ergab, dass 95 Prozent der Rechenzentren in den USA an Orten mit Stromquellen gebaut wurden, die schmutziger sind als der nationale Durchschnitt.

Es gibt andere Gründe als nur die Lage in einem Kohlerevier, sagt Falco Bargagli-Stoffi, einer der Autoren des Papiers. „Fossile Energie ist den ganzen Tag über verfügbar“, sagt er, und viele Rechenzentren benötigen diese, um rund um die Uhr Spitzenbetrieb aufrechtzuerhalten. „Erneuerbare Energien wie Wind- oder Solarenergie sind möglicherweise nicht so verfügbar.“ Politische oder steuerliche Anreize und lokale Widerstände können sich ebenfalls darauf auswirken, wo Rechenzentren gebaut werden.

Doch damit nicht genug: Sieht man auf die Zukunft von KI, so wird deutlich, dass die Emissionen in diesem Bereich bald in die Höhe schnellen dürften. KI-Modelle entwickeln sich schnell von relativ einfachen Textgeneratoren wie ChatGPT zu hochkomplexen Bild-, Video- und Musikgeneratoren. Bisher steckten viele dieser „multimodalen“ Modelle in der Forschungsphase fest, aber das ändert sich gerade.

OpenAI hat sein Videoerstellungsmodell Sora am 9. Dezember der Öffentlichkeit vorgestellt. Die Website wurde von Menschen, die das Modell unbedingt testen wollten, so stark frequentiert, dass sie immer noch nicht richtig funktioniert. Konkurrenzmodelle wie Veo von Google und Movie Gen von Meta wurden noch nicht öffentlich vorgestellt, aber wenn diese Unternehmen dem Beispiel von OpenAI folgen, wie sie es in der Vergangenheit getan haben, könnte es bald soweit sein. Die Musikgenerierungsmodelle von Suno und Udio werden immer beliebter (trotz gerichtlicher Klagen), und Nvidia hat letzten Monat seinen eigenen Audiogenerator vorgestellt. Google arbeitet an seinem Astra-Projekt, einem KI-Videobegleiter, der sich in Echtzeit mit dir über deine Umgebung unterhalten kann.

„Wenn wir auf Bilder und Videos umsteigen, steigt die Datengröße exponentiell an“, sagt Gianluca Guidi, Doktorand für künstliche Intelligenz an der Universität Pisa und am IMT Lucca, der Hauptautor der Arbeit. Kombiniere man dies mit einer breiteren Akzeptanz, so würden die Emissionen bald sprunghaft ansteigen, sagt er.

Eines der Ziele der Forscher:innen bestand darin, eine zuverlässigere Methode zu entwickeln, um Momentaufnahmen des Energieverbrauchs von Rechenzentren zu erstellen. Das ist komplizierter als es klingt, denn die Daten sind über verschiedenste Quellen und Behörden verteilt. Dennoch ist es ihnen gelungen, ein Portal zu erstellen, das die Emissionen von Rechenzentren im ganzen Land anzeigt. Das langfristige Ziel der Datenpipeline besteht darin, zukünftige Regulierungsbemühungen zur Eindämmung der Emissionen von Rechenzentren zu unterstützen, die in den kommenden Jahren voraussichtlich enorm zunehmen werden.

„Der Druck zwischen der umwelt- und nachhaltigkeitsbewussten Gemeinschaft und Big Tech wird zunehmen“, sagt Francesca Dominici, Direktorin der Harvard Data Science Initiative und eine weitere Mitautorin. “Aber ich gehe davon aus, dass es keine Regulierung geben wird. Nicht in den nächsten vier Jahren.“