Gleiche Frage, mehr CO2: Darum sind einige KI-Systeme umweltschädlicher als andere
KI-Modelle erzeugen einen hohen Energieverbrauch. (Bild: Deemerwha studio/Shutterstock)
Dass die großen KI-Sprachmodelle viel Energie verbrauchen, ist nichts Neues. Beispielsweise gibt es Studien, die darauf hindeuten, dass alleine das Training von ChatGPT bis zu 30-mal mehr Energie verbraucht als der durchschnittliche US-Bürger pro Jahr.
Bestimmte KI-Modelle erzeugen bis zu 50-mal mehr CO2-Emissionen
Eine Forschungsgruppe der Hochschule für angewandte Wissenschaften München hat sich den Energieverbrauch unterschiedlicher KI-Modelle genauer angeschaut und kam dabei zum Ergebnis, dass einige deutlich umweltschädlicher sind als andere. Laut der Studie, die in Frontiers in Communication veröffentlicht wurde, erzeugen einige KI-Modelle bis zu 50-mal mehr CO2-Emissionen als andere.
Die Forscher:innen evaluierten 14 LLMs anhand von 1.000 Benchmark-Fragen zu verschiedenen Themen. Im Mittelpunkt ihrer Untersuchungen standen die sogenannten Token, sprich die Zahlenfolgen, in die LLMs jedes Wort oder Wortteile einer Eingabe umwandeln.
Reasoning-Modelle sind besonders energieintensiv
Die Wissenschaftler:innen verglichen die Anzahl der von den getesteten KI-Modellen generierten Tokens. Die Studie ergab, dass sogenannte Reasoning-Modelle dabei deutlich mehr Energie verbrauchen. Reasoning-Modelle sind Sprachmodelle, die in der Lage sind, komplexe Denkprozesse durchzuführen. Sie nutzen sogenannte Reasoning Tokens oder Gedankenschritte, um präzisere Lösungen zu finden. GPT-4o ist beispielsweise ein Reasoning-Modell.
Die Studien-Autor:innen Maximilian Dauner und Gudrun Socher fanden heraus, dass Reasoning-Modelle im Durchschnitt 543,5 Denktoken pro Frage generierten, während andere Modelle nur 37,7 Token pro Frage benötigten. „Die Umweltauswirkungen von mit Fragen trainierten LLMs werden stark von ihrem Reasoning-Ansatz bestimmt“, erklärte Maximilian Dauner. Reasoning-fähige Modelle würden „bis zu 50-mal mehr CO2-Emissionen“ verursachen als andere Modelle.
Apple Intelligence: In diesen 6 Fällen lag die KI daneben
Dauner hofft, dass Sprachmodelle überlegt genutzt werden
Je genauer die Modelle waren, desto mehr CO2-Emissionen verursachten sie, so die Studie. Das Reasoning-Modell Cogito mit 70 Milliarden Parametern erreichte laut Gizmodo eine Genauigkeit von bis zu 84,9 Prozent – produzierte aber auch dreimal mehr CO2-Emissionen als ähnlich große Modelle.
Auch das Thema spielt eine Rolle. Fragen, die detailliertes oder komplexes Denken erfordern, zum Beispiel abstrakte Algebra oder Philosophie, führten laut der Studie zu bis zu sechsmal höheren Emissionen als einfachere Themen.
Dauner erhofft sich, dass die Menschen die Sprachmodelle überlegt nutzen. „Nutzer können die Emissionen deutlich reduzieren, indem sie die KI dazu anregen, präzise Antworten zu generieren oder die Nutzung von Hochleistungsmodellen auf Aufgaben beschränken, die diese Leistung wirklich benötigen“, sagte er.
