Öko-logisch? KI hat einen Preis

Auf LinkedIn ist mir kürzlich ein Bild aufgefallen, dass mich zum Nachdenken gebracht hat und dazu veranlasst einen Blogbeitrag zu schreiben.

Auf dem Bild war eine Frau zu sehen, die auf ihrem Arbeitsplatz saß. Man sah nur die Hinterseite des Stuhles und ihren Rücken. Auf der Hinterseite des Stuhles war ein Zettel angeklebt mit der Aufschrift: „Only ask questions if you have already tried ChatGPT“ 

Was früher gegoogelt wurde, wird jetzt gepromptet. Doch ist das energietechnisch wirklich immer die einzige Lösung? Natürlich wäre wahrscheinlich die energieschonendste Möglichkeit sich einfach ein verstaubtes Lexikon aus dem Regal zu nehmen. Durch die sich schnell ändernden Fakten kommt man hier jedoch wahrscheinlich schnell an seine Grenzen und von Barrierefreiheit und einer zielgerichteten Suche reden wir hier schon lange nicht mehr. 

Doch muss man gleich immer Prompten? Hierzu ein klares NEIN! Aber warum ist es manchmal besser zu „googlen“, als zu „prompten“?

Wusstet ihr eigentlich wieviel Energie künstliche Intelligenz benötigt, um eine einzige Antwort zu generieren?

ChatGPT, DALL-E und Stable Diffusion ziehen mit immer neueren Versionen alle blicke auf sich – Es ist bemerkenswert, wie brillant inzwischen die Fähigkeiten der einzelnen Modelle in Content Creation und Problemlösung, aber auch in kreativen Lösungsansätzen sind. 

Doch hinter den Kulissen wächst die Sorge: Wie nachhaltig sind diese technologischen Wunderwerke wirklich?

Die Energie- und Ressourcenanforderungen dieser Modelle haben Bedenken hinsichtlich ihrer langfristigen Nachhaltigkeit aufgeworfen (vgl. Crimaldi & Leonelli 2023). Im Gegensatz zu herkömmlicher Software, die auf statischen Algorithmen basiert, werden generative KI-Modelle auf umfangreichen Datensätzen trainiert, was erheblichen Rechenaufwand und Energie erfordert (vgl. Hacker 2023). Dadurch überholen Rechenzentren dieser Modelle herkömmliche Rechenzentren wie die von Google. Während Googles Betrieb durch ein umfangreiches Netzwerk zusätzlich auch noch auf energieeffiziente Rechenzentren setzt und erneuerbarer Energiequellen unterstützt, ist die Nachhaltigkeit der generativen KI weniger gut verstanden. Google arbeitet seit langem an der Optimierung deiner Rechenzentren und wirbt 2021 zumindest im Vergleich zu einem herkömmlichen Unternehmensrechenzentrum doppelt so energieeffizient zu sein (vgl. Hölzle 2021). Dennoch meldet auch Google einen Anstieg der Treibausgase der letzten Jahre aufgrund des Ausbaus der Rechenzentren durch den Einsatz von KI (vgl. Google 2024).

Generative KI lässt buchstäblich Dampf ab

Im Gegensatz zu den Rechenzentren von Google, ist es nur schwer einzuschätzen, wieviel Energie die Rechenzentren der generativen KI Modelle wie die von OpenAI verbrauchen. Umfassende Studien dazu stehen noch aus. Klar ist, der Energieaufwand zur Schaffung einer Infrastruktur eines generativen KI Models ist wesentlich höher (vgl. Brandstetter 2024). 

Eine der größten Herausforderungen bei der Bewertung der Nachhaltigkeit der generativen KI ist das rasante Tempo des technologischen Fortschritts. Der Bereich der generativen KI entwickelt sich mit außergewöhnlicher Geschwindigkeit, wobei immer häufiger neue und anspruchsvollere Modelle eingeführt werden. Diese rasante Entwicklung erschwert es, eine klare Linie für den Ressourcenverbrauch und die Umweltbelastung zu etablieren. 

Darüber hinaus können Umfang und Komplexität generativer KI-Modelle stark variieren, wobei einige Modelle deutlich ressourcenintensiver sind als andere (vgl. Hacker 2023) (vgl. Marr 2023).

Fakt ist, die Technologien lassen nicht nur virtuellen Dampf ab – die massiven Kühlanlagen benötigen nicht nur Strom, sondern auch Wasser, um ihre Rechenzentren am Laufen zu halten. Und was passiert? Der CO2-Fußabdruck dieser Giganten wird immer größer. Jüngsten Forschungen und Diskussionen in der Literatur, lassen hier erste Aussagen erahnen (vgl. Kumar & Davenport 2023).

Dazu habe ich auch ein sehr interessanten Video von Philipp Klöckner gesehen, das ich jedem sehr ans Herz legen kann. Es geht etwas weiter über das Thema Nachhaltigkeit hinaus, ist jedoch sehr aufschlussreich und anschlussfähig.

Kleine Schritte zur Green AI

Was können wir nun tun, um ressourcenschonend zu arbeiten und dennoch nicht auf KI Modelle verzichten zu müssen? Hier müssen wir beide Seiten der Medaille betrachten. Einerseits die Technologie selbst, als auch unser eigenes Verhalten.

Schauen wir uns zuerst an, wie wir die TECHNOLOGIE dahingehend weiterentwickeln können.

Wir müssen Lebenszyklusanalysen für KI-Systeme implementieren, um die Umweltauswirkungen während des gesamten Lebenszyklus – von der Entwicklung über die Nutzung bis zur Außerbetriebnahme – zu verstehen und zu minimieren. Dazu müssen wir in einem ersten Schritt genau errechnen, welcher Energieaufwand jetzt wirklich erforderlich ist, bevor wir anschließend Maßnahmen der Energieeffizienz setzen können.

Das klingt in erster Linie wie ein Widerspruch – ist es aber nicht. Oft würden uns kleinere KI Modelle ausreichen, die weniger Rechenleistung benötigen. Ein Modell das ähnlich wie das eines menschlichen Gehirnes arbeitet, reicht als alltäglicher Assistent im Normalfall aus – in den meisten Fällen werden sogar spezifisch trainierte Bots ausreichen, die nur einen speziellen Fokus setzen.

Das Überwachen des Energieverbrauchs während des Trainings und das Beenden, sobald keine signifikanten Verbesserungen mehr erzielt werden, kann weitere Ressourcen sparen.

Ähnlich wie Google müssen natürlich auch die Rechenzentren von generativen KI Modellen in erneuerbare Energie investieren und hier erheblich mehr Aufwand betreiben, um die benötigte Energie einspeisen zu können.

Was können WIR in Unternehmen tun, um den Blick zu schärfen?

Kommen wir noch einmal auf das Foto mit der Aussage “Only ask questions if you have already tried ChatGPT” zurück, das ich auf LinkedIn entdeckt habe. Um verantwortungsbewusst und nachhaltig zu agieren, ist nicht nur die Optimierung der Rechenzentren und der Technologie, als auch ihrer Infrastruktur gefragt. Auch jede einzelne Person MUSS lernen verantwortungsbewusst mit der Technologie umzugehen. Daher ist es eben wichtig NICHT immer ChatGPT zu fragen, sondern auch mal zu “googlen” oder einfach doch den Blick neben sich zu richten und KollegInnen um Hilfe fragen.

Nicht immer kann es der direkte Weg sein. Wenn wir AI nutzen um nachhaltige Projekte zu entwickeln, können wir auch auf Umwege der Welt etwas zurück geben.

Unternehmen müssen ihre MitarbeiterInnen im richtigen Umgang mit generativer KI schulen. Wer keine Awareness für die Zusammenhänge zwischen Nachhaltigkeit und dem Einsatz für KI hat, der kann nicht bewusst handeln. Durch Schulungen können wir hier zielführend entgegenwirken. Doch Schulungen alleine werden nicht reichen. Wir müssen den Verantwortungsbewussten Umgang auch in IT-Guidelines einfließen lassen und Führungskräfte dahingehend schulen um diese Awareness auch direkt vorzuleben.

Es ist wichtig, dass Unternehmen eine Kultur des bewussten Technologieeinsatzes fördern. Dies beinhaltet die regelmäßige Überprüfung der genutzten Technologien und deren Auswirkungen auf die Umwelt sowie die Implementierung von Best Practices für nachhaltigen IT-Betrieb.

Oft haben die eigenen MitarbeiterInnen wertvolle Ideen zur Verbesserung der Nachhaltigkeit. Unternehmen sollten Plattformen und Gelegenheiten schaffen, um diese Ideen zu sammeln und umzusetzen.

Nachhaltigkeit als gemeinschaftliche Verantwortung

Generative KI-Modelle bieten beeindruckende Möglichkeiten, doch sie kommen nicht ohne Kosten für unsere Umwelt. Es liegt in unserer gemeinsamen Verantwortung – Entwickler, Nutzer und Unternehmen – bewusstere Entscheidungen zu treffen und die Entwicklung hin zu einer nachhaltigeren Nutzung von Technologie aktiv zu gestalten. Indem wir bewusster mit den Ressourcen umgehen, die diese Technologien benötigen, können wir die Vorteile der KI nutzen, ohne die Umwelt unnötig zu belasten.

Literatur:

Brandstetter, Thoma (2024): Chat-GPT fragen könnte 30 Mal so viel Strom brauchen wie googeln. Das ist ein Problem für das Klima. In: Chat-GPT vs googeln: Der massive Stromverbrauch der KI ist ein Problem (nzz.ch).

Crimaldi, F. und Leonelli, M. (2023): AI and the Creative Realm: A Short Review of Current and Future Applications. In: 2306.01795 (arxiv.org).

Google (2024): Environmental Report. In: Google 2024 Environmental Report – Google Sustainability (gstatic.com).

Hacker, P. (2023): Sustainable AI Regulation. In: Microsoft Word – SAI Regulation Article 231221d R1 SSRN full clean (elsevier-ssrn-document-store-prod.s3.amazonaws.com).

Hölzle U. (2024): Nie zuvor waren Rechenzentren so energieeffizient. In: Google optimiert Rechenzentren und Energieverbrauch | Google Cloud-Blog [16/06/2024].

Marr, B. (2023): Green Intelligence: Why Data And AI Must Become More Sustainable. In: Green Intelligence: Why Data And AI Must Become More Sustainable (forbes.com) [30/06/2024].

Michel‐Villarreal, R. et al. (2023): Challenges and Opportunities of Generative AI for Higher Education as Explained by ChatGPT. In: Education Sciences | Free Full-Text | Challenges and Opportunities of Generative AI for Higher Education as Explained by ChatGPT (mdpi.com).

Kumar, A.; Davenport, T. (2023): How to make AI sustainable. In: How to make AI sustainable (nature.com) [15/06/2024].

 

Wie lange bis zur nächsten veranstatlung?

Tage
Stunden
Sekunden
20.6.24
CLCA Stammtisch in Wien Anmeldung folgt!
Hier klicken
Previous slide
Next slide

© 2023 All rights Reserved. Design by Elementor