KI für den Klimawandel: Chancen und Herausforderungen

Da Technologien der künstlichen Intelligenz in einer immer größeren Bandbreite von Anwendungsfällen eingesetzt werden, beginnen immer mehr Menschen in der Branche, mögliche Anwendungen von KI für den Klimawandel zu untersuchen. Gleichzeitig wird verstärkt nach Möglichkeiten gesucht, die Umweltbelastung durch KI und die sie betreibenden Rechenzentren zu verringern. Aufgrund ihres ungewöhnlich hohen Energieverbrauchs beim Training und Betrieb trägt KI auch zu Treibhausgasemissionen, Abfall, Wasserknappheit und anderen Umweltproblemen bei. Wer die komplizierte Beziehung zwischen KI-Technologie und Klimawandel versteht, kann besser nachvollziehen, wie Unternehmen und Regierungen daraus einen Vorteil für die Umwelt machen könnten.

DIE WICHTIGSTEN ERKENNTNISSE

• •KI-Systeme benötigen Rechenzentren für ihren Betrieb. Diese riesigen Anlagen verschlingen Strom und Wasser und erzeugen zudem Elektroschrott – all das belastet die Umwelt. (Zum Abschnitt springen)
• •Eine nachhaltigere KI-Infrastruktur ist unverzichtbar, wenn wir die von Technologien der künstlichen Intelligenz verursachten CO2-Emissionen und Umweltbelastungen reduzieren wollen. (Zum Abschnitt springen)
• •
• Trotz des hohen Energieverbrauchs ist KI auch ein mächtiger Verbündeter im Kampf gegen den Klimawandel und seine negativen Folgen – von effizienter betriebenen Gebäuden bis hin zur Vorhersage gefährlicher Wetterereignisse. (Zum Abschnitt springen)

Energieverbrauch von KI-Systemen

Google bezeichnet sich dank der generativen KI-Systeme des Unternehmens – deren Training, Bereitstellung und Betrieb enorme Energiemengen erfordern und dadurch zu steigenden CO2-Emissionen führen – nicht mehr als klimaneutral. Und das Problem verschärft sich weiter. Laut Intelligent Computing verdoppelt sich die für KI erforderliche Rechenleistung alle 100 Tage. KI-Systeme verbrauchen auf unterschiedliche Weise Energie – die folgenden zwei gehören zu den häufigsten:

• Training: Für das Training von KI ist enorme Rechenleistung erforderlich, manchmal Tausende GPUs gleichzeitig über Millionen Stunden. Auch Systeme wie GPT-3 müssen mehrere Trainingsrunden durchlaufen.
• Bereitstellung und Betrieb: Sobald ein Tool wie Chat-GPT bereitgestellt ist, läuft es ständig und bietet Nutzern weltweit sofortigen Service. Dieser Service erfordert prädiktive Technologie, deren Betrieb viel Energie benötigt, und die Rechenzentren, die den KI-Betrieb unterstützen, verbrauchen ebenfalls enorme Energiemengen.

Insgesamt birgt der hohe Energieverbrauch der KI-Technologie das Risiko, dass die Vorteile dieser fortschrittlichen Tools im Kampf gegen den Klimawandel in den Hintergrund treten. Um dies zu verhindern, müssen Unternehmen erneuerbare Energiequellen einsetzen und innovative Wege finden, den CO2-Fußabdruck dieser Tools zu reduzieren.

Rechenzentren und ihre Umweltbilanz

KI-Systeme nutzen die Infrastruktur von Rechenzentren, um riesige Datenmengen zu speichern und zu verarbeiten. Diese Rechenzentren benötigen Strom für alles – von der Beleuchtung der Anlage über Flüssigkeitskühlung bis hin zur Rechenleistung. Der Energiebedarf für die laufenden, komplexen KI-Berechnungen ist extrem hoch. Neben Strom verbrauchen Rechenzentren auch große Wassermengen, um eine Überhitzung der Maschinen zu verhindern, was unsere Wasservorräte stark belastet.

Energieverbrauch von Rechenzentren

Das Office of Energy Efficiency and Renewable Energy bezeichnet Rechenzentren als “„einen der energieintensivsten Gebäudetypen, der pro Quadratmeter 10- bis 50-mal mehr Energie verbraucht als ein typisches gewerbliches Bürogebäude“. Derzeit entfallen weltweit 1 bis 2 Prozent des gesamten Stromverbrauchs auf Rechenzentren. Goldman Sachs prognostiziert, dass sich dieser Anteil bis zum Ende des nächsten Jahrzehnts verdoppeln und auf 3 bis 4 Prozent steigen wird – hauptsächlich aufgrund des hohen Energiebedarfs der von ihnen unterstützten KI-Systeme. KI trägt auf folgende Weise zum steigenden Energieverbrauch in Rechenzentren bei:

• Fortschrittliche Hardware: Für die effiziente Verarbeitung von KI-Workloads sind leistungsstarke GPUs und spezialisierte KI-Chips erforderlich, die mehr Strom verbrauchen.
• Prädiktive Funktionen: Der Betrieb von KI-Modellen für Echtzeitvorhersagen oder Empfehlungen erfordert kontinuierliche Rechenressourcen und erhöht dadurch den Stromverbrauch.
• Datenspeicherung: KI-Systeme benötigen riesige Speicherkapazitäten, wodurch der Energiebedarf für den Betrieb und die Kühlung der Speicherserver steigt.

Da Tools für generative KI immer fester in unserer Technologie verankert werden, wird der Energieverbrauch von Rechenzentren weiter steigen, sofern die Energieeffizienz nicht deutlich verbessert wird. Dazu gehören beispielsweise KI-Algorithmen, die weniger Rechenleistung benötigen, sowie der Einsatz von Solarmodulen und anderen erneuerbaren Ressourcen zur Energieversorgung dieser Rechenzentren.

Wasserverbrauch von Rechenzentren

Die Rechenzentren, die KI-Technologien unterstützen, verwenden Wasser für verschiedene Kühlsysteme im industriellen Maßstab. Diese halten Anlagen und Server auf einer optimalen Temperatur und verhindern Überhitzung und Systemausfälle. Der Wasserverbrauch in Rechenzentren ist parallel zum zunehmenden Training und Einsatz von KI-Systemen gestiegen.

Eine der wasserintensivsten Kühlmethoden in diesen Zentren ist die Verdunstungskühlung. Dabei wird Wasser verdunstet, um die Luft in der Umgebung der Geräte zu kühlen. Es ist nicht ungewöhnlich, dass ein Kühlturm jährlich Millionen Gallonen Wasser verbraucht, um ein einziges Rechenzentrum zu kühlen. Solche Kühlverfahren belasten die ohnehin schon angespannte Wasserversorgung erheblich. Laut der World Wildlife Organization 2,7 Milliarden Menschen leiden jedes Jahr mindestens einmal im Monat unter Wasserknappheit. Da der Klimawandel den Planeten weiter erwärmt und die Desertifikation vorantreibt, könnte diese Zahl drastisch steigen.

Glücklicherweise kommen zunehmend nachhaltigere Kühlverfahren zum Einsatz, bei denen Wasser recycelt und dadurch deutlich weniger verschwendet wird. Bei der Flüssigkeits-Immersionskühlung werden Server beispielsweise in eine nicht leitende Flüssigkeit eingetaucht, um sie zu kühlen.

Entstehung von Elektroschrott in Rechenzentren

Rechenzentren können der Umwelt nicht nur durch das schaden, was sie verbrauchen, sondern auch durch das, was sie erzeugen. Elektroschrott bezeichnet ausrangierte Server, Netzwerkausrüstung und andere Hardware, die nicht mehr funktionsfähig ist. Ein Teil dieses Abfalls enthält gefährliche Stoffe wie Blei, die die Umwelt verschmutzen und Pflanzen, Wildtiere und Menschen schädigen können – insbesondere in weniger entwickelten Ländern, in denen ein großer Teil des Abfalls landet.

Generative KI kann die Menge an Elektroschrott in Rechenzentren erhöhen. Während des Trainings benötigt KI viele GPUs und GPU-fähige Server, die danach oft veraltet sind. Es gibt dafür nicht viele Anwendungsmöglichkeiten, es sei denn, das Unternehmen plant, die KI erneut zu trainieren. Im Grunde wird also mehr GPU-basierte Hardware zur Entsorgung anfallen, und ein Teil davon wird zwangsläufig auf unverantwortliche oder ineffiziente Weise entsorgt werden. Bis 2030 wird die weltweite Elektroschrottmenge 2 Millionen Tonnen erreichen, so Statista – rund 33 Prozent mehr als 2022. Um dieses Problem zu bekämpfen, müssen Rechenzentren bewährte Verfahren für das Elektroschrottmanagement umsetzen, etwa ordnungsgemäßes Recycling.

Der Bedarf an nachhaltiger KI-Infrastruktur: Best Practices

Angesichts der Wasser-, Energie- und Strommengen, die von künstlicher Intelligenz verbraucht werden, besteht dringender Bedarf an einer nachhaltigeren KI-Infrastruktur, wenn die Technologie in den kommenden Jahrzehnten einen positiven Nettoeffekt auf den Klimawandel haben soll. Zu den gängigsten Nachhaltigkeitspraktiken für KI-Infrastrukturen gehören:

• Erneuerbare Energien für die KI-Infrastruktur: Werden Rechenzentren mit erneuerbaren Energiequellen wie Solar-, Wind- und Wasserkraft betrieben, lässt sich der CO2-Fußabdruck des KI-Betriebs deutlich reduzieren. Die Abkehr von fossilen Brennstoffen trägt dazu bei, Treibhausgasemissionen zu minimieren und den Übergang zu einem nachhaltigeren Stromnetz zu unterstützen.
• Energieeffiziente KI-Hardware: Die Entwicklung von KI-Hardware mit geringerem Stromverbrauch, etwa spezialisierter Chips, kann den für komplexe Berechnungen erforderlichen Energiebedarf senken. Dadurch werden KI-Systeme nachhaltiger und Emissionen sowie Energieverbrauch von Rechenzentren begrenzt. Wichtig ist außerdem, nach Möglichkeit vorhandene Modelle zu verwenden, statt ein neues zu trainieren – ein ressourcenintensiver Prozess.
• Nachhaltiges Design von KI-Systemen: Der Einsatz von Algorithmen und Software, die weniger Rechenleistung benötigen – beispielsweise kleinere oder einfachere Modelle –, trägt dazu bei, den Energieverbrauch während des Trainings und der Bereitstellung von KI-Modellen zu optimieren. Dadurch werden KI-Technologien umweltfreundlicher.

Während KI-Unternehmen, Behörden und Rechenzentren den größten Einfluss darauf haben, KI nachhaltig zu gestalten, verfügen auch Endnutzer über gewisse Möglichkeiten. Wir müssen KI wie jedes andere Werkzeug behandeln, das Energie benötigt und Abfall erzeugt, und sie nur einsetzen, wenn sie erforderlich ist. Mit zunehmender Verbreitung von KI wird die Frage ihrer Nutzung stärker in den Vordergrund rücken.

5 wichtige Möglichkeiten, wie KI zur Bekämpfung des Klimawandels beitragen kann

Obwohl KI durch ihren Energieverbrauch zu Treibhausgasemissionen beiträgt, kann sie uns auch dabei helfen, den Klimawandel zu verhindern und seine Folgen zu bewältigen – durch Klimavorhersagen, verschiedene Formen der Umweltüberwachung und neue Technologien, mit denen Anlagen, Landwirtschaftsbetriebe und Unternehmen umweltfreundlicher arbeiten können.

Verbesserte Wetter- und Klimavorhersagen

Da der Klimawandel die Atmosphäre erwärmt, treten gefährliche Stürme, Veränderungen des Meeresspiegels und katastrophale Wetterereignisse immer häufiger auf. Künstliche Intelligenz kann diese Ereignisse vorhersagen, indem sie große Mengen meteorologischer Daten analysiert, etwa historische Wetterdaten, Satellitenbilder, Meerestemperaturen und Echtzeitdaten von Sensoren. Dieser Blick in die Zukunft ermöglicht es Gemeinden und Einrichtungen, sich frühzeitig auf potenziell zerstörerische Ereignisse vorzubereiten und Infrastruktur sowie Menschenleben zu schützen. So könnte ein Gebiet vor einer Überschwemmung evakuiert oder in einem Kraftwerk vor einem Hurrikan der Kategorie 3 Vorsichtsmaßnahmen ergriffen werden. Zugleich versetzen präzise Klimamodelle politische Entscheidungsträger in die Lage, intelligentere Pläne zur Eindämmung der Risiken des Klimawandels zu entwickeln.

KI unterstützt außerdem die Echtzeitüberwachung des Wetters, indem sie kontinuierliche Datenströme aus Quellen wie Satelliten, Wetterstationen und Sensoren analysiert. Durch die schnelle Verarbeitung dieser Daten kann sie Muster und Anomalien erkennen, die auf veränderte Wetterbedingungen hindeuten, etwa Stürme, Temperaturveränderungen oder wechselnde Windverhältnisse. Dies ist für Branchen wie Landwirtschaft, Luftfahrt und Notfalldienste von entscheidender Bedeutung, da sie sofortige Wetterinformationen benötigen.

Entwaldung überwachen und bekämpfen

Die KI-gestützte Analyse von Satellitenbildern wird eingesetzt, um die Entwaldung nahezu in Echtzeit zu verfolgen. Diese Informationen helfen Naturschutz- und Wildtierorganisationen, Gebiete mit Entwaldung zu erkennen und sogar illegalen Holzeinschlag aufzudecken. Mithilfe prädiktiver Modelle zur Entwaldung können Organisationen tatsächlich Gebiete identifizieren, in denen eine Entwaldung wahrscheinlich ist. Die Algorithmen verarbeiten Daten wie Landnutzungsmuster und Bevölkerungszahlen, um gefährdete Regionen zu ermitteln.

Zusammengenommen helfen diese Echtzeit- und Prognoseinformationen Organisationen dabei, stärker datengestützte Strategien zur Verhinderung und Behebung der Entwaldung zu entwickeln und ihre Maßnahmen auf die besonders gefährdeten Gebiete zu konzentrieren. KI kann auch bei der Wiederaufforstung helfen, indem sie Landnutzung und Gelände analysiert, um optimale Flächen für Aufforstungsprojekte zu finden. Als Analyst kann sie sogar die besten Pflanzenarten für diese Projekte vorschlagen.

Überwachung von Umweltverschmutzung und Abfallmanagement

KI kann die Überwachung von Umweltverschmutzung und das Abfallmanagement verbessern, indem sie umfangreiche Daten von Sensoren, Satelliten und IoT-Geräten analysiert, um Verschmutzungsquellen und -trends in Echtzeit zu erkennen. Außerdem kann sie Verschmutzungswerte vorhersagen und die Luft- und Wasserqualität bewerten, sodass Behörden schnell auf gefährliche Situationen reagieren können.

Im Abfallmanagement können KI-gesteuerte Roboter und Computer-Vision-Systeme recycelbare Materialien, einschließlich Elektroschrott, effizienter sortieren und dadurch Verunreinigungen sowie die Nutzung von Deponien reduzieren. Indem KI Muster bei der Abfallerzeugung erkennt, kann sie Unternehmen und Stadtplanern sogar dabei helfen, bessere Recyclingstrategien zu entwickeln und Nachhaltigkeitsmaßnahmen zu verbessern – und letztlich die Umweltbelastung zu verringern.

Säuberung der Ozeane und Meeresschutz

KI bietet aufgrund ihrer Fähigkeit, Plastik und andere Formen der Verschmutzung – insbesondere schwer erkennbare Mikroplastikpartikel – zu identifizieren und aus dem Meer zu entfernen, ein enormes Potenzial für den Meeresschutz. Kürzlich entwickelten zwei Studierende in Hongkong ein autonomes Boot, Clearboat Neo, das mithilfe von KI-Bildgebung Abfälle vom Meeresleben unterscheidet und sie anschließend auf ein Förderband hebt. Eine zweite Kamera bewertet die Abfälle und protokolliert ihre Art.

Bei der Reinigung von Flüssen sammeln sie außerdem Daten über die Verschmutzung, etwa über deren Quelle, Recyclingfähigkeit und Eintragungsweg. Diese Informationen sind möglicherweise wichtiger als der entfernte Müll selbst, denn sie können Organisationen und Regierungen dabei helfen, die Wasserverschmutzung künftig zu verhindern.

Optimierung erneuerbarer Energien

Künstliche Intelligenz kann erneuerbare Energien optimieren, indem sie deren Erzeugung, Speicherung und Verteilung verbessert. Mithilfe prädiktiver Analysen prognostiziert KI die Wetterbedingungen, sodass Wind- und Solarparks ihren Betrieb für eine maximale Energiegewinnung anpassen können. Außerdem kann sie die Netzintegration optimieren, indem sie Angebot und Nachfrage in Echtzeit ausgleicht und dadurch während Spitzenlastzeiten die Abhängigkeit von fossilen Brennstoffen reduziert.

Bei der Energiespeicherung kann KI das Laden und Entladen von Batterien intelligent steuern und so die Energieverfügbarkeit auch dann sicherstellen, wenn erneuerbare Quellen nur unregelmäßig Energie liefern. Darüber hinaus können KI-gestützte Anlagenüberwachungssysteme den Wartungsbedarf von Windturbinen und Solarmodulen verfolgen und erkennen. Dadurch werden Ausfallzeiten reduziert und die Lebensdauer verlängert, was die Effizienz und Zuverlässigkeit erneuerbarer Energiesysteme verbessert.

3 Kurse, um mehr über KI und den Klimawandel zu erfahren

Wer mehr über die Beziehung zwischen KI und Klimawandel erfahren möchte, kann mit den folgenden Onlinekursen der Oxford University, von Coursera und Stanmore UK seine Kenntnisse und Expertise erweitern.

AI for Agriculture Technology and Climate Change der Oxford University

Dieser Onlinekurs vermittelt, wie sich KI-Verfahren und -Technologien auf Themen in Landwirtschaft und Klimawandel anwenden lassen. Sie lernen etwas über Ernteanalysen, AI for Good, Ertragsprognosen, Agtech-Anwendungen und mehr. Er eignet sich besonders für Fachleute aus den Bereichen Agtech, Landwirtschaft, Nachhaltigkeit und Lebensmittelwertschöpfungskette, die KI in ihre Arbeitsabläufe integrieren möchten. Der Kurs kostet 875 £ (etwa 1.150 US-Dollar).

AI and Climate Change von Coursera

AI and Climate Change ist ein Onlinekurs für Einsteiger, der vermittelt, wie KI zur Eindämmung und Anpassung an den Klimawandel eingesetzt wird. Zu den Höhepunkten gehören Fallstudien zur Vorhersage von Windenergie und zum Einsatz von Computer Vision bei der Überwachung der Artenvielfalt. Insgesamt dauert der Kurs etwa 14 Stunden und vermittelt eine solide Grundlage zu diesem Thema. Der Kurs ist kostenlos.

Postgraduate Certificate in AI for Sustainable Development von Stanmore UK

Das Postgraduate Certificate in AI for Climate Change Solutions vermittelt die grundlegenden Fähigkeiten, die erforderlich sind, um die Herausforderungen des Klimawandels mithilfe künstlicher Intelligenz anzugehen. Der umfassende Kurs behandelt Klimamodellierung, Umweltüberwachung, nachhaltige Lösungen und politische Auswirkungen. Da der Kurs beruflich ausgerichtet ist, eignet er sich hervorragend für alle, die eine neue Karriere im Bereich KI und Klimawandel beginnen möchten. Die einmonatige Fast-Track-Version kostet etwa 183 US-Dollar, die zweimonatige Version 117 US-Dollar.

Häufig gestellte Fragen (FAQs)

Fazit: Das zweischneidige Schwert KI im Klimawandel

Künstliche Intelligenz kann unserer Umwelt sowohl schaden als auch helfen. Durch ihren hohen Energieverbrauch und Elektroschrott kann sie zu Treibhausgasemissionen und zum CO2-Fußabdruck beitragen. Gleichzeitig hilft sie uns, den Klimawandel durch die verschiedenen von ihr ermöglichten Technologien einzudämmen und zu bewältigen – von der Überwachung der Umweltverschmutzung bis hin zu äußerst präzisen Wettervorhersagen. Letztlich liegt es an uns, politische Entscheidungsträger und Unternehmen für ihr Handeln zur Verantwortung zu ziehen und eine nachhaltigere KI-Infrastruktur zu fördern, damit die Umweltkosten nicht den Nutzen übersteigen.

Lesen Sie den Leitfaden von eWeek zum Umgang mit den ethischen Herausforderungen der KI für einen ausführlichen Einblick in den verantwortungsvollen Einsatz von KI.