Allerdings machen solche Anfragen nur einen kleinen Teil des Ressourcenverbrauchs von KI aus. So gilt das Training der KI-Modelle als energieintensiver als die eigentliche Nutzung ("Inferenz").
KI frisst Energie und Wasser
Um den Energiehunger von KI-Systemen zu erfassen, muss man den gesamten Lebenszyklus anschauen, also z.B. auch die Herstellung von Hardware oder den Bau von Rechenzentren. Dazu kommt, dass bei der Kühlung der Rechenzentren große Wassermengen verbraucht werden. Wer GPT-4 eine Mail mit 100 Wörtern schreiben ließ, verbrauchte schätzungsweise 1 Liter Wasser.
Die Nachfrage nach KI-Tools wird voraussichtlich steigen und sich verstärkt auf die Umwelt auswirken. Gründe dafür sind u.a.:
Generative KI-Tools werden beliebter, sind leichter verfügbar und werden zunehmend in andere Anwendungen integriert.
Andere KI-Anwendungen als Chatbots sind teilweise viel energieintensiver, z.B. Inhaltsempfehlungsalgorithmen von Social-Media- und Werbe-Plattformen.
Erneuerbare Energien können den gestiegenen Energiebedarf durch KI nicht komplett decken. Fossile Kraftwerke, aber auch Atomkraftwerke werden daher neu gebaut oder teilweise reaktiviert.
KI im Kontext der Bildung für nachhaltige Entwicklung (BNE)
Bei einem Barcamp des damaligen Ministeriums für Bildung und Forschung wurden zentrale Impulse gesammelt:
Kritischer und ressourcenbewusster Umgang mit KI: Der Einsatz von KI wirft ethische und ökologische Fragen auf. Auch wenn die Modelle, Chips und Rechenzentren effizienter werden, sollte KI sparsam und bewusst eingesetzt werden.
KI als Werkzeug für BNE: z. B. zur Entwicklung niedrigschwelliger Bildungsformate und Spiele.
Handlungsorientierung durch KI: KI kann Denkanstöße für (Umwelt-)Lösungen geben.
Zugang und Inklusion: KI hilft z. B. mit einfacher Sprache oder Übersetzungen.
Transformationsprozesse kritisch begleiten: Reflektierter KI-Einsatz in der BNE hilft, gesellschaftlichen Wandel nachhaltig zu gestalten und bereitet Schülerinnen und Schüler auf eine mögliche zukünftige Rolle von KI vor.