Das Trainieren eines einzelnen großen KI-Modells kann so viel Strom verbrauchen, wie Hunderte von US-Haushalten in einem Jahr nutzen.
Training and running AI models demands massive amounts of electricity, specialized hardware, and water-intensive cooling systems housed in sprawling data center facilities.
KI-Systeme sind energieintensiv, weil die mathematischen Operationen, die sie antreiben – insbesondere die Matrizenmultiplikationen, die in neuronalen Netzen verwendet werden – Milliarden oder Billionen Mal ausgeführt werden müssen, schnell, auf spezialisierter Hardware, die erhebliche elektrische Energie zieht.
Der Prozess beginnt mit dem Training, bei dem ein Modell Muster aus riesigen Datensätzen lernt. Das Training erfordert das gleichzeitige Ausführen von Berechnungen über Tausende von Prozessoren, oft über Wochen hinweg. Die Hardware der Wahl ist die Grafikverarbeitungseinheit oder GPU, die ursprünglich für die Darstellung von Videospielgrafiken entwickelt wurde, sich aber gut für die von KI geforderten parallelen Berechnungen eignet. Ein einzelner großangelegter Trainingslauf kann Hunderttausende von Kilowattstunden Strom verbrauchen – vergleichbar mit dem jährlichen Verbrauch von Hunderten von US-Haushalten. Speziell entwickelte Chips, einschließlich benutzerdefinierter Beschleuniger von Unternehmen wie Google $GOOGL und Amazon $AMZN, werden zunehmend neben GPUs verwendet, um die Effizienz zu verbessern. Und Chip-Hersteller wie Qualcomm $QCOM drängen weiter in das KI-Silizium von Rechenzentren um dieser Nachfrage gerecht zu werden.
Nach dem Training fügt die Inferenz – die Phase, in der ein bereitgestelltes Modell als Antwort auf eine Benutzeranfrage eine Antwort generiert – eine separate, kontinuierliche Energielast hinzu. Da täglich Millionen von Anfragen über Dienste wie Chatbots, Suche und Inhaltserstellungstools eingehen, akkumuliert sich die Inferenz in großem Maßstab zu einem erheblichen Zug auf das Netz.
All diese Berechnungen müssen in Rechenzentren stattfinden: großen Einrichtungen, die Gestelle von Servern beherbergen, die durch Hochgeschwindigkeitsnetzwerke verbunden sind. Rechenzentren benötigen nicht nur Strom, um die Prozessoren zu betreiben, sondern auch Kühlsysteme, um die Wärme zu entfernen, die diese Prozessoren erzeugen. Die Kühlung kann etwa 30 bis 40 % des gesamten Energieverbrauchs einer Einrichtung ausmachen. In Kühlkreisläufen wird häufig Wasser verwendet, sodass Rechenzentren sowohl erhebliche Verbraucher von Strom als auch von Frischwasser sind.
Der physische Umfang der erforderlichen Infrastruktur ist beträchtlich. Ein modernes, auf KI ausgerichtetes Rechenzentrum kann Hunderttausende von Quadratfuß einnehmen und Zehn- oder Hunderttausende von Megawatt Strom verbrauchen – genug, um die lokalen Stromnetze zu belasten. Gesetzgeber haben begonnen, zu hinterfragen, wie dieser Strombedarf zwischen Technologieunternehmen und normalen Verbrauchern verteilt wird, und einige Versorgungsunternehmen haben darauf reagiert, indem sie spezielle Tarifstrukturen geschaffen haben: Das Hauptversorgungsunternehmen in Oregon hat zum Beispiel, einen höheren Stromtarif speziell für Rechenzentren eingeführt, während die Tarife für Privat-, Geschäfts- und Industriekunden gesenkt wurden. Rechenzentren sind auch zunehmend physischen Risiken ausgesetzt, da Überschwemmungen, Waldbrände und extreme Hitze die Anlagen bedrohen, deren Standortentscheidungen getroffen wurden, bevor sich die Klimarisiken verschärften.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
