Was macht KI derzeit mit der Umwelt?

KI erhöht die Nachfrage nach Rechenzentren, Spezialchips, Strom und Kühlung. Dieser Ausbau kann den CO2-Ausstoß erhöhen, Wasser verbrauchen und den Druck auf lokale Netze und Lieferketten erhöhen. Gleichzeitig wird KI eingesetzt, um erneuerbare Energien vorherzusagen, Lecks zu erkennen und Energiesysteme zu optimieren. Die Kosten sind sicher; Das Ausmaß der künftigen Nachfrage und der Nettonutzen vieler Anwendungen bleiben ungewiss.

Aktuelle öffentliche Daten messen in der Regel ganze Rechenzentren oder Unternehmensabläufe, nicht nur die KI. Dadurch ist es möglich, die Richtung sicher zu beschreiben, aber nicht jede Änderung der KI zuzuordnen. Behauptungen, dass KI entweder bereits eine Umweltkatastrophe oder eine automatische Klimalösung sei, übertreffen alle Beweise.

Der Strombedarf für Rechenzentren steigt

Die Internationale Energieagentur Schätzungen zufolge verbrauchten Rechenzentren im Jahr 415 etwa 2024 Terawattstunden, etwa 1.5% des weltweiten Stroms. Dazu gehören Speicher, Streaming, Enterprise Computing und andere Dienste sowie KI.

In ihrem Basisszenario prognostiziert die IEA bis 945 etwa 2030 TWh. Beschleunigte Server, die hauptsächlich durch die Einführung von KI vorangetrieben werden, machen fast die Hälfte des Nettozuwachses aus. Die Fälle mit hoher Effizienz und langsamerem Wachstum sind geringer; ein Fall einer schnellen KI-Erweiterung ist höher. Die Reichweite ist wichtig, da niemand die zukünftige Verbreitung, Chipeffizienz oder Infrastrukturbeschränkungen genau kennt.

Die unmittelbare Wirkung ist ungleichmäßig. Da sich die Rechenzentren auf bestimmte Regionen konzentrieren, kann die neue Nachfrage vor Ort ein großes Problem bei der Netzplanung darstellen, auch wenn der globale Anteil bescheiden erscheint.

Neue Nachfrage hat ein gemischtes Stromversorgungsangebot

Das Kohlenstoffergebnis hängt davon ab, welche Generatoren reagieren. Das Basisszenario der IEA geht davon aus, dass erneuerbare Energien zwischen 2024 und 2030 fast die Hälfte des Zuwachses an Strom für Rechenzentren ausmachen werden. Erdgas und Kohle stellen zusammen mehr als 40% der zusätzlichen Versorgung im gleichen Zeitraum bereit.

Das bedeutet, dass KI-basierte Investitionen saubere Energieverträge unterstützen und gleichzeitig die fossile Energieerzeugung ausweiten können. Die Anteile variieren je nach Region: Netze, Bauzeitpläne und Richtlinien unterscheiden sich. Ein jährlicher Kauf erneuerbarer Energien bedeutet nicht immer, dass Nachfrage und sauberes Angebot am selben Ort und zur gleichen Stunde übereinstimmen.

Die IEA geht davon aus, dass die strombedingten Emissionen von Rechenzentren im Jahr 320 ihren Höhepunkt bei etwa 2030 Millionen Tonnen CO2 erreichen werden. Es beträgt immer noch weniger als 1% des weltweiten CO2, steigt aber an, während in vielen Sektoren ein Rückgang erforderlich ist. Lesen Die Umweltauswirkungen von KI erklärt für den Unterschied zwischen Energie und Kohlenstoff.

Der Wasserbedarf wird immer sichtbarer

KI-Hardware erzeugt dichte Hitze. Viele Anlagen verwenden Verdunstungskühlung, die Wasser verbraucht, obwohl Design und Rate variieren. Durch die Stromerzeugung kann der indirekte Verbrauch über die Standortgrenze hinaus hinzukommen.

Das Berkeley Lab hat die Wassernutzungseffizienz von US-Rechenzentren auf etwas mehr als berechnet 0.36 Liter pro kWh im Jahr 2023. Es prognostiziert Veränderungen im Zuge der Weiterentwicklung der Flüssigkeitskühlung und der Anlagentypen. Hierbei handelt es sich um modellierte nationale Durchschnittswerte, nicht um Messwerte aller Betreiber.

Einige Unternehmen führen Konstruktionen mit geschlossenem Kreislauf ein, die die Verdunstung von Wasser zur Kühlung vermeiden. Das kann den lokalen Verbrauch reduzieren, aber „Null-Wasser-Kühlung“ ist nicht dasselbe wie Null-Wasser-Kühlung bei der Strom- und Chipherstellung. Unser Leitfaden zu wie KI Wasser nutzt trennt diese Schichten.

Die Chipproduktion und der Bau werden ausgeweitet

Mehr Rechenleistung erfordert Beschleuniger, Speicher, Netzwerke, Energieanlagen und Gebäude. Ihre Lieferketten verbrauchen Metalle, Chemikalien, Energie und Wasser. Beton und Stahl erhöhen die körpereigenen Emissionen; Die Halbleiterfertigung benötigt hochreines Wasser. Alte Hardware wird zu einer Frage des Elektroschrotts und der Wiederverwendung.

Dieser Fußabdruck ist schwerer zu beobachten als die Stromrechnung einer Einrichtung. In den Nachhaltigkeitsberichten von Unternehmen werden häufig die gesamten Emissionen der Lieferkette angegeben. Um den durch KI verursachten Anteil zu isolieren, sind jedoch Allokationsannahmen erforderlich. Der rasche Ausbau der Infrastruktur ist einer der Gründe, warum betriebliche Effizienz allein nicht den gesamten Trend beschreiben kann.

Eine längere Lebensdauer der Hardware, eine hohe Auslastung, die Wiederverwendung von Komponenten und kohlenstoffärmere Materialien können die Auswirkungen pro Arbeitseinheit reduzieren. Sie sollten neben der gesamten Beschaffung und Konstruktion ausgewiesen werden, da eine effiziente neue Generation von Chips immer noch mit einem größeren Gesamt-Hardware-Footprint einhergehen kann.

Umweltnutzungen gehen über Demos hinaus

KI wird bereits für Wettervorhersagen, Energieprognosen, Gerätewartung und die Erkennung von Methanlecks eingesetzt. Die IEA-Bewertungen Eine Reihe von Anwendungen, die den Kraftstoffverbrauch, die Verluste und die Ausfallzeiten reduzieren können.

Der Nettoeffekt ist nicht automatisch. Ein Modell benötigt Daten, Hardware und Integration und muss eine echte Entscheidung ändern. Die Vorteile sollten mit herkömmlichen Software- oder Betriebsverbesserungen verglichen und nach der Bereitstellung gemessen werden. Die Skalierung kann auch zu einer Erholung führen, wenn niedrigere Kosten zu mehr Aktivität führen.

Es ist also vernünftig zu sagen, dass KI der Umwelt helfen kann, aber nicht, jede theoretische Ersparnis auf der einen Seite eines Hauptbuchs zu verbuchen und gleichzeitig die Infrastruktur auf der anderen Seite zu ignorieren. Unser Artikel Ist KI gut für die Umwelt? bietet einen Test an, der auf Kontrafakten und beobachteten Ergebnissen basiert.

Was Sie in den nächsten Jahren beachten sollten

Die aufschlussreichsten Indikatoren werden der absolute Strombedarf, die dafür gebaute Stromerzeugung, der Wasserverbrauch in belasteten Einzugsgebieten und die Lebenszyklusberichterstattung für Chips und Bau sein. Die Effizienz pro Abfrage ist wichtig, aber das Volumen kann sie überfordern.

Achten Sie auf arbeitslastspezifische Offenlegung. „Cloud“-Gesamtzahlen verwischen KI- und Nicht-KI-Dienste; Schätzungen auf Modellebene lassen Gebäude und ungenutzte Kapazitäten außer Acht. Beide haben einen Wert, wenn sie klar begrenzt sind. Richtlinien zu Netzanschlüssen, Wassergenehmigungen und Emissionsberichten werden bestimmen, was Betreiber offenlegen müssen.

Bevorzugen Sie auf Benutzerebene das kleinste Modell, das die Arbeit abschließt, und vermeiden Sie unnötig lange Kontext- oder Mediengenerierung. Treechat Die Quittungen erfolgen modellbasiert Methodik; Es handelt sich um Schätzungen und nicht um Live-Messungen der Anlage. Die umfassendere Antwort auf wie schlecht KI wirklich ist wird weniger von einer einzigen Eingabeaufforderung abhängen als vielmehr von der Infrastruktur und den Normen, die jetzt gewählt werden.