Auf europäischer Ebene sollen ab 2020 jährlich 20 Mrd. € investiert werden; die deutsche Bundesregierung hat bis zum Jahr 2025 insgesamt 3 Mrd. € für Investitionen in KI lockergemacht. Das sind allein in Deutschland immerhin eine halbe Milliarde Euro pro Jahr. Dagegen scheinen die 27 Mio. €, die das Bundesumweltministerium für die Förderinitiative „KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen“ bereitstellt, fast mickrig.
Dabei sind gerade die Potenziale für mehr Umweltschutz durch künstliche Intelligenz enorm und müssen im Angesicht der globalen Umweltprobleme möglichst schnell gehoben werden. Mit Hilfe von KI können komplexe Systeme wie das Klima besser verstanden werden. KI-Anwendungen bieten insbesondere im Bereich der Mobilität, der Energie und der Landwirtschaft viele Möglichkeiten, die Umweltbelastungen zu senken. Und auch für Rechenzentren gibt es „rosige“ Aussichten. Google konnte mit Hilfe des gekauften KI-Startups Deepmind den Energiebedarf der Rechenzentrumskühlung um 40% reduzieren. KI kann helfen, Nah- und Fernwärmenetze so zu konzipieren und zu betreiben, dass die Abwärme aus Rechenzentren besser genutzt werden kann.
Führt künstliche Intelligenz zu mehr Umweltschutz?
Dennoch ist es keineswegs ein Automatismus, dass KI zu mehr Umweltschutz führt. Schon seit Jahrzehnten ist festzustellen, dass sich die Hoffnungen zur Reduktion des Energie- und Ressourcenbedarfs durch digitale Technologien oft nicht erfüllen. Digitale Lösungen haben zwar eine enormes Umweltschutzpotenzial, unterstützen aber meist auch gleichzeitig das Wachstum des Energie- und Ressourcenbedarfs. Ein paar Beispiele:
- Das papierlose Büro fast immer noch eine Illusion. Jeder Deutsche benötigt aktuell jährlich 242 kg Paper pro Kopf, das ist weltspitze. Im Jahr 1980 lag der Pro-Kopf-Papierbedarf in Deutschland noch bei 150 kg.
- Telefon- und Videokonferenz werden zwar mehr und mehr durchgeführt, die Zahl der Dienstreisen nimmt aber dennoch zu. Sie ist zwischen 2004 und 2017 um fast 30% angestiegen
- Digitale Logistiklösungen führen dazu, dass Lkw-Leerfahrten vermieden werden und Routen optimal geplant werden können. Das führt aber nicht zu weniger Verkehr. Im Gegenteil: Der Straßengüterverkehr hat zwischen 2010 und 2017 um mehr als 25% zugenommen.
Auch für KI-Anwendungen ist die Gefahr gegeben, dass sie nicht zu einer Umweltentlastung führen. Autonom fahrende Autos könnten zwar genutzt werden, um den Verkehr zu reduzieren. Das wäre der Fall, wenn wir uns künftig die Fahrzeuge teilen würden. Es ist aber auch möglich, dass die Zahl der Autos deutlich ansteigt, weil auch Kinder oder andere Personen ohne Führerschein ein eigenes Auto fahren können. Für den Güterverkehr ist es eine Illusion, dass autonom fahrende LKW zu weniger Verkehr führen. Wenn keine Ruhezeiten für die Fahrer mehr notwendig sind, können die LKWs praktisch rund um die Uhr genutzt werden.
Ein weiterer wichtiger Aspekt: Wie viel Energie und Ressourcen benötigen die KI-Anwendungen selbst? Gemäß Cisco haben Anwendungen aus dem Bereich „Database/Analytics/IOT” bereits heute einen Anteil von etwa 15% an den Workloads der Rechenzentren weltweit, Tendenz deutlich steigend. KI-Anwendungen in den Bereichen Deep-Learning, Simulationen und Prognosen benötigen teilweise enorme Rechenleistungen und verursachen so hohe Energie- und Ressourcenbedarfe. Forscher der University of Massachusetts haben ermittelt, dass das Training einer KI-Anwendung zur Spracherkennung fünfmal so viel CO2 erzeugt wie ein Auto während seiner gesamten Lebensdauer. Der Ressourcenbedarf der KI-Anwendungen ist ganz entscheidend von der verwendeten Hardware abhängig. Konventionelle CPUs sind für die meisten Anwendungen eher ungeeignet. Viel mehr Leistung – und damit auch weniger Energie – kann durch die Nutzung von Graphikprozessoren (GPUs), FPGAs (Field Programmable Gate Arrays) oder speziellen ASICs wie Googles TPU (Tensor Processing Units) erreicht werden. Auch neuromorphore Microchips bieten enorme Energieeffizienzpotenziale bei KI-Anwendungen. Die Frage, wie KI möglichst energie- und ressourceneffizient betrieben werden kann, wird bisher allerdings noch kaum gestellt. Neben der der Hardware sind hier auch die verwendeten Orchestrierungswerkzeuge, die KI-Frameworks und die KI-Modelle entscheidend.
Es besteht Handlungsbedarf für Politik und Unternehmen
Was ist also zu tun? Eines scheint klar: KI führt nicht von selbst zu mehr Umweltschutz. Politik und Unternehmen müssen in ihren Handlungen und konkreten KI-Projekten die Nachhaltigkeit der Lösungen immer mitdenken. Politische Maßnahmen müssen so gestaltet sein, dass die enormen Umweltschutzpotenziale der KI auch genutzt werden. KI darf nicht dazu führen, dass der Energie- und Ressourcenbedarf sogar weiter ansteigt. Unternehmen sollten – auch aus Kostengründen – ihre KI-Lösungen so entwickeln und einsetzen, dass sie möglichst effizient betrieben werden kann.
Letztendlich benötigen wir für KI-Anwendungen spezielle, optimierte, energie- und ressourceneffiziente Cloud-Architekturen und Cloud-Infrastrukturen. Diese können von den bekannten Global Playern angeboten werden. Aber auch der Aufbau von europäischen oder nationalen Lösungen scheint aus vielen Gründen eine überlegenswerte Alternative. Fördermittel in Milliardenhöhe ständen ja zur Verfügung.