KI verbraucht mehr Strom als Bitcoin

Forscher prognostizieren, dass der Strombedarf durch KI trotz Verbesserungen der Energieeffizienz sprunghaft ansteigen wird.

Einer Studie von Alex de Vries-Gao zufolge entspricht der Stromverbrauch einiger KI-Modelle dem eines Landes. Foto: TheVerge .

Einer neuen Analyse zufolge könnte künstliche Intelligenz (KI) den Energieverbrauch des Bitcoin-Minings bald übertreffen. Die Studie kommt zu dem Schluss, dass KI bis Ende 2025 fast die Hälfte des gesamten Stromverbrauchs von Rechenzentren weltweit verbrauchen könnte.

Diese Schätzungen stammen von Alex de Vries-Gao, einem Doktoranden am Institut für Umweltforschung der Vrije Universiteit Amsterdam. Dabei verfolgte er den Stromverbrauch und die Umweltauswirkungen von Kryptowährungen. Sein neuster Kommentar zum wachsenden Strombedarf der KI wurde letzte Woche in der Zeitschrift Joule veröffentlicht.

„Je größer, desto besser“

Schätzungen zufolge verursacht KI derzeit bis zu 20 % des Stromverbrauchs von Rechenzentren. De Vries-Gaos Analyse basiert auf Lieferkettenprognosen für spezialisierte KI-Chips (aufgrund fehlender spezifischer Daten von Technologieunternehmen) und zeigt, dass der Verbrauch trotz Effizienzsteigerungen rapide ansteigt.

De Vries-Gao war einst der Meinung, dass die Forschung an energieintensiven Technologien mit der Fusion von Ethereum enden könnte. Das Aufkommen von ChatGPT führte ihn jedoch zu einem neuen Forschungsschwerpunkt. Analysten sehen auffallende Ähnlichkeiten zwischen dem Wachstum der KI und dem Energiebedarf der Kryptowährungsmärkte.

„Als ChatGPT herauskam, dachte ich: ‚Oh mein Gott, nicht schon wieder.‘ Dies ist eine ungewöhnliche Technologie, die viel Energie verbraucht, insbesondere in hart umkämpften Märkten“, sagte er gegenüber The Verge .

Die KI-Industrie wird aufgrund des Wettbewerbs immer energieintensiver. Foto: SciTechDaily.

Eine wichtige Gemeinsamkeit ist die in beiden Branchen vorherrschende Denkweise „Größer ist besser“. „Wir beobachten, dass Technologieunternehmen ihre Modelle kontinuierlich skalieren, um die beste Anwendung zu entwickeln. Dadurch steigt jedoch auch der Ressourcenbedarf“, erklärt De Vries-Gao.

Die Verfolgung dieses Trends hat zu einer explosionsartigen Zunahme neuer KI-Rechenzentren geführt, insbesondere in den USA. Dies hat zu Plänen geführt, neue Gaskraftwerke und Kernreaktoren zu bauen, um den steigenden Strombedarf zu decken.

Spitzen in der Stromnachfrage können das Netz stark belasten und den Übergang zu saubereren Energiequellen behindern, ähnlich den Herausforderungen, die das Mining von Kryptowährungen mit sich bringt. Eine weitere Gemeinsamkeit besteht darin, dass es schwierig ist, den Energieverbrauch und die Umweltauswirkungen dieser Technologien genau einzuschätzen. Zwar geben die großen Technologieunternehmen ihre CO2-Emissionen bekannt, doch stellen sie nur selten spezifische Daten zur KI bereit.

Um dieses Problem zu lösen, verwendete De Vries-Gao eine Technik namens „Triangulation“. Er verwendet öffentlich zugängliche Geräteinformationen, Analystenschätzungen und Umsatzberichte von Unternehmen, um vorherzusagen, wie viel Hardware produziert wird und wie viel Energie sie verbrauchen könnte.

Er merkte auch an, dass die Taiwan Semiconductor Manufacturing Company (TSMC), ein großer Hersteller von KI-Chips, seine Produktionskapazität für KI-Chips von 2023 bis 2024 mehr als verdoppelt hat.

Prognose und zukünftige Unbekannte

De Vries-Gao schätzt, dass KI bis 2024 so viel Strom verbrauchen wird wie die gesamten Niederlande. Bis Ende 2025 könnte diese Zahl auf das Niveau des britischen Verbrauchs steigen, wobei der KI-Strombedarf 23 Gigawatt (GW) erreichen würde.

Ein separater Bericht des Beratungsunternehmens ICF prognostiziert außerdem, dass der Strombedarf in den USA bis 2030 um 25 % steigen wird. Dieser Anstieg ist hauptsächlich auf KI, Rechenzentren und Bitcoin-Mining zurückzuführen.

Trotz dieser Vorhersagen bleibt es schwierig, den Energieverbrauch von KI genau zu beziffern. Die Umweltauswirkungen variieren erheblich und hängen von vielen Faktoren ab, beispielsweise von der Art der erforderlichen Verarbeitung, der Größe des KI-Modells und der in das lokale Netz eingespeisten Energiequelle.

Da der Stromverbrauch von Ethereum nach der Umstellung auf eine energieeffizientere Transaktionsvalidierungsmethode als Bitcoin um 99,988 % gesunken ist. Foto: SCMP.

Beispielsweise kann der Einsatz von KI-Tools, die von Rechenzentren in West Virginia verarbeitet werden, fast doppelt so viel Kohlendioxidemissionen verursachen wie die in Kalifornien. Dies liegt an der unterschiedlichen Nutzung erneuerbarer Energien in den beiden Staaten.

De Vries-Gao ist der Ansicht, dass Technologieunternehmen transparenter werden müssen. „Es ist wirklich lächerlich, so viele komplizierte Schritte durchlaufen zu müssen, um eine Schätzung zu erstellen. Es sollte nicht so lächerlich schwierig sein, aber leider ist es das“, teilte er mit.

Ob die Energieeffizienz in Zukunft steigen wird, ist noch ungewiss. Während einige KI-Modelle, wie etwa das von DeepSeek, behaupten, deutlich weniger Strom zu verbrauchen als andere, stellt sich die Frage, ob Unternehmen der Effizienz den Vorrang vor dem Trend „Größer ist besser“ geben.

Darüber hinaus besteht die Gefahr des Jevons-Paradoxons, bei dem eine erhöhte Effizienz aufgrund einer erhöhten Nutzung zu einem höheren Gesamtverbrauch führt. Ohne bessere Messgrößen und Transparenz wird die Verwaltung des Energieverbrauchs der KI eine große Herausforderung sein.

Quelle: https://znews.vn/ai-co-the-tieu-thu-dien-nhieu-hon-bitcoin-vao-cuoi-nam-2025-post1556958.html