Künstliche Intelligenz verbraucht mehr Strom als Bitcoin.

Laut einer Studie von Alex de Vries-Gao verbrauchen manche KI-Modelle so viel Strom wie ein ganzes Land. Foto: TheVerge .

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

Diese Schätzungen stammen von Alex de Vries-Gao, wissenschaftlicher Mitarbeiter am Vrije Institute for Environmental Studies der Universität Amsterdam. Dort untersucht er den Stromverbrauch und die Umweltauswirkungen von Kryptowährungen. Sein jüngster Kommentar zum steigenden Strombedarf von KI wurde letzte Woche in der Fachzeitschrift Joule veröffentlicht.

„Je größer, desto besser.“

Aktuell wird geschätzt, dass KI bis zu 20 % des Stromverbrauchs von Rechenzentren ausmacht. Laut De Vries-Gaos Analyse, die auf Prognosen der Lieferkette für spezialisierte KI-Chips basiert (da spezifische Daten von Technologieunternehmen fehlen), steigt dieser Verbrauch trotz Effizienzsteigerungen rasant an.

De Vries-Gao glaubte einst, die Forschung zu energieintensiven Technologien könnte mit dem Zusammenschluss von Ethereum enden. Doch das Aufkommen von ChatGPT hat seinen Forschungsschwerpunkt in eine neue Richtung gelenkt. Der Analyst sieht auffällige Ähnlichkeiten zwischen der Entwicklung von KI und dem Energiebedarf von Kryptowährungsmärkten.

„Als ChatGPT herauskam, dachte ich: ‚Oh mein Gott, schon wieder.‘ Das ist eine weitere Technologie, die viel Energie verbraucht, insbesondere in hart umkämpften Märkten“, teilte er The Verge mit.

Die KI-Branche wird aufgrund des Wettbewerbs zunehmend mehr Energie benötigen. Foto: SciTechDaily.

Eine zentrale Gemeinsamkeit ist die in beiden Branchen vorherrschende Denkweise „größer ist besser“. „Wir beobachten, wie Technologieunternehmen ihre Modelle ständig skalieren, um die bestmöglichen Anwendungen zu entwickeln. Dies erhöht jedoch auch den Ressourcenbedarf“, erklärt De Vries-Gao.

Die Verfolgung dieses Trends hat einen Boom bei neuen KI-Rechenzentren ausgelöst, insbesondere in den USA. Dies hat zu Plänen geführt, mehr Gaskraftwerke und Kernreaktoren zu bauen, um den steigenden Strombedarf zu decken.

Plötzliche Strombedarfsspitzen können das Stromnetz erheblich belasten und den Übergang zu saubereren Energiequellen behindern, ähnlich den Herausforderungen beim Kryptowährungs-Mining. Eine weitere Gemeinsamkeit ist die Schwierigkeit, den Stromverbrauch und die Umweltauswirkungen dieser Technologien genau zu erfassen. Zwar berichten große Technologieunternehmen über ihre CO₂-Emissionen, liefern aber selten konkrete Daten zu ihrer eigenen KI.

Um dieses Problem zu lösen, nutzte De Vries-Gao eine Triangulationsmethode. Er verwendete öffentlich zugängliche Informationen über die Geräte, Schätzungen von Analysten und Umsatzberichte von Unternehmen, um die Anzahl der zu produzierenden Hardwareeinheiten und deren Energieverbrauch zu prognostizieren.

Er wies außerdem darauf hin, dass die Taiwan Semiconductor Manufacturing Company (TSMC), ein bedeutender Hersteller von KI-Chips, ihre Produktionskapazität für KI-Chips von 2023 bis 2024 mehr als verdoppelt hat.

Prognosen und Unsicherheiten in der Zukunft

De Vries-Gao schätzt, dass KI bis 2024 so viel Strom verbrauchen würde wie die gesamten Niederlande. Bis Ende 2025 könnte dieser Wert auf das Niveau Großbritanniens ansteigen, wobei der Strombedarf von KI 23 Gigawatt (GW) erreichen würde.

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

Trotz dieser Prognosen bleibt die genaue Bestimmung des Energieverbrauchs von KI komplex. Die Umweltauswirkungen variieren erheblich in Abhängigkeit von vielen Faktoren, wie beispielsweise der Art der benötigten Verarbeitung, der Größe des KI-Modells und der Stromversorgung durch das lokale Netz.

Der Stromverbrauch von Ethereum ist nach der Umstellung auf eine energieeffizientere Transaktionsvalidierungsmethode im Vergleich zu Bitcoin um 99,988 % gesunken. Foto: SCMP.

Beispielsweise können KI-Tools, die in Rechenzentren in West Virginia eingesetzt werden, fast doppelt so viele CO₂-Emissionen verursachen wie in Kalifornien. Dies liegt an den unterschiedlichen Nutzungen erneuerbarer Energien in den beiden Bundesstaaten.

De Vries-Gao ist der Ansicht, dass Technologieunternehmen mehr Transparenz benötigen. „Es ist wirklich absurd, so viele komplizierte Schritte durchlaufen zu müssen, um zu einer Schätzung zu gelangen. Es sollte nicht so unglaublich schwierig sein, ist es aber leider“, sagte er.

Mit Blick auf die Zukunft bleibt die Frage, ob die Energieeffizienz steigen wird. Zwar weisen einige KI-Modelle, wie beispielsweise das von DeepSeek, einen deutlich geringeren Stromverbrauch auf als andere, doch es bleibt abzuwarten, ob Unternehmen der Effizienz den Vorrang vor dem Trend „größer ist besser“ einräumen werden.

Das Risiko des Jevons-Paradoxons – bei dem eine gesteigerte Effizienz aufgrund des erhöhten Verbrauchs zu einem höheren Gesamtverbrauch führt – besteht ebenfalls. Ohne bessere Kennzahlen und Transparenz wird die Steuerung des Energieverbrauchs von KI eine große Herausforderung darstellen.

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