Ein Blick auf den Wasser-Fußabdruck der KI.

---

Zusammenfassung
Die rasante Verbreitung künstlicher Intelligenz (KI), insbesondere großer Sprachmodelle (LLMs), hat erhebliche Umweltbedenken aufgeworfen, insbesondere hinsichtlich des Wasserverbrauchs. Dieser Artikel untersucht den direkten und indirekten Wasserverbrauch im Zusammenhang mit KI, einschließlich des Betriebs von Rechenzentren, der Energieerzeugung sowie des Modelltrainings und der Modellinferenz. Durch die Zusammenfassung aktueller empirischer Studien und Branchenberichte bieten wir eine umfassende Analyse des Wasser-Fußabdrucks von KI und schlagen Strategien zur Minderung ihrer Umweltauswirkungen vor.

1. Einleitung
Künstliche Intelligenz ist aufgrund der Fortschritte im maschinellen Lernen und in der Datenverarbeitung aus verschiedenen Bereichen, vom Gesundheitswesen bis zum Finanzwesen, nicht mehr wegzudenken. Allerdings finden die Auswirkungen der KI auf die Umwelt, insbesondere ihr Wasserverbrauch, zunehmend Beachtung. Wasser ist für die Kühlung von Rechenzentren und die Stromerzeugung unerlässlich, beides wichtige Faktoren für den Betrieb von KI. Das Verständnis des Wasserfußabdrucks der KI ist entscheidend für die Entwicklung nachhaltiger Praktiken beim Einsatz von Technologien.

2. Den Wasserfußabdruck von KI verstehen
Der Wasserfußabdruck von KI umfasst sowohl den direkten als auch den indirekten Verbrauch:

• Direkter Wasserverbrauch: Rechenzentren benötigen erhebliche Mengen an Wasser für Kühlsysteme, um optimale Betriebstemperaturen aufrechtzuerhalten.
• Indirekter Wasserverbrauch: Die Stromerzeugung für Rechenzentren ist oft mit wasserintensiven Prozessen verbunden, insbesondere in thermoelektrischen Kraftwerken.
  Diese Faktoren tragen zusammen zu einem erheblichen Wasserverbrauch der KI bei.

3. Quantifizierung des Wasserverbrauchs von KI
Jüngste Studien haben den erheblichen Wasserverbrauch im Zusammenhang mit KI aufgezeigt:

• Modelltraining: Das Training großer KI-Modelle wie GPT-3 kann etwa 700.000 Liter Wasser verbrauchen, vor allem für die Kühlung während intensiver Rechenprozesse (Li et al., 2023).
• Rechenzentrumsbetrieb: Ein 100-MW-Hyperscale-Rechenzentrum kann jährlich rund 2,5 Milliarden Liter Wasser direkt für Kühlzwecke verbrauchen (Impax Asset Management, 2024).
• Globale Prognosen: Der weltweite jährliche Wasserverbrauch von KI wird bis 2027 voraussichtlich zwischen 4,2 und 6,6 Milliarden Kubikmeter liegen und damit den jährlichen Wasserverbrauch von Ländern wie Dänemark übersteigen (University of Illinois, 2024).

4. Regionale Unterschiede beim Wasserverbrauch
Der Wasser-Fußabdruck von KI variiert je nach Region erheblich aufgrund von Unterschieden im Klima, bei den Energiequellen und den Kühltechnologien:

• Wassernutzungseffizienz (WUE): Die WUE misst die Liter Wasser, die pro Kilowattstunde (kWh) verbrauchte Energie verbraucht werden. In den globalen Rechenzentren von Microsoft liegt die WUE zwischen 1,8 und 12 Litern pro kWh, wobei die Schwankungen auf die lokalen Umweltbedingungen und die Infrastruktur zurückzuführen sind (OECD, 2023).
• Fallstudie – Iowa: Die Rechenzentren von Microsoft in Iowa, die für das Training von GPT-4 genutzt werden, haben den Wasserverbrauch des Unternehmens von 2021 bis 2022 um 34 % erhöht, was die regionalen Auswirkungen des KI-Betriebs deutlich macht (AP News, 2023).

5. Strategien zur Verringerung des Wasserfußabdrucks von KI
Um den durch KI verursachten Umweltproblemen zu begegnen, können verschiedene Strategien umgesetzt werden:

• Optimierung der Trainingspläne: Die Planung des Trainings von KI-Modellen in kühleren Perioden oder in Regionen mit geringerem Wasserstress kann den Kühlbedarf reduzieren (Li et al., 2023).
• Verbesserung der Kühltechnologien: Durch den Einsatz fortschrittlicher Kühlmethoden wie Flüssigkeitsimmersion kann die Effizienz gesteigert und der Wasserverbrauch gesenkt werden (Submer, 2023).
• Verbesserung der Energiequellen: Der Übergang zu erneuerbaren Energiequellen, die weniger Wasser für die Stromerzeugung benötigen, kann indirekt den Wasser-Fußabdruck der KI verringern.
• Transparenz und Berichterstattung: Die Förderung der Offenlegung von Daten zum Wasserverbrauch durch Unternehmen fördert die Rechenschaftspflicht und informiert über nachhaltige Praktiken.

6. Reduzierung des Wasser-Fußabdrucks von KI als Endnutzer-
Obwohl ein Großteil der Auswirkungen von KI auf den Wasserverbrauch auf Infrastrukturentscheidungen von Technologieunternehmen zurückzuführen ist, spielen auch einzelne Nutzer eine Rolle bei der Gestaltung der Nachfrage und der Beeinflussung des Unternehmensverhaltens. Die kumulative Wirkung von Milliarden von Interaktionen – Suchanfragen, Chatbot-Gespräche, KI-generierte Inhalte – kann den Energie- und Wasserverbrauch in Backend-Systemen beeinflussen. Durch die Optimierung der Art und Weise und des Zeitpunkts der Nutzung von KI-Systemen können Nutzer ihre Umweltbelastung erheblich reduzieren.

7. Fazit
Da sich KI ständig weiterentwickelt und in verschiedene Bereiche der Gesellschaft integriert, darf ihre Auswirkung auf die Umwelt, insbesondere in Bezug auf den Wasserverbrauch, nicht außer Acht gelassen werden. Durch das Verständnis und die Berücksichtigung des Wasserfußabdrucks von KI können sowohl Interessengruppen als auch einzelne Nutzer Strategien entwickeln und umsetzen, die einen Ausgleich zwischen technologischem Fortschritt und ökologischer Nachhaltigkeit schaffen.

Referenzen
AP News. (2023). Die künstliche Intelligenz hinter ChatGPT wurde in Iowa entwickelt – mit viel Wasser.
Impax Asset Management. (2024). Die versteckte Wasserbilanz von Daten angehen.
Li, P., Yang, J., Islam, M. A. & Ren, S. (2023). KI weniger „durstig” machen: Die geheime Wasserbilanz von KI-Modellen aufdecken und angehen. arXiv-Vorabdruck arXiv:2304.03271.
OECD. (2023). Wie viel Wasser verbraucht KI? Die Öffentlichkeit hat ein Recht darauf, das zu wissen.
Submer. (2023). Wasserverbrauch von Rechenzentren: Wohin fließt das ganze Wasser?
Ana Pinheiro Privette,University of Illinois. (2024). Die Herausforderungen der KI im Bereich Wasser.