{"id":97243,"date":"2024-02-03T13:22:06","date_gmt":"2024-02-03T12:22:06","guid":{"rendered":"https:\/\/www.sonnenseite.com\/?p=97243"},"modified":"2024-02-16T11:29:01","modified_gmt":"2024-02-16T10:29:01","slug":"ki-verbraucht-immer-mehr-ressourcen-jetzt-nachhaltigkeit-messen","status":"publish","type":"post","link":"https:\/\/www.sonnenseite.com\/de\/zukunft\/ki-verbraucht-immer-mehr-ressourcen-jetzt-nachhaltigkeit-messen\/","title":{"rendered":"KI verbraucht immer mehr Ressourcen: jetzt Nachhaltigkeit messen"},"content":{"rendered":"\n

Die KI-Verordnung der Europ\u00e4ischen Union f\u00fchre nun zwar erstmals Umweltaspekte auf, aber diese reichten nicht aus.<\/p>\n\n\n\n

Die Ausbreitung K\u00fcnstlicher Intelligenz (KI) heizt die Diskussion \u00fcber ihre Auswirkungen auf die Gesellschaft und die Umwelt an. Wie viele Ressourcen KI-Anwendungen ben\u00f6tigen, ist zu gro\u00dfen Teilen unbekannt, obwohl viele Daten l\u00e4ngst automatisch gemessen werden k\u00f6nnten – etwa wie oft Berechnungen durchgef\u00fchrt werden und wie lange diese Prozesse dauern. Darauf weisen Forscher*innen des Instituts f\u00fcr \u00f6kologische Wirtschaftsforschung (I\u00d6W) hin.<\/p>\n\n\n\n

Gemeinsam mit der Nichtregierungsorganisation AlgorithmWatch<\/a> und dem Distributed Artificial Intelligence Labor der Technischen Universit\u00e4t Berlin haben sie mit F\u00f6rderung des Bundesumweltministeriums im Leuchtturmprojekt „SustAIn<\/a>“ drei Jahre lang untersucht, wie KI-Anwendungen nachhaltiger werden k\u00f6nnen. In ihren Empfehlungen fordern sie nun dazu auf, dass Nachhaltigkeitswirkungen von KI entlang des Lebenszyklus st\u00e4rker gemessen und die Entwicklung und Nutzung von KI-Systemen reguliert werden m\u00fcssen.

Emissionen \u00fcber den gesamten Lebenszyklus vergleichen<\/strong>

In ihrem Report „Taking (policy) action to enhance the sustainability of AI systems“<\/a> zeigen die Forscher*innen, wie der Energieverbrauch w\u00e4hrend der Entwicklungs- sowie in der Trainingsphase gemessen werden kann. „Insbesondere die Anbieter von gro\u00dfen Sprachmodellen, sogenannten LLMs, geben oft nur den direkten Energieverbrauch und die Emissionen f\u00fcr einen Trainingszyklus an<\/em>„, erkl\u00e4rt KI-Expertin Friederike Rohde<\/strong> vom I\u00d6W. „So bleibt das Bild unvollst\u00e4ndig. Ber\u00fccksichtigt man zus\u00e4tzlich die Hardwareproduktion und die Betriebsenergie, kann sich der Emissionswert schnell verdoppeln. Zudem entstehen kontinuierliche Emissionen w\u00e4hrend der Anwendung des Modells. Indikatoren deuten darauf hin, dass diese immens sein k\u00f6nnten.“<\/em>

Die KI-Verordnung der Europ\u00e4ischen Union f\u00fchre nun zwar erstmals Umweltaspekte auf, aber diese reichten nicht aus, so die Expert*innen. „Wir freuen uns, dass der AI Act erste Schritte geht, um die Umweltrisiken von K\u00fcnstlicher Intelligenz nachvollziehbar zu machen. Den Energie- und Ressourcenverbrauch von KI zu messen ist m\u00f6glich und dringend n\u00f6tig, das haben wir in unserem Projekt gezeigt“<\/em>, so Kilian Vieth-Ditlmann<\/strong> von AlgorithmWatch. „Doch es braucht weitere Ans\u00e4tze, um die Umweltwirkungen zu regulieren. Es sollten etwa Mess- und Reportingstandards auch f\u00fcr die Phase der KI-Nutzung entwickelt werden, etwa indem KI-Anbieter vor der Markteinf\u00fchrung verschiedene Standard-Nutzungsszenarien definieren.“<\/em>

Transparenz \u00fcber Energieverbr\u00e4uche herstellen<\/strong>

Die Forschenden zeigen in ihrer Untersuchung, deren zugrundeliegendes Kriterienset in dem internationalen Journal „Current Opinion in Environmental Sustainability“<\/a> ver\u00f6ffentlicht wurde, welche Daten im Hinblick auf den Energieverbrauch w\u00e4hrend der Systementwicklung und des Modelltrainings erfasst werden sollten. Helfen k\u00f6nnten dabei Metriken wie die Effektivit\u00e4t der Energienutzung („Power Usage Effectiveness“), die transparent machen, wie viel Energie ein Rechenzentrum im Verh\u00e4ltnis zu seinem Gesamtenergieverbrauch f\u00fcr die Datenverarbeitung verwendet. Mit diesem Parameter l\u00e4sst sich die Energieeffizienz von Rechenzentren vergleichen.

Auch eine Fallstudie zu KI in der personalisierten Online-Werbung<\/a> zeigte, wie relevant es ist, Energie- und Ressourcenverbr\u00e4uche zu monitoren. „Entweder werden Energieverbr\u00e4uche noch gar nicht gemessen oder die Daten liegen bei den gro\u00dfen IT-Unternehmen wie Google, Facebook oder Amazon, die diese nicht transparent machen“<\/em>, erkl\u00e4rt Gesa Marken<\/strong> vom I\u00d6W. „Wir fordern, dass rechtliche Verpflichtungen zur Messung und Ver\u00f6ffentlichung solcher Daten eingef\u00fchrt werden.“<\/em>

Wirtschaftliche und soziale Auswirkungen von KI beachten<\/strong>

Die Forschenden weisen darauf hin, dass die starke Marktkonzentration der KI-Industrie zu globalen Verteilungsungerechtigkeiten f\u00fchrt. Daher sollten auch die aus wirtschaftlicher und sozialer Sicht problematischen Tendenzen in der KI-Entwicklung ber\u00fccksichtigt werden. „Um die Probleme der Marktkonzentration anzugehen, hat die Europ\u00e4ische Union im Bereich der Tech-Industrie die gro\u00dfen Online-Plattformen mit dem Digital-Markets-Act (DMA) reguliert. Dies k\u00f6nnte ein Muster daf\u00fcr sein, wie die Marktkonzentration in der KI-Branche verringert werden k\u00f6nnte“<\/em>, so Digitalexpertin Josephin Wagner<\/strong> vom I\u00d6W. „Weitere politische Initiativen sollten nun nachlegen, um eine nachhaltige Entwicklung und Nutzung von KI-Systemen zu gew\u00e4hrleisten. Wir empfehlen Vorgaben zur Data Governance, eine Gesetzgebung f\u00fcr die Lieferkette und eine starke \u00d6kodesign-Verordnung.“<\/em><\/p>\n\n\n\n