Hinweis: Bericht aus einer einzigen Quelle; Bestätigung steht noch aus.
Laut einer Studie der Universität der Vereinten Nationen könnten Rechenzentren, die KI-Prozesse unterstützen, bis 2030 jährlich bis zu 945 Terawattstunden Strom verbrauchen. Dies entspricht fast dem Dreifachen des kombinierten jährlichen Stromverbrauchs von Pakistan, Bangladesch und Nigeria, die zusammen über 650 Millionen Einwohner haben.
Neben den CO₂-Emissionen verursacht jede von diesen Zentren verbrauchte Strommenge einen erheblichen Wasserverbrauch für Kühlung und Energieerzeugung sowie eine Flächennutzung im Zusammenhang mit Stromerzeugung und Lieferketten. Der Bericht stellt fest, dass der durch KI verursachte Wasserverbrauch bis zum Ende des Jahrzehnts den jährlichen Grundbedarf von 1,3 Milliarden Menschen decken könnte, während die dafür benötigte Fläche mehr als 14.500 Quadratkilometer umfassen könnte – etwa das Doppelte der Fläche der Metropolregion Jakarta.
Die Studie hebt eine erhebliche Lücke bei der Bewertung der Umweltauswirkungen von KI hervor und weist darauf hin, dass die Fokussierung auf Treibhausgasemissionen im Zusammenhang mit dem Modelltraining andere wichtige Faktoren vernachlässigt. Laut Bericht können einige Energiewenden hin zu erneuerbaren Energien, die die Kohlenstoffemissionen reduzieren, den Bedarf an Wasser- und Landressourcen erhöhen und insbesondere in ressourcenarmen Regionen Herausforderungen darstellen.
Der Großteil des Energiebedarfs entfällt auf die tägliche Nutzung von KI und macht etwa 80 bis 90 Prozent des Gesamtenergieverbrauchs aus. Beispielsweise verarbeitet ein weit verbreiteter KI-Dienst täglich rund 2,5 Milliarden Eingabeaufforderungen und verbraucht dabei jährlich Hunderte von Gigawattstunden Strom. Der Energiebedarf variiert stark je nach Aufgabe: Die Generierung eines einzelnen KI-Bildes benötigt mehr als tausendmal so viel Energie wie eine einfache Textklassifizierung, und die Videogenerierung erfordert sogar noch mehr. Der Bericht warnt davor, dass Effizienzsteigerungen allein den Gesamtverbrauch aufgrund eines Rebound-Effekts möglicherweise nicht senken – eine verbesserte Leistung führt zu einem höheren Verbrauch und damit zu einem höheren Gesamtressourcenbedarf.
Die Umweltbelastungen durch KI-Infrastruktur sind weltweit ungleich verteilt. Während die Vorteile von KI global sind, konzentrieren sich ihre Ressourcenkosten häufig auf bestimmte Gebiete, wo Rechenzentren bereits einen erheblichen Anteil des nationalen Stromverbrauchs ausmachen und so den Druck auf die lokalen Energiesysteme erhöhen.