Ki-datenzentren: eine wüstenweite atombombe?

Die Debatte um die Energieverschwendung durch künstliche Intelligenz erreicht neue Höhen. Ein gigantisches Datenzentrum in Utah, genannt Stratos, könnte eine Wärmeentwicklung erzeugen, die einer 23 Atombomben entspricht – eine erschreckende Vorstellung, die die Frage nach der Nachhaltigkeit von KI-Technologien aufdrängt.

Megaprojekt mit gigantischem energiehunger

Professor Robert Davies von der Utah State University berechnet, dass das Projekt bis zu 9 Gigawatt Strom verbrauchen könnte. Das entspräche dem gleichzeitigen Betrieb von Millionen Haushalten. Doch das eigentliche Problem liegt nicht nur im Stromverbrauch, sondern vor allem der daraus resultierenden Wärmemission – 7 bis 8 Gigawatt Restwärme, so Davies’ Einschätzung. Ein „Heat Island“-Effekt, wie er von Experten bereits bei Großstädten und Industrieanlagen beobachtet wird, droht hier, die lokale Umgebung erheblich zu erwärmen.

Die Entwickler des Emulators RPCS3 für PlayStation 3 äußern sich bereits nun besorgt: „Lernt zu programmieren und hinterlasst die Menschheit etwas Nützliches statt Müll.“ Die rasante Entwicklung der generativen KI-Modelle treibt die Nachfrage nach immer leistungsfähigeren Rechenzentren unaufhaltsam an. Google, Microsoft, Amazon und Meta investieren Milliarden, um mitzuhalten – ein Wettlauf, der mit erheblichen ökologischen Kosten verbunden ist.

Die Gefahr besteht, dass die steigende Energienachfrage die Effizienzsteigerungen bei der Datenerfassung bei weitem übersteigt. Experten mahnen, dass die KI-Technologie ohne nachhaltige Lösungen bald zu einem gravierenden Energiemangel führen könnte. Manche schlagen mittlerweile sogar vor, Datenzentren ins All oder in die Tiefsee zu verlegen – eine teure und technisch anspruchsvolle Alternative.

Der Fall Utah ist nur ein Symptom eines globalen Problems. Die Konzentration von Energie und Rechenleistung in immer größeren Anlagen verstärkt die lokale Erwärmung. Es ist an der Zeit, die Balance zwischen technologischem Fortschritt und ökologischer Verantwortung neu zu bewerten. Die Frage ist nicht, ob wir nachhaltige KI entwickeln können, sondern wie.