Das Training fortgeschrittener Modelle erfordert erhebliche Ressourcen

Die Studie betont, dass die Umweltauswirkungen je nach Stromerzeugungsort erheblich variieren

Der Bericht schätzt, dass das Training von Grenz-KI-Modellen sehr große Mengen an Strom und Wasser erfordern kann.

GPT 4 beispielsweise hat während des Trainings schätzungsweise zwischen 50 und 70 Gigawattstunden Strom verbraucht. Der damit verbundene Wasser-Fußabdruck betrug etwa 600 Millionen Liter und reichte aus, um den jährlichen Mindestwasserbedarf von etwa 81.000 Menschen in Afrika südlich der Sahara zu decken.

Zukünftige Generationen großer KI-Modelle erfordern möglicherweise noch mehr Ressourcen. Der Bericht schätzt, dass ein Modell im GPT-5-Maßstab während des Trainings etwa 100 Gigawattstunden Strom und etwa 1 Milliarde Liter Wasser benötigen könnte.

Die Studie betont, dass die Umweltauswirkungen je nach Stromerzeugungsort erheblich variieren. Verschiedene Energiequellen haben unterschiedliche CO2-, Wasser- und Land-Fußabdrücke, was bedeutet, dass der Standort der KI-Infrastruktur ihre gesamte Umweltleistung stark beeinflussen kann.

Der tägliche KI-Einsatz ist mittlerweile für den größten Teil des Energiebedarfs verantwortlich

Während das Training großer Modelle Aufmerksamkeit erregt, legt der Bericht nahe, dass die Betriebsphase, bekannt als Inferenz, für den größten KI-bezogenen Energieverbrauch verantwortlich ist.

Inferenz bezieht sich auf den Prozess der Generierung von Antworten nach der Bereitstellung eines Modells. Dem Bericht zufolge macht diese Phase etwa 80 bis 90 % des gesamten KI-Energieverbrauchs aus, da jeden Tag Milliarden von Interaktionen stattfinden.