Die unsichtbaren Umweltkosten der Künstlichen Intelligenz

Ein Bericht von AlgorithmWatch beleuchtet die gesamte Lieferkette der Künstlichen Intelligenz – vom Abbau der Rohstoffe über die Produktion der Hardware und das Training der Modelle bis hin zur Nutzung der Systeme und ihrer Entsorgung.

Rohstoffabbau:

Künstliche Intelligenz benötigt enorme Rechenleistung. Dafür ist spezielle Hardware erforderlich, die in Rechenzentren betrieben wird. Für deren Server werden Mineralien wie Lithium, Kobalt und Seltene Erden (Rare Earth Elements, REE) benötigt, etwa für Grafikprozessoren, Halbleiter und Batterien. Der Abbau dieser Rohstoffe führt zu gravierenden Umweltfolgen: Wälder werden gerodet, Ökosysteme zerstört und das Grundwasser durch Schadstoffe verunreinigt. Gelangen diese Substanzen in den Boden, kann er über Jahrtausende verseucht bleiben. Auch die Bevölkerung in den umliegenden Regionen leidet unter giftigen Gasen, die bei Abbau und Raffinierung entstehen, was häufig zu schweren Atemwegs- und Lungenerkrankungen führt. Hinzu kommen erhebliche Treibhausgasemissionen. Viele Arbeiterinnen und Arbeiter in den Minen sind extrem schlechten Arbeitsbedingungen ausgesetzt.

Hardware-Herstellung:

Die gewonnenen Rohstoffe werden anschließend zu Komponenten für KI-Hardware verarbeitet. Diese Produktionsphase ist besonders energie-, emissions- und wasserintensiv und erzeugt gefährliche Abfälle. Das US-Unternehmen Nvidia gilt als einer der führenden Hersteller von Hochleistungs-Grafikprozessoren (GPUs) und Halbleitern. Der Konzern, der stark vom Wachstum der KI-Branche profitiert, verursachte laut Angaben vom Mai 2024 jährlich über 2,1 Millionen Tonnen CO₂-Äquivalente. Zudem verbraucht Nvidia große Mengen Wasser – mehr als die Hälfte davon stammt aus Regionen mit ohnehin knapper Wasserversorgung.

Training von KI-Modellen:

Beim Training lernen KI-Modelle, aus einem bestimmten Input einen passenden Output zu generieren – etwa bei Übersetzungen oder Produktempfehlungen. Dabei werden große Datenmengen verarbeitet und der Lernprozess kontinuierlich angepasst. Grundlage bilden sogenannte Parameter, also Werte, die das Modell während des Trainings erwirbt. Je mehr Parameter ein Modell besitzt, desto höher ist der Rechen- und Energiebedarf.
Googles Sprachmodell PaLM aus dem Jahr 2022 umfasst 540 Milliarden Parameter, während ChatGPT-4 Schätzungen zufolge auf rund 1,8 Billionen Parameter basiert – mehr als das Zehnfache seines Vorgängers GPT-3. Laut einer Studie von 2021 verbrauchte allein das Training von GPT-3 rund 1.287 Megawattstunden Strom, was dem Jahresverbrauch von etwa 120 US-Haushalten entspricht. Der damit verbundene Energieaufwand führt zu erheblichen CO₂-Emissionen.

Systemnutzung:

Auch nach dem Training bleibt der Energiebedarf von KI-Systemen hoch. Jede Anwendung – in der Fachsprache „Inferenz“ genannt – verbraucht zusätzliche Energie. Der weltweite KI-Boom hat den Stromverbrauch und damit die Treibhausgasemissionen deutlich erhöht. Googles Umweltbericht 2024 weist einen Anstieg der Konzernemissionen um 48 Prozent in den vergangenen fünf Jahren aus, vor allem durch den Energieverbrauch der Rechenzentren und deren Lieferketten.
Das US-Energieministerium schätzte 2024, dass sich die Last von Rechenzentren in den letzten zehn Jahren verdreifacht hat und sich bis 2028 erneut verdoppeln oder verdreifachen könnte. KI gilt demnach als künftig wichtigster Belastungsfaktor. In mindestens fünf US-Bundesstaaten machen Rechenzentren bereits über zehn Prozent des gesamten Stromverbrauchs aus, in Irland sogar mehr als 20 Prozent. Der Energiebedarf wird überwiegend durch fossile Brennstoffe und Atomkraft gedeckt, da erneuerbare Energien nicht ausreichen.
Auch der Wasserverbrauch der Rechenzentren nimmt stetig zu. In vielen Fällen stammt das Kühlwasser aus Regionen, die bereits unter Dürre und Wasserknappheit leiden.

Entsorgung:

Die Server, die KI-Systeme betreiben, werden am Ende ihrer Lebensdauer zu Elektroschrott – häufig exportiert in Länder Afrikas oder Asiens. Dort leiden Menschen unter den Folgen unsachgemäßer Entsorgung: Viele Komponenten enthalten Schadstoffe wie Blei, Quecksilber oder Kadmium, die in Boden und Wasser gelangen. Der Großteil dieser Abfälle wird nicht recycelt, sondern landet auf Deponien. Selbst in Europa und den USA liegt die Recyclingquote für Elektronikgeräte im Durchschnitt unter 20 Prozent.
Mit der wachsenden Verbreitung von KI steigt der Bedarf an leistungsfähiger Hardware – und damit auch das Müllaufkommen. Durch den technologischen Wettlauf veralten Geräte schneller, ihre Lebenszyklen verkürzen sich. Das Baker Institute der Rice University bezeichnet Elektroschrott inzwischen als den am schnellsten wachsenden Abfallstrom weltweit.

 

---

Bild/Quelle: https://depositphotos.com/de/home.html

Folgen Sie uns auf X

Folgen Sie uns auf Bluesky