Wasserverbrauch: Die große Unbekannte bei der zunehmenden KI-Nutzung

Der Wasserverbrauch durch Künstliche Intelligenz (KI) stellt ein erhebliches und wachsendes Problem dar: Er wirkt sich stark auf die Umwelt aus, insbesondere durch den immensen Kühlbedarf der schon für das Training von KI-Modellen nötigen Rechenzentren. Deren Energieverbrauch steht längst im Zentrum einer größeren Debatte. Der teils problematischere Wasserhunger von KI spielt bislang dagegen eine weniger sichtbare Rolle.

Die Macher einer Studie der Gesellschaft für Informatik (GI) nehmen daher nun erstmals systematisch den Wasserverbrauch von KI-Systemen entlang ihres gesamten Lebenszyklus in den Blick. Dieser reicht von der Chip-Produktion über den Rechenzentrumsbetrieb bis hin zur Entsorgung der Hardware. Im Forschungsbericht empfehlen sie technische, regulatorische und gesellschaftliche Maßnahmen zur Reduzierung des Wasserbedarfs. Es sei dringend nötig, „nachhaltige Strategien für die Zukunft zu entwickeln“.

Schätzungen

Eine erste Schätzung des Wasserbedarfs stammt von 2023. Danach könnte die weltweite Wassernutzung durch KI-Anwendungen bis 2027 auf 4,2 bis 6,6 Milliarden Kubikmeter (m³) ansteigen. Das entspricht mehr als dem Vier- bis Sechsfachen des jährlichen Wasserverbrauchs von Dänemark. Am Beispiel des Sprachmodells GPT-3 mit 175 Milliarden Parametern zeigt diese Studie, dass dessen Training in Microsofts hochmodernen US-Rechenzentren rund 5,4 Millionen Liter benötigt haben dürfte.

Laut anderen Untersuchungen verbraucht das Erstellen eines zehnseitigen Berichts mit Llama-3-70B von Meta circa 0,7 Liter Wasser, während sich GPT-4 bis zu 60 Liter genehmigen könnte. Jede vom KI-Modell formulierte E-Mail oder 20 bis 50 Fragen an einen KI-Chatbot wie ChatGPT benötigt demnach rund einen halben Liter Wasser.

Diese Schätzungen seien jedoch mit erheblichen Unsicherheiten verbunden, heißt es in der GI-Studie: Zum einen variiere der Wasserverbrauch von Rechenzentren je nach verwendeter Kühlung und Standort. Zum anderen berücksichtigten die Projektionen aufgrund mangelnder Datenverfügbarkeit den Wasserverbrauch der Lieferkette nicht, insbesondere bei der Chip-Herstellung.

Standardisierte Messmethoden für den gesamten KI-bedingten Wasserverbrauch würden fehlen. Viele Tech-Unternehmen veröffentlichten keine detaillierten Verbrauchsdaten, monieren die Wissenschaftler. Modellierungen beruhten daher häufig auf Schätzungen.

„Wasserstress“ weltweit schon hoch

Besonders herausfordernd: Bereits heute ist etwa die Hälfte der Weltbevölkerung von „Wasserstress“ betroffen. Die verfügbaren Süßwasserressourcen können also die Nachfrage nicht mehr decken. Bis 2030 sollen insbesondere Spanien, Italien, Belgien und Griechenland, aber auch Teile Deutschlands wie Brandenburg sowie Regionen in Mitteldeutschland betroffen sein.

Der Neubau von Rechenzentren verschärfe die Not, erläutern die Verfasser. Viele dieser Anlagen würden in Gegenden errichtet, die bereits unter Wasserknappheit leiden oder davon bedroht sind. Das könne zu Nutzungskonflikten zwischen dem steigenden Wasserbedarf der digitalen Infrastruktur und anderen gesellschaftlichen sowie ökologischen Anforderungen führen.

Energieeffiziente Algorithmen, adaptive Trainingsprozesse, spezialisierte Hardware mit geringerem Strombedarf sowie der Einsatz kleinerer, aufgabenspezifischer KI-Modelle könnten den Wasserbedarf senken, schreiben die Verfasser. Weitere Handlungsfelder: ressourcensparende Rechenzentrumsinfrastruktur wie wassersparende Kühltechnologien, der Aufbau einer konsequenten Kreislaufwirtschaft in der Hardwareproduktion, die Standortwahl von Rechenzentren unter Berücksichtigung lokaler Wasserverfügbarkeit und die Etablierung verbindlicher Transparenzstandards und neuer Bewertungsmetriken.

Fazit der Studie: „Wenn KI einen Beitrag zur Bewältigung globaler Herausforderungen leisten soll, muss sie selbst nachhaltig und verantwortungsvoll gestaltet werden.“ Es sei dringend nötig, die Debatte über eine ökologische Transformation der digitalen Infrastruktur auf fundierter Basis fortzuführen.

(mma)