Klimakiller KI

Quelle: On Global Electricity Usage of Communication Technology: Trends to 2030, Anders S. G. Andrae und Tomas Edler, Huawei Technologies Sweden AB

KI braucht zwei Dinge: ein Art Denkmaschine und eine Möglichkeit, ihr Umfeld wahrzunehmen und mit ihr zu interagieren. Sensoren erfüllen diese Aufgabe, und sie werden immer mehr, immer kleiner, sparsamer und intelligenter. Laut dem Marktforschungsunternehmen Mordor Intelligence wird sich der Weltmarkt für industrielle Sensorik, der 2018 knapp 10 Mrd. US- Dollar groß war, bis 2024 mehr als verdreifachen. Allein in der Automobilindustrie werden Expertenschätzungen zufolge bis 2020 mehr als 22 Mrd. Sensoren pro Jahr benötigt – pro Fahrzeug bis zu 200!

Osram hat Opto-Sensoren entwickelt, die Landwirten erlauben, Getreide- oder Gemüsefelder per Smartphone zu scannen und an ein KI-System zu übermitteln, dass Zucker-, Wasser- und Fettgehalt analysiert und so den idealen Erntezeitpunkt bestimmt. Forscher von der RTWH Aachen haben gemeinsam mit Kollegen von der Königlich Technischen Hochschule (KTH) Stockholm Bewegungssensoren aus dem bienenwabenförmigen Werkstoff Graphen entwickelt, die gerade so dick sind wie ein einzelnes Atom. Sie können Beschleunigungen in Smartphones, in Schrittmessern oder in Herzschrittmachern messen.
Energie aus der Luft

Das größte Problem von Sensoren waren bisher Kosten und Energiebedarf. In den letzten Jahren sind die Preise für Industriessensoren dramatisch gefallen. Goldman Sachs und BI Intelligence haben in einer Studie festgestellt, dass der Durchschnittspreis für einen typischen Industriesensor zwischen 2004 und 2014 von $1,30 auf $0,60 halbiert haben, und sie erwarten, dass sich die Preise bis 2020 um weitere 37 Prozent auf $0,38 gesunken sein werden.

Ein Grund für den Preisschwund ist die wachsende Zahl der Anbieter. Allein in den USA teilten sich 2017 mehr als 3.000 Hersteller den boomenden Markt. Angetrieben durch den hohen Innovationsdruck fangen erste Anbieter an, Halbleiterchips herzustellen, die über eine eingebaute KI verfügen. Intel stellte im August 2019 seinen ersten Smart Chip vor, den Nervana Neural Network Processor (NPP), der zum vollautomaischen Trainieren von neuralen Netzwerken geschaffen worden ist. Google, Nvidia und Amazon AWS haben ähnliche Produkte angekündigt oder vorgestellt.

Die Lebensdauer der Batterien ist allerdings nach wie vor ein Problem, vor allem bei Sensoren, die an schwer zugänglichen Stellen verbaut sind. Aber auch das könnte sich bald ändern. Wiliot, ein US-Start-up, hat kürzlich Sensoren vorgestellt, die Radiowellen aus der Luft in Energie umwandeln. EnOcean, ein junges Unternehmen in Unterhaching bei München, dass sich im Markt für Gebäudeautomation tummelt, hat sich auf sogenannte energieautarke Bausteine für IoT spezialisiert. Die Chips ziehen die benötigte Energie über winzige Solarzellen aus dem Raumlicht in ihrer Umgebung.

Energieeffiziente KI ist aber nicht nur eine Frage einzelner Chips, auch wenn es dort natürlich anfängt. Das eigentliche Problem sind die riesigen Server-Farmen und Rechenzentren, die das Herz der künftigen, auf Künstliche Intelligenz aufbauenden Wirtschaft bilden werden. Um auch nur annähernd an die Rechenleistung eines menschlichen Gehirns heranzukommen, müsste ein KI-System ungefähr 40 petaFLOPS pro Sekunde verarbeiten. Ein typischer Server-Farm mit einer solchen Leistung würde rund 6 Megawatt verbrauchen, wohingegen unser Gehirn einen Kalorienverbrauch hat, der ungefähr der Stromaufnahme von 20 Watt entspricht. Ein durchschnittlicher Hochleistungsrechner verschlingt so viel Strom wie eine europäische Kleinstadt mit 1.500 Wohnhäusern.

„Der Energiehunger der Rechenzentren, durch die aller Datenverkehr läuft, ist schier unersättlich“, schrieb die Frankfurter Allgemeine Zeitung Anfang 2019. Deshalb müsse das Stromnetz ausgebaut werden, doch den Betreibern gehe das bisher zu langsam. Rechenzentren in Frankfurt am Main hätten längst den Flughafen als den größten Stromverbraucher abgelöst.

Weltweit verbrauchen Rechenzentren heute rund 200 Terawattstunden (TWh) an Strom, etwa 2% des gesamten auf der Welt erzeugten Stroms. Bis 2030 kann dieser Anteil auf 8% steigen, meint Anders Andrae, ein Analyst für Huawei Technologies. Damit ist die Informations- und Telekommunikationstechnologie (IKT) gerade dabei, die zivile Luftfahrt als Klima-Killer Nummer eins abzulösen.

Drei Kernkraftwerke für ein Zauberwürfel

Forscher bei OpenAI in San Francisco haben einen Algorithmus enthüllt, der durch Ausprobieren lernen kann, wie man die Teile eines Zauberwürfels mit einer Roboterhand manipulieren kann. Dazu mussten sie mehr als 1.000 Desktop-Computer und ein Dutzend Maschinen mit speziellen Grafikchips zusammenschalten, auf denen mehrere Monate lang intensive Berechnungen durchführen. Dabei dürften etwa 2,8 Gigawattstunden Strom verbraucht worden sein, schätzt Evan Sparks, CEO von Determined AI, einem Startup-Unternehmen, das Software zur Unterstützung von Unternehmen bei der Verwaltung von KI-Projekten anbietet. Das entspricht ungefähr der Leistung von drei Kernkraftwerken für eine Stunde!

„Die Sorge ist, dass Algorithmen zum maschinellen Lernen im Allgemeinen immer mehr Energie verbrauchen, mehr Daten verbrauchen und immer länger trainieren“, sagt Sasha Luccioni von Mila, einem KI-Forschungsinstitut in Kanada. Und das ist nicht nur eine Sorge von Akademikern. Da immer mehr Unternehmen in immer mehr Branchen beginnen, KI zu nutzen, wächst die Angst, dass die Technologie die Klimakrise nur noch vertiefen wird.

Erste KI-Forscher haben schon angefangen, Maßnahmen zur Begrenzung der Emissionen ihrer Maschinen zu ergreifen. auszugleichen. Da die Kosten der KI steigen, entwickelt die KI-Industrie einen neuen Appetit auf Algorithmen, die weniger Kilowatt verbrennen.

Luccioni half kürzlich bei der Einrichtung einer Website, auf der KI-Forscher den Kohlenstoff-Fußabdruck ihrer Algorithmen grob berechnen können. Sie haben auch schon ein Zusatzprogramm entwirkclt, dass in einen KI-Algorithmus eingefügt werden kann, um den Energieverbrauch einzelner Computerchips zu verfolgen.

Fortschritte in den letzten Jahren bei der Verarbeitung natürlicher Sprache – eine Form von KI, die Maschinen beim Interpretieren und Erzeugen von Text unterstützt – haben sich als besonders leistungshungrig erwiesen. Eine Forschungsarbeit eines Teams bei UMass Amherst ergab, dass das Training eines einzigen großen NLP-Modells über seine gesamte Lebensdauer so viel Energie wie ein Auto verbrauchen kann – einschließlich der Energie, die für den Bau des Modells benötigt wird.

Das Training eines leistungsstarken maschinellen Lernalgorithmus bedeutet oft, dass Dutzende oder Hunderte von Computer tagelang, wenn nicht gar wochenlang laufen müssen. Die Feinabstimmung, die erforderlich ist, um einen Algorithmus zu perfektionieren, indem beispielsweise verschiedene neuronale Netzwerkarchitekturen durchsucht werden, um die beste zu finden, kann besonders rechenintensiv sein.

Der Energieverbrauch von Servern und Rechenzentren nimmt zu, aber nicht so schnell, wie die Regierung einst dachte. Die Rezession sowie die breitere Einführung der Virtualisierung haben dazu beigetragen, den Energiebedarf zu senken. Die amerikanische Umweltschutzbehörde EPA schätzt, dass Rechenzentren etwa 2 Prozent des gesamten US-Stromverbrauchs ausmachen. Weltweit verbrauchen Rechenzentren etwa 200 Terawattstunden Strom pro Jahr – mehr als in einigen Ländern. Und es wird für das nächste Jahrzehnt ein erhebliches Wachstum prognostiziert, wobei einige voraussagen, dass bis 2030 die Computer- und Kommunikationstechnologie zwischen 8 und 20 Prozent des weltweiten Stromverbrauchs ausmachen wird, wobei ein Drittel davon auf Rechenzentren entfällt.

In den letzten Jahren haben Unternehmen, die Cloud-Computing-Dienste anbieten, versucht, dem steigenden Stromverbrauch entgegenzuwirken und die Kohlenstoffemissionen mit unterschiedlichem Erfolg auszugleichen. Google beispielsweise behauptet, dass seine Rechenzentren dank umfangreicher Einkäufe erneuerbarer Energien „null Netto-Kohlenstoffemissionen“ aufweisen. Microsoft kündigte kürzlich einen Plan an, bis 2030 „kohlenstoffnegativ“ zu werden, was bedeutet, dass es den gesamten Kohlenstoff, den das Unternehmen im Laufe seiner Geschichte produziert hat, ausgleichen würde. OpenAI unterzeichnete im Juli letzten Jahres einen Vertrag über die Nutzung von Microsofts Cloud.

Noch ist nicht klar, wie sich der KI-Boom in das Gesamtbild des Energieverbrauchs in Rechenzentren einfügen wird und wie er diesen verändern wird. Da Unternehmen und andere Organisationen zunehmend künstliche Intelligenz einsetzen, wird es nach Meinung von Experten aber wichtig werden, den Energie-Fußabdruck der Technologie zu verstehen, sowohl in Rechenzentren als auch in anderen Geräten und Gadgets. „Ich stimme zu, dass die Analyse-Gemeinschaft die Sache in den Griff bekommen muss“, sagt Eric Masanet, Professor an der Northwestern University, der das Labor für Energie- und Ressourcensystemanalyse leitet.

Einige KI-Forscher wollen nicht darauf warten, dass die Industrie aufwacht. Luccioni von Mila half kürzlich mit, einen Workshop über den Klimawandel auf einer wichtigen KI-Konferenz, NeurIPS zu organisieren. Die Veranstaltung war so gut besucht, dass es am Ende nur noch Stehplätze gab. „Das Interesse ist riesig“, sagt sie.

Kann KI ein Teil der Lösung sein?

Es wäre allerdings falsch, in KI nur ein neues Klimaproblem zu sehen – sie kann auch ein Teil der Lösung sein. Davon sind jedernfalls die Forscher der Fraunhofer- Allianz Big Data und Künstliche Intelligenz überzeugt. Sie umfasst insgesamt 30 Institute ihre branchenübergreifende Expertise, die innehrlab des Fraunhofer-Verbunds Lösungen und Impulse für Big Data und KI entwickeln und umsetzen. Im Rahmen des KI-Projekts »Energie & Umwelt« haben beispielsweise Forscher am Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO sich dem Thema „vorausschauendes Energiemanagement“ gewidmet und dabei etwas entwickelt, dass sie ein „SmartEnergyHub“ nennen: Er soll Betreiber kritischer Infrastrukturen helfen, ihr Energiemanagement vor dem Hintergrund eines sich rasch wandelnden Energiemarkts optimieren. Auf Basis einer sensorbasierten Smart-Data-Plattform werden Energiesparpotenziale erschlossen, indem Energiemanagementdaten, Wetterprognosen und die Anbindung an externe Marktplätze kombiniert werden. Oftmals stehen diese Daten über die Gebäudeleittechnik bereits zur Verfügung, werden jedoch wenig genutzt und liegen brach. „Durch den Einsatz intelligenter IT-Lösungen können diese Daten genutzt und somit Einsparpotenziale und Mehrwerte realisiert werden“, sagt Thomas Renner, Leiter des Forschungsbereichs Digital Business Leiter Team Digital Business am IOA.

Das Konzept wird seit 2018 in einem sensorbasierten Erprobungsplattform zum Energiemanagement am Stuttgarter Flughafen erprobt. Dr. Daniel Zech, Projektleiter SmartEnergyHub, erklärt: „Die Smart-Data-Plattform bietet die Möglichkeit, einen guten Überblick über das Energiesystem einer Infrastruktur zu erhalten und erlaubt eine ständige Überwachung des Betriebs ebenso wie automatisierte Arbeitsabläufe. Darüber hinaus können der Betrieb prognosebasiert optimiert, externe Märkte angebunden und die Energiekosten durch eine höhere Eigenstromerzeugung gesenkt werden. Die Optimierung des Betriebs großer Infrastrukturen kann dabei nicht nur geringere Energiekosten, sondern ebenso eine Reduzierung von CO2-Emissionen zum Ziel haben. Damit profitiert auch die Umwelt von den Projektergebnissen.“

Auch Bernhard Marr, ein Kolumnist für das Wirtschaftsmagazin Forbes und Autor des Bestsellers „Artificial Intelligence in Practice“ ist überzeugt: „Je mehr wir die KI und die Technologie des maschinellen Lernens nutzen, um unsere gegenwärtige Realität zu verstehen, zukünftige Wetterereignisse vorherzusagen und neue Produkte und Dienstleistungen zu schaffen, um den Einfluss des Menschen auf unsere Chancen zu minimieren, unsere Chancen, Leben zu verbessern und zu retten, eine gesündere Welt zu schaffen und Unternehmen effizienter zu machen, desto besser sind unsere Chancen, die Entwicklung des Klimawandels, auf der wir uns befinden, aufzuhalten oder sogar umzukehren.“

Dieser Beitrag wurde unter artificial intelligence, Cloud Computing, Intelligent Business, Künstliche Intelligenz abgelegt und mit , , , , , , , , , , , , , , , , , , , , , , , , , verschlagwortet. Setze ein Lesezeichen auf den Permalink.

Eine Antwort auf Klimakiller KI

Kommentar verfassen

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.