Einleitung:
Der steigende Stromverbrauch ist insbesondere in Zeiten hoher Strompreise und des Klimawandels von Bedeutung. Dies gilt vor allem für die Nutzung von Künstlicher Intelligenz (KI), da diese große Mengen an Energie benötigt. Christof Windeck aus dem Hardware-Ressort der c't beleuchtet in der aktuellen Ausgabe des KI-Updates den tatsächlichen Stromverbrauch von KI und wie Unternehmen mit den Kosten umgehen.
Unterschiedliche KI-Anwendungen haben unterschiedlichen Stromverbrauch:
KI ist ein weitreichender Begriff der verschiedene Anwendungen umfasst. Daher variiert ebenfalls der Stromverbrauch je nach Art der KI-Anwendung. Ein KI-Algorithmus der beispielsweise Suchmaschinen-Rankings steuert oder Handyfotos verbessert, verbraucht nicht wesentlich weiterhin Strom als andere Apps.
Energiehunger beim Training von KI:
Insbesondere beim Training von generativer KI besteht ein enormer Energiebedarf. Beim Training lernt das Modell anhand großer Testdatensätze, ebenso wie es später funktionieren soll. Um große Sprachmodelle schnell zu trainieren, werden hunderte Server mit tausenden KI-Beschleunigern verbunden. Der Stromverbrauch eines solchen Trainings ist beträchtlich und könnte beispielsweise ein Einfamilienhaus 30 Jahre lang mit Strom versorgen. Aus diesem Grund investieren führende KI-Unternehmen stark in regenerative Energien.
Energieeinsparung durch kleinere Modelle:
Eine Möglichkeit Strom zu sparen besteht darin kleinere Modelle zu verwenden. Diese benötigen weniger als 1000 Stunden GPU-Training und können deshalb in kürzeren Intervallen mit neuen Daten trainiert werden. Dies könnte insbesondere für Unternehmen attraktiv sein die KI-Algorithmen für Supportanfragen oder die Beantwortung von Kundenanfragen für neue Produkte einsetzen möchten. Aktualität spielt hierbei eine wichtige Rolle.
Energieverbrauch beim Inferencing:
Beim Inferencing, also der eigentlichen Anwendung von KI-Modellen, hängt der Energieverbrauch stark von der Art der Anfrage ab. Geschäftsmodelle, bei denen der Energiebedarf durch das was die Nutzer bereit sind damit zu bezahlen refinanziert wird haben langfristig die besten Chancen. Dabei kann dies durch die Verwendung von Daten Werbung oder anderen Zahlungsmethoden geschehen.
Kommentare
:
Der Stromverbrauch von Künstlicher Intelligenz hängt stark von der Art der KI-Anwendung ab. Während einige Anwendungen nur geringen Stromverbrauch haben, benötigen andere, insbesondere beim Training von großen Sprachmodellen, große Mengen an Energie. Durch den Einsatz regenerativer Energien und die Verwendung kleinerer Modelle kann der Stromverbrauch reduziert werden. Langfristig müssen Geschäftsmodelle entwickelt werden bei denen der Energiebedarf refinanziert wird um den Einsatz von KI nachhaltig zu gestalten.