Wasserbilanz von KI-Modellen: Halber Liter Wasser pro Unterhaltung mit ChatGPT

Je stärker künstliche Intelligenz Einzug in unseren Alltag erhält, desto wichtiger ist die Frage nach deren Nachhaltigkeit. Häufig geht es in diesem Zusammenhang um den Stromverbrauch und die Emissionen der Rechenzentren, in denen Anwendungen wie Midjourney oder ChatGPT entwickelt und betrieben werden. Vor allem komplexe Modelle und Anwendungen, die täglich millionenfach verwendet werden, benötigen viel Energie für ihren Betrieb, weshalb die Klimabilanz von KI insgesamt bislang als eher durchwachsen gilt.

Wasser-Fußabdruck bisher wenig beachtet

Neben Strom benötigen die zum Training und Betrieb verwendeten Rechenzentren aber noch eine weitere, nicht minder kostbare Ressource: Wasser, mit denen die Anlagen gekühlt werden. In der Debatte um nachhaltige KI nimmt dieser Aspekt bislang eine untergeordnete Rolle ein. Dabei ist der Wasserverbrauch nicht zu unterschätzen – vor allem in jenen Regionen, in denen Wasser ohnehin ein zunehmend knappes Gut ist.

Das schreiben Forscher der Universität von Kalifornien in Riverside in einem aktuellen Preprint-Paper. „Das Training von GPT-3 in einem von Microsofts modernen Hochleistungsrechenzentren in den USA könnte rund 700.000 Liter Wasser verbraucht haben“, heißt es darin – was ungefähr der Produktion von 320 Tesla entspräche. Und für jede Unterhaltung mit ChatGPT, die durchschnittlich zwischen 20 und 50 Fragen umfasst, gehe ein guter halber Liter Trinkwasser drauf, schätzen die Forscher. Da Unternehmen wie OpenAI, Microsoft und Google keine offiziellen Angaben über den Strom- und Wasserverbrauch ihrer KI-Anwendungen machen, basieren praktisch alle Studien zu diesem Thema auf Schätzungen anhand verschiedener technischer Eckdaten.

Wasserverbrauch von Googles LaMDA

Für ihre Untersuchung unterscheiden die Forscher grundlegend zwischen der Wasserentnahme, also der physischen Entnahme des Wassers etwa aus einem Fluss, und dem Wasserverbrauch. Dieser kann entweder direkt geschehen, wenn die Rechenzentren gekühlt werden und Wasser durch Verdunstung verloren geht, oder indirekt, wenn man das Wasser mit einbezieht, das zur Stromerzeugung benötigt wird.

Um den – direkten und indirekten – Wasserverbrauch von KI zu schätzen, haben die Forscher ein Modell entwickelt, das den Standort von vier Google-Rechenzentren in den USA, den dortigen Wetterdaten sowie Informationen über den lokalen Energiemix und die durchschnittliche Effizienz von Kühltürmen einbezieht. Anhand der Berechnung wollen sie abschätzen, wie viel Wasser das 58-tägige Training von Googles KI-Sprachmodelle LaMDA verbraucht haben könnte. Das Ergebnis: Je nach Startmonat und Rechenzentrum, könnte LaMDA zwischen 800.000 und 2,8 Millionen Litern Wasser verbraucht haben.

Das Team ist sich den Schwächen ihres Modells bewusst: „Unser geschätzter Wasser-Fußabdruck von LaMDA dient nur als ungefährer Anhaltspunkt für die Forschungs-Community“, heißt es in dem Paper. Eine genauere Berechnung sei nur durch Einblicke der Entwickler möglich. Dennoch ließen sich aus der Untersuchung einige wichtige Rückschlüsse ziehen. So sei es ratsam, die KI bevorzugt über die Wintermonate oder nachts zu trainieren, wenn es kälter ist und deshalb weniger Wasser für die Kühlung benötigt wird. Auch sollten Rechenzentren nicht dort errichtet werden, wo es ohnehin schon heiß und Wasser knapp ist.

„Dass ‚wann‘ und ‚wo‘ kann den Wasserverbrauch großer KI-Modelle erheblich beeinflussen“, heißt es in der Analyse. Nicht zuletzt weisen die Autoren auf die Notwendigkeit hin, die Transparenz des Wasserfußabdrucks von KI-Modellen zu erhöhen: Der Wasserverbrauch müsse „als Teil der gemeinsamen Bemühungen zur Bekämpfung globaler Wasserprobleme“ priorisiert werden.

Mehr über Wasser lesen Sie in der aktuellen Ausgabe von MIT Technology Review (im heise shop bestellbar und im gut sortierten Bahnhofsbuchhandel erhältlich). Artikel des Hefts lesen Sie auch online auf der Plattform heise+:

(jle)