UN-Studie: KI verbraucht bis 2030 9,3 Billionen Liter Wasser – entspricht dem Bedarf von 1,3 Milliarden Menschen

Forscherin Miriam Aczel (Hauptautorin des Berichts) vom Institut der Vereinten Nationen für Wasser, Umwelt und Gesundheit (UNU-INWEH) warnte am 7. Juni, dass Rechenzentrumsinfrastrukturen, die bis 2030 KI-Systeme betreiben, pro Jahr möglicherweise 9,3 Billionen Liter Wasser verbrauchen werden – entsprechend dem jährlichen Basiswasserbedarf von 1,3 Milliarden Menschen in Afrika südlich der Sahara.

Bestätigte drei Schätzungen zu den Ressourcen bis 2030

Laut dem Bericht von UNU-INWEH lauten die Zahlen der drei wichtigsten Ressourcenschätzungen wie folgt: Jährlicher Wasserverbrauch von 9,3 Billionen Litern (gleichbedeutend mit dem jährlichen Basiswasserbedarf von 1,3 Milliarden Menschen); Stromverbrauch von 945 Terawattstunden; Flächenbedarf von mehr als 14.500 Quadratkilometern (umfasst Standorte, Energieinfrastruktur und Lieferketten).

Der Professor für Bau- und Berechnungstechnik an der University of California, Riverside, Ren Shaolei (über die englische Ausgabe von The National Post) sagte: „Der Bericht kommt rechtzeitig und ist wichtig, weil er uns daran erinnert, dass KI nicht auf Modelle und Algorithmen beschränkt ist, sondern auch reale physische und ökologische Auswirkungen auf Rechenzentren, Stromsysteme, Wasserversorgungssysteme, die Landnutzung und Hardware-Lieferketten hat.“

Bestätigte Mechanismen für den Ressourcenverbrauch von KI

KI-Inferenz (also die tägliche Nutzung, nicht das Training) macht 80% bis 90% des gesamten KI-Energieverbrauchs aus und macht die alltägliche Routine-Nutzung zur Hauptquelle des Ressourcenverbrauchs. ChatGPT verarbeitet täglich etwa 2,5 Milliarden Prompt-Nachrichten; ein einzelnes Standard-Chatbot-Gespräch verbraucht deutlich mehr Energie als einfache Klassifizierungsaufgaben. Alex Hernandez, Forscher am Quebec AI Institute, stellte fest, dass der Energieverbrauch aktueller KI-Systeme bisher weiterhin schwer präzise zu messen ist, was die Genauigkeit der Prognosen begrenzt.

Häufige Fragen

Auf welcher Berechnungsgrundlage basiert die Prognose von 9,3 Billionen Litern Wasser bei UNU-INWEH?

Die Wasserschätzung von UNU-INWEH umfasst zwei Ebenen: den direkten Wasserverbrauch von Kühlsystemen in Rechenzentren (Wasserfußabdruck) und den indirekten Wasserverbrauch im Zusammenhang mit der Stromerzeugung. Der Bericht bezieht den Wasserverbrauch der Stromquelle in den Berechnungsrahmen ein, nicht nur den direkten Wasserverbrauch am Standort des Rechenzentrums. Alex Hernandez wies darauf hin, dass die Energiedaten von KI-Anlagen selbst derzeit noch schwer präzise zu messen seien, weshalb diese Schätzung inhärente Unsicherheiten aufweist.

Warum führen CO₂-Minderungsmaßnahmen zu einem Anstieg des Wasserverbrauchs um mehr als das 30-Fache?

Laut der Analyse von UNU-INWEH ist die Verlagerung der Rechenzentrumsenergie von Kohle hin zu Bioenergie ein gängiger Pfad zur CO₂-Reduktion, der die CO₂-Emissionen um etwa 70% senken kann; jedoch erfordert der Anbau von Bioenergie massenhaft Bewässerungswasser und nimmt zudem große Flächen für die Landwirtschaft in Anspruch. Das führt dazu, dass der Wasserverbrauch um mehr als das 30-Fache steigt und die Landnutzung um etwa das 100-Fache zunimmt. Aczel sagte, dass das reine Abstellen auf CO₂-Emissionen als Maßstab für Umweltwirkungen diese Kosten für Wasserressourcen und Land verdecken kann.

Können KI-Modelle mit höherer Effizienz den Wasserverbrauch deutlich senken?

Der Bericht von UNU-INWEH nennt das Risiko eines „Rebound-Effekts“: KI, die günstiger und effizienter ist, könnte den Ressourcenverbrauch pro Nutzung senken, doch die Kostensenkung führt normalerweise dazu, dass die Nutzung deutlich häufiger stattfindet. Am Ende kann der gesamte Ressourcenverbrauch über dem Niveau liegen, das vor der Effizienzsteigerung gegeben war. Daher hängt davon ab, ob eine Effizienzsteigerung der Modelle auf makroskopischer Ebene die Auswirkungen von KI auf Wasserressourcen reduziert – und zwar davon, ob das Wachstum der Nutzungsgröße schneller ist als der Umfang der Effizienzsteigerung.