Wie KI-Rechenzentren deutlich weniger Strom verbrauchen sollen

Mit dem Boom der Künstlichen Intelligenz wächst auch der Bedarf an Rechenzentren – und damit der Stromverbrauch. Deutsche Forschungsinstitute arbeiten daran, KI-Modelle deutlich effizienter zu machen.

Wachsende Stromnachfrage durch KI und Rechenzentren

Bis 2045 dürfte sich der Strombedarf in Deutschland im Vergleich zu heute etwa verdoppeln. Damit rechnet Karsten McGovern, Leiter der Landesenergieagentur Hessen. Gründe sind mehr Elektroautos, mehr Wärmepumpen und der Trend zu Künstlicher Intelligenz mit immer höherer Rechenleistung.

Mehr als ein Drittel der deutschen Rechenzentren steht derzeit im Großraum Frankfurt und im Rhein-Main-Gebiet. Dort sind zudem besonders viele neue Anlagen geplant. Allein in Hessen könnte sich der Strombedarf dadurch verdreifachen, so McGovern. Um diesen Bedarf klimafreundlich zu decken, seien deutlich mehr Windkraft- und Solaranlagen nötig.

Der Ökostrom müsse nicht nur erzeugt, sondern auch zu Rechenzentren, Haushalten und Unternehmen transportiert werden. Dafür brauche es neue Leitungen und ein grundlegend modernisiertes Stromnetz, betont McGovern.

Sparsame KI-Modelle im Praxistest

Entscheidend ist neben dem Ausbau der Netze, wie viel Energie die neuen Rechenzentren überhaupt verbrauchen. Das lasse sich stark beeinflussen, sagt Wolfgang Maaß, Professor für Wirtschaftsinformatik an der Universität des Saarlandes und wissenschaftlicher Direktor des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI). In Versuchen konnte ein DFKI-Team mit effizienteren KI-Modellen bei gleicher Leistung den Stromverbrauch um knapp 90 Prozent senken.

Getestet wurde das in einem Projekt bei der Stahl-Holding-Saar. Das Unternehmen sichtet und sortiert Stahlschrott für die Wiederverwertung, dabei sollten KI-gesteuerte Drohnen unterstützen. Gesucht war ein Modell, das verschiedene Metallschrottarten zuverlässig erkennt und gleichzeitig mit begrenzter Rechenleistung auskommt. Das ist auch wichtig, damit die Drohnenakkus nicht zu schnell entladen sind.

Es gebe Tausende Bildanalyse-Modelle, erklärt Maaß. Zunächst habe das Team klären müssen, welche Parameter den Energieverbrauch tatsächlich beeinflussen. Zu dieser speziellen Frage habe es zuvor kaum Forschung gegeben, so der DFKI-Direktor.

Im nächsten Schritt versucht das Team um Maaß, die Erkenntnisse auf große Rechenzentren zu übertragen. In Kooperation mit T-Systems werden die Ansätze in einem Rechenzentrum getestet. Ziel ist es, ähnliche Einsparpotenziale wie bei den Drohnen auch für sehr große Anlagen mit bis zu 10.000 Grafikkarten zu erreichen.

Effizientere Modelle, aber wachsender Ressourcenverbrauch

Die Frage, wie KI und Rechenmodelle sparsamer werden können, beschäftigt inzwischen auch die großen KI-Unternehmen, sagt Maaß. Bei Standardmodellen habe sich die Effizienz zuletzt bereits verbessert. Als ChatGPT vor einigen Jahren auf den Markt kam, sei bei jeder Anfrage faktisch das gesamte Modell im Rechenzentrum aktiviert worden. Heute würden Rechenoperationen gezielter ausgeführt und seien dadurch energieärmer.

Als jüngsten großen Fortschritt nennt Maaß das chinesische KI-Modell Deepseek R1. Es sei im vergangenen Jahr in China von einem kleinen Unternehmen mit unbekannter Finanzierung veröffentlicht worden. Die Grundidee: Das große Modell wird in viele kleinere „Expert:innen“ aufgeteilt, die miteinander kommunizieren.

Dieser Ansatz benötige deutlich weniger Energie, so Maaß. Er vergleicht das mit unserem Gehirn: Wenn wir auf die Straße schauen und erkennen, was wir sehen, laufe das nicht mit voller Rechenleistung. Grob gesagt arbeite das Gehirn eher mit rund fünf Prozent – in ähnlichen Größenordnungen bewegten sich auch die neuen KI-Modelle.

Trotz Effizienzgewinnen werden weiter Rechenzentren gebaut. Die wachsende Nachfrage nach Rechenleistung droht die Einsparungen wieder zu neutralisieren. Neben Strom ist auch Wasser ein Problem: Für die Kühlung verbrauchen Rechenzentren große Mengen – in Zeiten heißerer Sommer und knapper Trinkwasserreserven.

Die zentrale Frage sei, wie wir mit Gemeingütern wie Luft, Wasser und Strom umgehen, sagt Maaß. In Europa nehme man diese Ressourcen eher als begrenzt wahr als in den USA, und das sei positiv. Wenn Unternehmen Kohlendioxid, Wasser und Abwärme in ihre Kalkulation einbeziehen, ändere sich auch ihr Geschäftsmodell, ist Maaß überzeugt. Dann spielten effizientere Algorithmen eine größere Rolle.

Wer akzeptiere, dass Strom und Wasser begrenzt und wertvoll sind, werde am Ende sparsamerer, „smarterer“ und besserer KI zum Durchbruch verhelfen, hofft Maaß. Er setzt großes Vertrauen in deutsche und europäische IT-Ingenieur:innen. Er ergänzt, dass die Hightech-Agenda der Bundesregierung aus seiner Sicht auch Forschung zu smarter, nachhaltiger KI fördern sollte – nicht nur Raumfahrt, Quantenmechanik und Kernfusion. Dann könnte die Entwicklung sparsamer KI schneller vorankommen.

Via: https://www.tagesschau.de

Den Beitrag in unserem Forum kommentieren