Der versteckte Wasser-Fußabdruck der KI: Wie viel Wasser verbrauchen GPT-3 & Co.?

Foto: Alexey Demidov auf Unsplash

Künstliche Intelligenz (KI) ist aus dem modernen Geschäftsleben nicht mehr wegzudenken. Doch während die Diskussion um den CO2-Fußabdruck von KI-Modellen längst in der Öffentlichkeit angekommen ist, bleibt ein anderer kritischer Aspekt oft unsichtbar: der Wasserverbrauch. Eine aktuelle Studie der University of California, Riverside, zeigt, dass allein das Training von GPT-3 in Microsoft-Rechenzentren rund 700.000 Liter sauberes Süßwasser verdunstet – und das ist nur die Spitze des Eisbergs.

Warum Wasser für KI ein kritisches Thema ist

KI-Modelle benötigen immense Rechenleistung, die in großen Rechenzentren erbracht wird. Diese Rechenzentren erzeugen enorme Wärmemengen, die durch Kühlsysteme abgeführt werden müssen. Dabei kommen häufig wasserintensive Kühltürme oder luftgekühlte Systeme mit Wasserverdunstung zum Einsatz. Hinzu kommt der Wasserverbrauch für die Stromerzeugung, die die Rechenzentren antreibt.

Die Studie prognostiziert, dass der globale Wasserbedarf für KI im Jahr 2027 zwischen 4,2 und 6,6 Milliarden Kubikmeter betragen könnte – mehr als der jährliche Wasserverbrauch von vier bis sechs Dänemark oder der Hälfte des Vereinigten Königreichs. Dies ist besonders besorgniserregend, da Süßwasser eine immer knappere Ressource wird.

Wie viel Wasser verbraucht GPT-3 wirklich?

Die Forscher haben den Wasserverbrauch von GPT-3 detailliert analysiert. Dabei unterscheiden sie zwischen drei Kategorien:

• Scope-1 (direkter Wasserverbrauch): Wasser, das vor Ort in den Rechenzentren für die Kühlung verdunstet wird.
• Scope-2 (indirekter Wasserverbrauch): Wasser, das bei der Stromerzeugung für die Rechenzentren verbraucht wird.
• Scope-3 (Lieferketten-Wasserverbrauch): Wasser, das bei der Herstellung der Hardware anfällt.

Für das Training von GPT-3 ergibt sich ein Gesamtwasserverbrauch von 5,4 Millionen Litern, wovon 700.000 Liter auf Scope-1 entfallen. Für jede einzelne Anfrage – also jede Interaktion mit dem Modell – werden je nach Standort und Zeitpunkt zwischen 0,5 und 2,2 Milliliter Wasser verbraucht. Das bedeutet, dass eine 500-ml-Flasche Wasser für etwa 10 bis 50 mittellange Antworten ausreicht.

Warum der Standort und die Uhrzeit entscheidend sind

Ein zentrales Ergebnis der Studie ist, dass der Wasserverbrauch stark von räumlichen und zeitlichen Faktoren abhängt. Die Wasser-Effizienz von Rechenzentren variiert:

• Räumlich: Je nach Region und Klima unterscheidet sich der Wasserverbrauch erheblich. So verbraucht ein Rechenzentrum in Arizona aufgrund der hohen Temperaturen deutlich mehr Wasser als eines in Irland.
• Zeitlich: Auch die Tageszeit spielt eine Rolle. Nachts, wenn die Außentemperaturen niedriger sind, ist der Wasserverbrauch geringer. Zudem variiert der Wasser-Fußabdruck der Stromerzeugung je nach Energiemix im Stromnetz.

„Die Umweltauswirkungen von Kohlenstoff- und Wasser-Fußabdruck sind nicht substituierbar. Eine Optimierung auf CO2-Effizienz kann die Wasser-Effizienz sogar verschlechtern“, erklärt Shaolei Ren, korrespondierender Autor der Studie von der University of California, Riverside.

Handlungsempfehlungen für Unternehmen

Um den Wasser-Fußabdruck von KI zu reduzieren, empfehlen die Forscher:

1. Transparenz schaffen: Wasser-Fußabdrücke sollten in KI-Modellkarten und Nachhaltigkeitsberichten standardmäßig ausgewiesen werden.
2. Zeitliche und räumliche Optimierung: KI-Training und -Inferenz sollten bevorzugt zu Zeiten und an Orten mit hoher Wasser-Effizienz durchgeführt werden.
3. Ganzheitliche Nachhaltigkeit: Unternehmen sollten sowohl CO2- als auch Wasser-Fußabdrücke in ihre Nachhaltigkeitsstrategien einbeziehen.

FAQ

Frage: Warum ist der Wasserverbrauch von KI bisher kaum thematisiert worden? Antwort: Der Fokus lag lange auf CO2-Emissionen. Wasser wurde als weniger dringlich angesehen, obwohl der Verbrauch enorm ist und die Ressource immer knapper wird.

Frage: Wie kann mein Unternehmen den Wasser-Fußabdruck seiner KI reduzieren? Antwort: Durch die Wahl wassereffizienter Rechenzentren, zeitliche Verschiebung von Trainings in kühlere Stunden und die Nutzung von Kühlmethoden ohne Wasserverbrauch (z. B. Trockenkühler).

Frage: Sind neuere Modelle wie GPT-4 noch wasserintensiver? Antwort: Ja, Studien deuten darauf hin, dass GPT-4 pro Anfrage deutlich mehr Energie und Wasser verbraucht als GPT-3.

Fazit

Der Wasser-Fußabdruck von KI ist ein ernstzunehmendes Umweltproblem, das bisher zu wenig Beachtung gefunden hat. Für IT-Verantwortliche und Entscheidungsträger bedeutet dies, dass Nachhaltigkeitsstrategien neben CO2 auch den Wasserverbrauch berücksichtigen müssen. Nur so kann KI wirklich nachhaltig werden – und ihren Beitrag zur Lösung globaler Herausforderungen leisten, ohne neue zu schaffen.