Künstliche Intelligenz, oder kurz KI, spielt eine wichtige, wenn teilweise auch nicht direkt sichtbare Rolle in der Welt von Extended Reality. Auch hierbei lohnt es sich, Bescheid zu wissen und bewusst sowie achtsam damit umzugehen, denn KI birgt sowohl Chancen wie auch Risiken. Es ist schier unglaublich, wie viel Energie die gesamte Elektronik, KI und deren Entwicklung, ja das ganze Internet benötigt. Schauen wir, welche Ressourcen KI verbraucht.

Im ersten und zweiten Teil der Extended Reality Reihe haben wir die verschiedenen Untertypen von XR kennengelernt. Bei der Entwicklung und Benutzung von AR, MR und VR spielt Künstliche Intelligenz (KI) unter anderem eine zentrale Rolle. Gerade bei der Verbesserung der immersiven Erfahrung in einer virtuellen, oder virtuell veränderten Welt, kann KI nützlich sein. So kann mit Hilfe von KI z.B. eine realistischere virtuelle Umgebung erstellt werden, die auf die individuellen Wünsche der Benutzer*innen zugeschnitten werden kann. Zudem kann KI, oder genauer «Natural Language Processing», es ermöglichen, dass Benutzer*innen die virtuelle Welt via Sprache steuern und sich innerhalb dieser Welt mit virtuellen Charakteren unterhalten können. Dies soll das Erlebnis intuitiver und Benutzer*innen-freundlicher gestalten. Dies sind nur einige Beispiele für den Einsatz von KI in Zusammenhang mit XR, und doch zeigen sie auf, wie eng die beiden Technologien miteinander verknüpft sind. Deshalb ist es lohnenswert, sich mit der Thematik von KI auseinanderzusetzen, um deren Möglichkeiten zu erkennen und sich aber auch kritisch mit ihren negativen Seiten vertraut zu machen.

Energie, Geld, Wasser, Öl, Gas…

Die Entwicklung und Instandhaltung von KI benötigt viel Energie und stösst gleichzeitig viele umweltschädliche Gase wie CO2 aus. Während der Fortschritt der Technologie bemerkenswert ist, sollte man sich dennoch bewusst sein, dass dies nicht ohne einen Preis kommt. KI-Modelle müssen stets trainiert werden. Das bedeutet, vereinfacht gesagt, dass einem Modell viele verschiedene Daten und Beispiele gezeigt werden, um dann bestimmte Muster zu erkennen und Aufgaben dazu zu lösen. Dabei wird dem Modell immer Rückmeldung gegeben, sodass es sich fortlaufend verbessern kann. Forscher*innen gehen davon aus, dass für das Training von GPT-3 etwa 552.1 Tonnen CO2 ausgestossen wurden. Das entspricht in etwa 550 Hin- und Rückflügen von New York nach San Francisco für eine Person. Weiter wurden 1287MWh benötigt, um dieses Machine Learning Modell zu trainieren. Ein Vier-Personen-Haushalt in der Schweiz braucht jährlich im Durchschnitt circa 5MWh, ohne Heizung und Warmwasser-Aufbereitung. Das Training von GPT-3 setzte im Vergleich also mehr als 200-mal so viel Energie um.

Doch wofür wird diese Energie verwendet? Während das Training eines Machine Learning Modells bereits sehr ressourcenaufwendig ist, benötigt auch seine Instandhaltung viel Energie. Der Algorithmus, der einem Modell zugrunde liegt, und das Programm, das ihn umsetzt, oder die Kühlung des Rechenzentrums sind einige von vielen Faktoren, die den Ressourcenaufwand eines Modells beeinflussen. Zudem wird davon ausgegangen, dass die benötigte Rechenstärke und Energie proportional zu der Grösse und der Präzision eines Modells steigen.

Gleichzeitig werden dadurch die Kosten auch erhöht. Es wird angenommen, dass ChatGPT täglich circa 630'000.- CHF kostet. Solche Trends führen dazu, dass sich nur noch finanziell starke Unternehmen (z.B. Google, Microsoft, oder Amazon) an der Entwicklung und Forschung rund um das Thema Machine Learning und KI beteiligen können. Die bisher wichtige Rolle der akademischen Welt nimmt daher zunehmend ab.

Eine Gruppe von Forscherinnen und Forschern hat sich mit dem Wasserverbrauchs von KI beschäftigt. Sie gehen davon aus, dass das Training von GPT-3 in etwa 700'000 Liter Süsswasser benötigt hat. Man kann jetzt schon sagen, dass KI, aufgrund des momentanen Wissensstands bezüglich Ressourcenverschleiss, generell mit Verstand zu gebrauchen ist. Zusätzlich zu ihren umweltschädlichen Emissionen sind viele der Hauptakteure der Tech-Branche mit der Öl- und Gas-Industrie im Geschäft. Tech-Giganten wie Google, Microsoft oder Amazon bieten ihre diversen KI-operierten Lösungen an, um zum Beispiel Ölvorkommen in Meer oder unter der Erde zu finden. Sie versprechen ihren Kunden dabei oft günstigere und effizientere Prozesse. Daraus erfolgen zusätzliche Schäden an unserer Umwelt, da die Rohstoffe der Erde durch diese Technologien zunehmend schneller abgebaut werden können. Zusammen mit den hohen CO2-Emissionen beim Training und der Instandhaltung von KI-Modellen haben diese Konzerne also einen immensen Einfluss auf unsere Umwelt und zugleich auf die Klimakrise.

Lies im vierten und letzten Teil, welche Lösungen und Chancen KI bieten kann.