Die Illusion einer CO₂-freien KI

Zu den Argumenten, die von den Befürwortern der künstlichen Intelligenz vorgebracht werden, gehört der entscheidende Beitrag, den diese zu den Bemühungen um eine Dekarbonisierung leisten könnte. Schließlich, so argumentieren sie, erfordern die Bewältigung der Klimakrise, die Verringerung unserer Abhängigkeit von fossilen Brennstoffen und gleichzeitig der Erhalt des Lebens, dass ständig äußerst komplexe Entscheidungen getroffen werden müssen – praktisch in Echtzeit und in sehr unterschiedlichen Bereichen. Was könnte also besser geeignet sein als die KI, um diese Herkulesaufgaben und diese sorgfältigen Abwägungen zu bewältigen, wo doch die Menschen ohne sie bisher daran gescheitert sind, entschlossen in diese Richtung voranzuschreiten?

Auf den ersten Blick scheint das Argument überzeugend. In bestimmten Bereichen ist die Komplexität der Berechnungen zur Verringerung des ökologischen Fußabdrucks schlichtweg schwindelerregend. Während der Mensch schwach ist, sind Maschinen objektiv und unermüdlich. Aber wie kann man sicher sein, dass es sich dabei nicht um eine weitere Illusion des Technosolutionismus handelt? Bestätigen die Erfahrungen der letzten Jahre wirklich die Vorstellung, dass die verschiedenen Formen der KI – große Sprachmodelle (LLM), maschinelles Lernen (Machine Learning), Robotik … – uns dabei helfen können, uns von fossilen Brennstoffen zu lösen?

Beginnen wir mit einer eingehenden Betrachtung dieser Frage, der sich Gilles Babinet, Unternehmer und Co-Vorsitzender des Nationalen Digitalrats in Frankreich, in seinem kürzlich erschienenen Buch „Green IA – Künstliche Intelligenz im Dienste des Klimas“ widmet. Auch wenn er vorschlägt, eine ausgewogene Position zwischen Befürwortern eines Wachstumsrückgangs und technikbegeisterten Enthusiasten einzunehmen, neigt sein Herz, wie der Titel seines Buches andeutet, eindeutig zu Letzteren. So betont er, dass sich der Einsatz künstlicher Intelligenz in der Landwirtschaft ideal zur Verarbeitung von Daten zu Temperatur, Luftfeuchtigkeit, Helligkeit und UV-Strahlung, Niederschlagsmenge, zu Betriebsmitteln, mechanischen Bearbeitungsverfahren, Saatgut, deren Auswirkungen auf die Produktivität und die Qualität der Erzeugnisse sowie die Fähigkeit des Bodens, CO₂ abzugeben oder im Gegenteil zu binden oder sogar zu binden. Die Datenmengen sind zu groß und zu schwer in einen Kontext einzuordnen, als dass unsere armen Gehirne die Herausforderung der Dekarbonisierung dieses Sektors ohne die Unterstützung durch KI bewältigen könnten. Ganz zu schweigen davon, dass Landwirte, selbst wenn sie über solche Daten verfügen, zögern, diese weiterzugeben.

Ein weiteres Beispiel: die Lieferketten. Babinet nennt das Beispiel eines Telekommunikationsanbieters, der seinen ökologischen Fußabdruck verringert hat, indem er den Transport seiner Bauteile per Flugzeug eingestellt hat – eine komplexe Entscheidung aufgrund der Risiken von Lieferengpässen, die KI besser bewältigen könnte. Tatsächlich ist die Liste der Bereiche, in denen KI zum Klimaschutz beitragen kann, sehr lang. Das beginnt bei der Klimatologie, die enorme Datenmengen verarbeiten muss, sowohl um den aktuellen Zustand zu analysieren als auch um ihre Modelle zu betreiben und Vorhersagen zu erstellen. Dies gilt für die Emissionsbilanzierung (beispielsweise zur Identifizierung der größten Emittenten), aber auch für Bemühungen um Energieeffizienz, die Optimierung von Mobilitätsströmen und die Überwachung der Auswirkungen von Dekarbonisierungsmaßnahmen…

Doch je mehr man diese Herausforderungen der Dekarbonisierung auflistet, zu denen die KI offenbar relevante Beiträge leisten könnte, desto deutlicher werden die Hindernisse. Babinet macht daraus keinen Hehl. Er räumt ein, dass die starke Segmentierung der Wirtschaft (die er als „Silo-Denken“ bezeichnet), die oft mit einer sorgfältig gepflegten Intransparenz einhergeht, den Informationsfluss behindert, auf den die KI zugreifen müsste, um diese Rolle erfüllen zu können. Ein weiteres Hindernis ist die Macht der Gewohnheiten: KI kann zwar einen Beitrag leisten, wird uns aber als solche nicht dazu bringen, klimafreundlichere Verhaltensweisen anzunehmen.

Um die Interaktion zwischen Mensch und KI zu beschreiben, greifen Experten auf das Konzept des Zentauren zurück. Das Fabelwesen mit Menschenkopf und Pferdekörper steht für die ideale Situation, in der der Mensch die Aufgaben definiert und die KI – symbolisiert durch den Pferdekörper – in perfekter Zusammenarbeit mit dem Menschen eingreift, um ihm bei der Ausführung dieser Aufgaben zu helfen – dort, wo sie aufmerksamer ist, über mehr Rechenleistung verfügt, Zugang zu mehr Daten hat usw. So wird beispielsweise ein persönlicher Assistent unauffällig eingreifen, um zu verhindern, dass wir einen Geburtstag vergessen, oder uns vorschlagen, einen Regenschirm mitzunehmen, wenn wir das Haus verlassen. Das Gegenteil davon, der „umgekehrte Zentaur“, ist eine Situation, in der die KI das bestimmende Element ist und der Mensch ihr zu Diensten steht. Das ist keine Dystopie: Der Journalist und Autor Cory Doctorow beschreibt den „Albtraum“ einer Automatisierung, die den Menschen versklavt, wenn in den Amazon-Lagern die Arbeiter mit haptischen Armbändern ausgestattet sind und ständig von Kameras überwacht werden, die mit einer KI verbunden sind, während „autonome Regale an ihnen vorbeiziehen und von ihnen verlangen, Gegenstände in einem Tempo zu entnehmen und zu verpacken, das ihre Körper zerstört und sie in den Wahnsinn treibt“.

Dieses Modell ist hilfreich, um einige der Fallstricke zu untersuchen, die mit einem großflächigen Einsatz künstlicher Intelligenz verbunden sind. Es verdeutlicht, warum einige dieser Herausforderungen, die als Produktivitätssteigerer dargestellt werden, das Unternehmen, das sie umsetzen soll, in Wirklichkeit vor das Dilemma stellen können, sich zwischen steigenden Kosten bei gleichzeitiger Qualitätssteigerung oder Kostensenkung bei gleichzeitiger Qualitätsminderung entscheiden zu müssen.

Doctorow nennt das Beispiel der KI, die zur Auswertung medizinischer Bilddaten eingesetzt wird. Damit diese Verfahren davon profitieren können, muss die Zahl der menschlichen Fachkräfte erhöht werden. Zwar soll die KI besser in der Lage sein, Krebsherde zu erkennen als Radiologen. Doch damit das „Zentaur“-Modell in dieser Situation funktioniert, muss die gleiche Anzahl an menschlichen Spezialisten beibehalten werden, und es muss einkalkuliert werden, dass diese zusätzliche Zeit aufwenden, um Fälle zu klären, in denen Ärzte und Maschinen nicht einer Meinung sind. Damit der Einsatz von KI zu besseren Diagnosen führt, wird die medizinische Bildgebung also teurer werden, da sowohl die KI-Programme als auch die zusätzliche Arbeitszeit der Spezialisten bezahlt werden müssen. Für Doctorow ist der einzige Weg, auf dem KI rentabel ist, das Modell des umgekehrten Zentauren.

Auf die Klimaproblematik angewendet zeigt dieses Modell, dass das Dekarbonisierungspotenzial der KI nur dann zum Tragen kommt, wenn Mensch und Maschine es schaffen, eine positive „Zentauren“-Beziehung zueinander aufzubauen. Bislang ist dies jedoch bei weitem nicht der Fall. Die bewegte Geschichte von OpenAI, einem Pionier der Branche und bekannt für seine Plattform ChatGPT, belegt dies. Ursprünglich vor acht Jahren als gemeinnützige Forschungsorganisation gegründet – auch wenn sie sich von Anfang an eine kommerzielle Tochtergesellschaft zugelegt hatte –, hat sich OpenAI nach und nach zu einem gewinnorientierten Unternehmen entwickelt. Der sichtbarste Ausdruck dieser Entwicklung war die Krise, die das Unternehmen im vergangenen November erschütterte, als es seinen Mitbegründer Sam Altman – den Architekten dieser entschlossenen Neuausrichtung auf Gewinn – entließ, um ihn vier Tage später wieder einzustellen. Doch genau dieser Altman erklärte dieses Jahr in Davos: „Ich glaube, wir erkennen den Energiebedarf dieser Technologie noch nicht“, und fügte hinzu, er sehe nicht, wie dieser Bedarf gedeckt werden könne. „Wir brauchen entweder die Kernfusion oder – nun ja – Solarenergie mit radikal kostengünstigeren Speichermöglichkeiten oder etwas Ähnliches in großem Maßstab – einem Maßstab, den derzeit niemand wirklich plant.“ Was Altman vorschlägt, ist, mit voller Kraft voranzustürmen und darauf zu setzen, dass die KI selbst den nötigen Anstoß zur Lösung dieses Rätsels liefern wird.

Dieses Eingeständnis sagt viel darüber aus, welche Art von Beziehung die Menschen gerade zu ihrem neuen Spielzeug aufbauen. Weit davon entfernt, im Dienste des Klimaschutzes zu stehen, weit entfernt vom Modell des tugendhaften Zentauren, ist die KI die neue Geschäftsmöglichkeit, die vor allem ihre Rentabilität unter Beweis stellen muss. Altman ist nicht der Einzige, der solche Prognosen abgibt: John Ketchum, Chef von NextEra Energy, erklärte, dass der Strombedarf in den USA, der in den letzten fünf Jahren stabil geblieben ist, in den kommenden fünf Jahren um 81 Prozent steigen wird. Toby Rice, der ein Gasunternehmen leitet, verwies auf eine Prognose, wonach die KI in den USA bis 2030 mehr Strom verbrauchen werde als die Haushalte. Elizabeth Kolbert, Journalistin beim „New Yorker“, befragte den Niederländer Alex de Vries, der durch die Bewertung des enormen Stromverbrauchs von Bitcoin bekannt wurde. Sollte Google generative KI systematisch in seine Suchmaschine integrieren, würde dies zu einem Verbrauch von 29 Milliarden kWh pro Jahr führen, so sein Fazit – mehr als ein Land wie Kroatien.

Wie der Aktivist Bill McKibben zusammenfasst, brauchen wir angesichts der Klimakrise nicht mehr Intelligenz, sondern mehr Weisheit. Richtig eingesetzt, könnten uns die vielfältigen Möglichkeiten der künstlichen Intelligenz dabei helfen, die immensen Herausforderungen zu bewältigen, vor denen wir stehen. Wir sollten klar erkennen, dass dies derzeit noch nicht unbedingt der Fall ist.