Stellen Sie diese Fragen nicht: Die Probleme, die KI herausfordern

Auf jede an die KI gestellte Frage gibt es nicht nur eine Antwort, sondern auch einige Kohlendioxid-Emissionen.

Forscher der Hochschule München haben gezeigt, dass die Umweltauswirkungen der Antworten von Wide Language Models (GDM) wie ChatGPT auf Fragen, die ein logisches Denken erfordern, schwerwiegende Ausmaße annehmen.

Die Studie, die in der Fachzeitschrift Frontiers veröffentlicht wurde, verglich 14 verschiedene KI-Modelle. Fragen zu Themen, die tieferes Denken erfordern, wie abstrakte Algebra oder Philosophie, verursachen etwa sechsmal mehr CO2-Emissionen als einfache Inhalte wie der Geschichtsunterricht in der High School.

„Fragen, die ein hohes Maß an logischem Denken erfordern, führen dazu, dass die Modelle mehr Energie verbrauchen. Dies führt direkt zu mehr CO2-Emissionen“, sagt Studienautor Dr. Maximilian Dauner.

Dr. Dauner sagte, dass große Modelle, die logisch denken können, bis zu 50-mal mehr Kohlenstoff ausstoßen können als Modelle, die einfache, kurze Antworten geben.

Jede an die KI gestellte Frage erfordert eine numerische Verarbeitung. Jedes Wort oder Teil der Abfrage wird in eine digitale Einheit, ein sogenanntes „Token“, umgewandelt und im Modell verarbeitet. Laut der Studie erzeugt eine logisch orientierte Frage durchschnittlich 543,5 Token, während eine einfache Abfrage nur 40 Token erzeugt.

Um den CO2-Fußabdruck zu reduzieren, empfehlen Forscher, dass Benutzer von der KI kürzere, direktere Antworten verlangen und komplexe Modelle nur dann verwenden sollten, wenn sie wirklich benötigt werden.

Die Studie zeigte auch die Umweltkosten hochpräziser Modelle auf: Das Cogito-Modell, das eine Genauigkeit von etwa 85 Prozent aufwies, stieß dreimal mehr Emissionen aus als ähnlich große Modelle, die einfachere Antworten lieferten.

„Derzeit besteht bei KI-Technologien ein Zielkonflikt zwischen Genauigkeit und Nachhaltigkeit. Wir verwenden mehr Energie auf die richtigen Antworten. Doch es ist möglich, dieses Gleichgewicht nachhaltiger zu gestalten“, so Dr. Dauner.

Ein eindrucksvolles Beispiel hierfür ist, dass das Stellen von 600.000 Fragen an das DeepSeek R1-Modell zu Emissionen führen kann, die dem CO2-Fußabdruck eines Hin- und Rückflugs von London nach New York entsprechen. Das Qwen 2.5-Modell von Alibaba Cloud kann hingegen mehr Fragen mit ähnlicher Genauigkeit und demselben CO2-Ausstoß beantworten.

Die Forscher hoffen, dass solche Daten den Benutzern zu einem bewussteren Umgang mit KI verhelfen.