Die fortschreitende Integration von künstlicher Intelligenz (KI) in Suchmaschinen wirft nicht nur Fragen nach Leistung und Genauigkeit auf, sondern auch nach den Umweltauswirkungen dieser technologischen Entwicklungen. Ein entscheidender Aspekt, der dabei in den Fokus gerät, ist der Energieverbrauch. Bei dem detaillierten Vergleich des gesamten Energieverbrauchs verschiedener Suchmaschinen werden sowohl interne Prozesse beim Betreiber als auch externe Einflüsse berücksichtigt.
Wird nun der gesamte Energieverbrauch in den Blick genommen, der intern beim Betreiber der Suchmaschine und durch externe Prozesse entsteht, zeigt sich, dass ein KI-System mit quartalsweisem Aktualisierungstraining mit 10,5 TWh im Jahr die meiste Energie verbraucht. Dieser Verbrauch ist deutlich höher als der jährliche Gesamtverbrauch einer Index-basierten Suchmaschine von 221,6 GWh. Ein KI-System, das eine Index-basierte Suchmaschine anspricht, benötigt 3,3 TWh an Energie pro Jahr.
Diese Werte beziehen sich dabei auf den jeweils minimalen Verbrauch. Dazu zählt eine geringe Parameterzahl des KI-Modells mit ca. 137 Milliarden Parametern, wie es beispielsweise bei LaMDA der Fall ist.
Geht man hingegen von einem größeren KI-Modell wie GPT-4 aus, zeigt sich, dass der interne Energieverbrauch für die Antwortgenerierung von 2305 TWh so groß ist, dass sämtliche anderen Prozesse mit einem Verbrauch von ca. 16 TWh prozentual gesehen vernachlässigbar sind. Dies zeigt, dass die Wahl des KI-Modells maßgeblich für den Energieverbrauch der KI-basierten Suchmaschinen ist.
Zudem zeigt sich, dass bei der Wahl eines solch umfangreichen KI-Modells der gesamte Energieverbrauch ca. 5000-mal größer ist als bei einer Index-basierten Suchmaschine (0,43 TWh).
Diese Ergebnisse werfen nicht nur ein Licht auf die energetischen Dimensionen von KI-basierten Suchmaschinen, sondern liefern auch wertvolle Erkenntnisse für die zukünftige Entwicklung und Optimierung solcher Systeme im Hinblick auf ökologische Nachhaltigkeit.