Ressourcenverbrauch von Artificial Intelligence

Dieser Post versucht einen Realitätsabgleich für den Ausbau von AI Rechenzentren. Es gibt zahlreiche Widersprüche, die den ganzen Hype in Frage Stellen. Es gibt Mangel an Energie, Stromleitungen, Wasser und Metallen, die einen Ausbau in dem geplanten Umfang extrem unwahrscheinlich machen.

Rechenzentren sind Fabriken

Rechenzentren sind gigantische Fabriken, die Rechenleistung, Speicher und Netzwerk für das Internet produzieren.

Das Bild¹ zeigt eine Farm von drei Amazon Rechenzentren in der Region US West 2 in Boardman, Oregon.

Oben rechts im Bild ein Umspannwerk, das den Anschluss an das Stromnetz sichert. Auf den Dächern die Schächte zum Abführen der Wärme. Daneben Strassen zur Versorgung. Vor den Gebäuden stehen Dieselgeneratoren und -tanks, die im Falle eines Stromausfalls für 24h die Versorgung sicherstellen können.

Stromverbrauch

Als erstes macht sich der Stromverbrauch bemerkbar, der sehr stark variieren kann. In Deutschland verbraucht ein kleines deutsches Rechenzentrum 12 MW, bis zu 40 MW in Städten sind bereits gebaut. In Städten ergibt sich das Problem, dass die Stromversorgung von neuen Rechenzentren schon ab 4 MW neue Leitungen benötigt und dafür Strassen aufgerissen werden müssen.

Geplant sind in Berlin Rechenzentren mit einem Bedarf von 100 MW² und in der gesamten in der Region Berlin Brandenburg³ geschätzt 1-2GW.

In den USA finden sich auch bereits Rechenzentrumsfarmen, die 600 MW verbrauchen.

Bedingungen sind immer ein Zugang zum Übertragungsnetz durch eine Umspannstation von 110 KV auf Drehstrom, Zugang zu Wasser für die Kühlung, Anschluss an typischerweise vier Glasfasernetze und an das Transportnetz.

In den verschiedenen Räumen stehen typischerweise tausende von Racks mit Hardware im Werte von knapp 1 M€/Rack, also insgesamt Server im für mehrere Milliarden €.

Für die Sicherung sind immer zwei Zugänge über die Strasse und idealerweise auch ein Zugang über Wasser notwendig, um Nachschub auch in Krisenfällen sicher anzuliefern. Ideal ist in diesem Sinne das NTT Rechenzentrum in Spandau(Google Maps), das auch über eine Kanalanbindung vom Wasser aus beliefert werden kann.

Physische Zugangssperren, die auch LKW bis 20t aufhalten können und eine Absicherung des Eingangsbereichs durch Panzerglas, das bis zu Kalashnikovs standhält und eine Remote Steuerung aus einem weiteren RZ sind Teil des physischen Sicherheitskonzeptes. Das Dach ist im wesentlichen ungesichert.

Aufteilung des Verbrauchs

Dabei teilt sich der Verbrauch⁴ zu etwa gleichen Teilen von je 43% auf Server und die Stromversorgung und Kühlung auf. Nur 11% gehen in die Speichersysteme und nur 3% in das Netzwerk.

Die meiste Energie ist Abwärme und geht damit verloren. Kühlung kann auf drei verschiedene Arten erfolgen

1. Wasserverdunstung
2. Immersionskühlung
3. Wasserkühlung

Explosionsartiger Anstieg des Energieverbrauchs

Der exponentiell steigende Bedarf an Rechenleistung wurde bis zu Aufkommen von AI durch das Mooresche Gesetz⁵ aufgefangen. Die Verdopplung der Rechenleistung alle zwei Jahre entsprach, auch aus wirtschaftlichen Gründen, dem Bedarf, ohne den Stromverbrauch massiv zu erhöhen.

Das hat sich erst ab 2012 drastisch geändert, seitdem verdoppelt sich der Bedarf der AI Anwendungen alle 3,4 Monate⁶. Das entspricht sieben Verdopplungen alle zwei Jahre, von denen, selbst wenn das Mooresche Gesetz weiter gelten würde, einem Faktor von 2⁶=64.

Das kommt einer Explosion des Bedarfs gleich, der von der Energieversorgung und dem Transport nicht gedeckt werden kann. Exponentieller Anstieg⁷ findet sich am Anfang von Sprengstoffexplosionen, Kernreaktionen, Wachstum von Populationen und Infektionen⁸.

Der Anstieg wird immer begrenzt durch die Ressourcen, die bei der Explosion aufgebraucht werden.

Es wird deshalb gerade verzweifelt versucht, den Ressourcenhunger der AI zu decken. Dabei sind Grenzen bereits erkennbar

1. Geld
2. Energie
3. Energietransport
4. Wasser
5. Fläche
6. Metalle wie z.B. Kupfer

Geld

Unter diesen Aspekten müssen wir das Programm, 500 Milliarden US-Dollar für die Förderung von AI in als den Versuch bewerten, genügend Kapital für den Ausbau von Rechenzentren zur Verfügung zu stellen. Die Hyperscaler (Amazon, Microsoft, Google, Ali Baba) können diese Summen sicher zur Verfügung stellen und haben keine Problem, Geld im Billionen Bereich (1000 Milliarden) zu mobilisieren.

Energie

Die nächste Grenze, die erreicht werden kann, ist die Bereitstellung von Energie. Strom ist begrenzt durch die Anzahl der Kraftwerke aber auch durch lokale Transportmöglichkeiten.

Das US Electric Power Research Institute hat Vorhersagen gemacht, die zur Grundlage der Gesetzgebung in den USA geworden sind. Der Report Powering Intelligence: Analyzing Artificial Intelligence and Data Center Energy Consumption⁹ ist frei zugänglich und diskutiert für die Zukunft mehrere Szenarien von einem Low Growth Szenario mit 3,7% bis zu einem Higher Growth Szenario mit 15% jährlichem Wachstum bis zum Jahr 2030 Dabei sind 1 TWh/y = 114 GW ≅ 1/7 GW, wobei die Einheit TWh/y pro Jahr für Mittelwerte und GW für aktuelle Leistung verwendet wird.

Electric Power Research Institute –EPRI Projections, May 2024

Auswirkungen

Wir sehen hier Prognosen, die eine Verfünffachung des Energiebedarfs der Rechenzentren bedeuten. Verglichen mit dem moderaten Anstieg von 2000-2020, in dem wir im wesentlichen das Anwachsen des E-Commerce seit dem Platzen der Internet Blase sehen, ist das eine völlig neue Situation, auf die die Energieversorgung nicht vorbereitet ist.

In den USA bedeutet das einen Anstieg der Stromlast von 10%, die das an sich schon instabile US Transmission Grid nicht leisten kann. In Irland, das aufgrund seiner günstigen Steuern und seiner laxen Datenschutzgesetze bereits ein sicherer Hafen für alle datenhungrigen Firmen ist, würde das bedeuten, dass der Anteil von 20% des Stromverbrauchs auf 100% ansteigen und keine Energie mehr für die andere Wirtschaft und private Aushalte übrig lassen würde. Die Prognosen für Europa¹⁰ sehen ähnlich, aber zeitverzögert aus gegenüber den Vorhersagen aus den USA.

Weil dieser Anstieg offensichtlich unrealistisch ist, schwärmen die Hyperscaler Einrichter von Rechenzentren in den US, aber auch in Europa und der ganzen Welt aus und versuchen Orte zu finden, an denen die Bedingungen zum Bau von Rechenzentren günstig sind.

Bewertung

Der Treiber hinter diesen Entwicklungen ist die Furcht, eine wichtige Entwicklung zu verpassen, die Angst, die Dominanz an China zu verlieren oder sogar die Angst, den Dritten Weltkrieg dadurch zu verlieren. Das ist ein klassisches FOMO (fear of missing out) Szenario, in dem Angst von den AI Firmen geschürt wird, um die eigenen wirtschaftlichen Interessen durchzusetzen. Es wird steht nicht weniger als die wirtschaftliche Führung auf dem Spiel, AI als Dreh- und Angelpunkt für den AI New Deal.

Es muss also Strom her und an die Rechenzentren, und das schnell. Die Lösung mit konventionellen Methoden und den jahrzehntelangen Planungszyklen der Stromwirtschaft scheint zu langsam. Also kommt als Griff nach dem Strohhalm Kernenergie wieder ins Spiel. Weil auch die klassischen Reaktortypen jahrzehntelangen Vorlauf haben wird versucht, eine neue Generation von Kernreaktoren mit kleinerer und sicherer Architektur zu in den Markt zu bringen, Small Modular Reactors, mit Leistungen von 60 bis 300 MW. Aus diesem Grunde lohnt auch ein Check, ob das wirklich eine realistische Option ist.

Kernenergie und Small Modular Reactors

Für die USA ist ein Bedarf von 47GW ermittelt worden. Bloomberg hat sich die Bedingungen für die USA bereits angeschaut¹¹. Insgesamt ergibt sich bereits vor dem 500 Mrd Programm der Trump II Administration ein Bedarf von insgesamt 47GW. Das sind ≈ 150 _Small Modular _Reactors (SMR¹²) Reaktoren der 300 MW Dimension. Davon gibt es, Stand Anfang 2025 weltweit erst drei Prototypen, zwei in Russland einen in China. Kein einziger steht in den USA oder in Europa. Beim gegenwärtigen Verbrauch von U^235⁢ reichen die bekannten Vorräte noch 70 Jahre, bei konsequenter Erschliessung aller vermuteten Lagerstätten 130 Jahre. Wird aber der Stromverbrauch durch die gegenwärtige Kerntechnik gedeckt, können aber auch nach 12 Jahren die Uranvorräte erschöpft sein¹³.

Hinzu kommt, dass das dafür benötigte Uran meist unter russischer Kontrolle ist.

Mit Blick auf den Zeitplan bis 2030 ist unter realistischen Bedingungen ein Bau so vieler Reaktoren auch bei massivem Abbau der bürokratischen Hindernisse, also aller Sicherheitsmassnahmen, schlicht unrealistisch.

Eine ganze Reihe von Betrachtungen weckt erhebliche Zweifel an der Realisierbarkeit, selbst wenn für einen Augenblick die Kernenergie als realistische Option gedacht wird¹⁴, insbesondere wenn sich Firmen mit ein neues Geschäftsfeld erschliessen wollen¹⁵ sollte auch die Sicherheitshistorie betrachtet werden.

Absurder sind nur die Vorhersagen für den Einsatz von Fusionsenergie. Es existiert bisher kein einziges Kraftwerk auf der Erde. Ein alter Witz unter Physikern besagt, dass das erste Fusionskraftwerk immer erst in 50 Jahren einsatzreif sein wird. Damit können Forschungsmittel beantragt werden und es gibt keinen Zwang, innerhalb einer akademischen Karriere etwas abzuliefern.

Fernfusion 🌟🌟🌟

Unter ökonomischen Gesichtspunkten ist die einzige realistische Alternative, auf Solar- und Windenergie und auf Speicher zu setzen.

Der Preisverfall bei diesen Systemen ist exponentiell pro kWh¹⁶. Interessanterweise ist Nuscale¹⁷, die mit einem schönen grünen Kernkraftwerk in das Geschäft einsteigen wollte, inzwischen nach einer Insolvenz auf Sonnen- und Windenergie umgestiegen. Die ursprünglichen Pläne mit 77MW Einheiten, davon 4-12 Einheiten pro Kraftwerk haben sich als zu unwirtschaftlich erwiesen¹⁷.

Insgesamt sieht der Vergleich Kernenergie zu Erneuerbaren Energien wieder einmal eindeutig aus.

Kernenergie – PV + Wind + Batteries

Thema	Nuklear	Sonne, Wind, Tiden und Batterien
Kosten	Explodieren18	fallend
Treibstoff	U235⁢	frei
Lagerstätten Vorhersage	12-130 Jahre13
Energie/Einheit	300 MW	5 MW
Kühlung	Wasser, Natrium	keine
Probleme	radioaktiver Abfall, keine Endlager, Proliferation	einige Tage Dunkelflaute, Recycling der Komponenten
Lösungen	keine	Übertragungsnetze, lokale Puffer

Wasser

Der Wasserverbrauch hängt sehr stark von der Kühltechnik, dem Standort und den Jahreszeiten am Ort des Rechenzentrums ab. Der PuE Wert¹⁸ wird gerne als Referenz für die Effizienz herangezogen, ist aber bedeutungslos, solange die Auslastung des Rechenzentrums nicht bekannt ist.

$$\text{PUE}=\frac{\text{Insgesamt verbrauchte Energie}}{\text{Für Rechenleistung verbrauchte Energie}}=1+\frac{\text{Nicht für Rechenleistung verbrauchte Energie}}{\text{Für Rechenleistung verbrauchte Energie}}$$

Verdunstungskühlung

Für den Energieverbrauch erzielt man die besten Ergebnis durch Verdunstungskühlung. Das ist nur dann eine gute Strategie, wenn Wasser im Überfluss vorhanden ist. In Gegenden mit knappen Wasservorräten verbietet sich diese Methode, weil das Wasser dann nicht mehr wiedergewonnen wird. Typische Werte sind knapp über 1, typisch sind 1,6 und sogar 1,2 wurde schon berichtet. Diese Werte werden gerne zur Werbung eingesetzt, um ein Rechenzentrum als besonders umweltfreundlich darzustellen.

Dabei wir der Wasserverbrauch meist nicht erwähnt. Ein besonders dreistes Beispiel kommt von Google¹⁹, in dem Wasser nicht einmal erwähnt wird.

Adiabatische Verdunstungskühlung

Dabei wird durch trockene Luft mit Wasser gekühlt. Das führt zu einer Luftfeuchtigkeit nahe 100%, die die Feuchtigkeit wird durch einen Tauscher entfernt. Die Wasserverdunstung erfolgt bei indirekten Verdunstungskühlern auf der Abluftseite, wodurch die warme Aussenluft gekühlt wird²⁰.

Typische PuE Werte sind hier bei 1,3, dafür wird der Wasserverbrauch reduziert. Mit weiteren Massnahmen wie Kühltürmen kann ein vollständiges Recycling erreicht werden.

Wasserkühlung

Die Die Leistungsdicht pro Serverschrank, pro Rack, wird von bisher typischen 3-6kW durch AI auf 30-100kW erhöht. pro Serverschrank, pro Rack, wird von bisher typischen 3-6kW durch AI auf 30-100kW erhöht. Die dadurch notwendige Kühlung kann nur mit Wasser erreicht werden. Dabei ist ein weiterer Schritt erforderlich, der den PuE Wert typischerweise auf 1,58 anhebt.

Kühlung	PuE
reine Verdunstungskühlung	\( 1,06-1,20 \)
Adiabatische Indirekte Verdunstungskühlung	\( 1,30 \)
Wasserkühlung	\( 1,58 \)

Wasser Bilanz

Die Aufstellung einer Wasserbilanz ist schwierig, weil die benötigte Menge natürlich von der Temperatur, der Luftfeuchtigkeit und der Auslastung der Rechenzentren abhängt. Für eine Abschätzung gehen gehen die meisten Quellen von \(\approx 3\) Liter pro Kilowattstunde aus. Der Bereich geht aber von 1 bis 9 l Wasser pro kWh²¹.

Kupfer

Kupfer ist der wichtigste Vertreter für Metalle, die in Rechenzentren gebraucht werden. Dabei ist zu berücksichtigen, dass Kupfer für praktisch alle Produkte, die Energie erzeugen, transportieren oder verbrauchen benötigt wird.

Zudem sind die einfachen abbaubaren Vorkommen erschöpft. Der Aufwand für den Abbau hat sich im Vergleich von vor 40 Jahren vervierfacht.

Es wird bisher mit einer Wachstumsrate von 3% pro Jahr gerechnet, das entspricht 1,1 Mio Tonnen im Jahr 2030¹⁹.

Alle diese zahlen sind mit Vorsicht zu geniessen, da der AI Boom sich noch nicht in diesen Prognosen wiederfindet. Damit ergibt sich eine entsprechend höher skalierte Prognose. Als Richtwert können wir von 27 Tonnen Kupfer pro 1 MW Rechenzentrum ausgehen.

Daumenregeln

Damit kann eine Schätzung auf der Basis des Energiebedarfs abgegeben werden. Tatsächlich sind das aber nur grobe Richtwerte, weil bis heute eine Ökobilanz von Rechenzentren nicht genauer aufgestellt werden kann.

Resource	Unit	Source	Main competition	Impact Blast Radius
Power	1 MW	power plants	industry, households	earth
Transmission		power lines	landscape
Copper	27 t	mining ground	industry, electric cars	indigenous communities in the mining area
Water	1000 – 9000 l/h	ground water, rivers	farms, households	local to the datacenter

Auswirkungen auf die Umwelt

Wir sehen also bei Energie-, Wasser-, Flächen- und Materialverbrauch einen gewaltigen Einfluss auf die Umwelt

Lokale Auswertungen

Energie-, Wasser- und Flächenverbrauch wirken am Ort des Rechenzentrums und konkurrieren mit der lokalen Wirtschaft und dem privaten Verbrauch. Durch die Konkurrenz verteuern sich die verbrauchten Ressourcen für alle anderen Marktteilnehmer und die Privatwirtschaft. Aus diesem Grund versuchen die Betreiber der Rechenzentren lokale Exklusivverträge ab, die ihnen zu günstigen Konditionen den Zugriff auf die Ressourcen garantieren. Alle anderen haben dann das Nachsehen und noch grösser Schwierigkeiten, ihren Bedarf zu decken.

Globale Auswirkungen

Die globalen Auswirkungen treffen vor allem die Menschen in den Minen- und Abbaugebieten²². Durch die Externalisierung²³ des Abbaus in andere Länder gibt es keinen oder nur einen geringeren Effekt am Ort des Rechenzentrums selbst. Dieser Effekt ist eine neue Form von Kolonialismus, die als Ausbeutung verstanden werden muss²⁴.

Das Versprechen der Arbeitsplätze

Wenn Arbeitsplätze geschaffen werden sollen, werde Umweltaspekte sehr oft hinten angestellt. Tatsächlich schaffen Rechenzentren kaum Arbeitsplätze. Wie Bloomberg¹¹ harausfand, stehen 468 million Förderung für den Bau von Rechenzentren nur 339 Jobs gegenüber, das sind 1,4 Millionen $ für jeden Arbeitsplatz. In Nebraska wurden die Kosten von Google und Meta einfach an die Anwohner weitergegeben und steigen mit einer Rate von 2,5% bis 3% pro Jahr. Diese Belastungen intensivieren sich vor Ort, weil die Verteilung von Rechenzentren extrem ungleich ist. Sind es in den USA u Chicago, Texas und Virginia ist es in Deutschland die Region Frankfurt am Main, in der EU Irland. Nicht zu unterschätzen ist auch der Landverbrauch, für den die Biden Administration auch Bundesland versprochen hat²⁵.

Natürlich argumentieren die Techkonzerne mit dem enormen Gewinn der Digitalisierung für die Gesellschaft. Tatsächlich gibt es aber bisher keine Produktivitätsgewinne in dem versprochenen Umfang. Nur die Hardwareverkäufer und Beraterfirmen profitieren in grossem Umfang vom AI Boom²⁶. Der Gewinn für die Kunden hat sich noch nicht gezeigt.

Fazit

---

• ← Previous Post