KI-Technologie erleichtert unser Leben jetzt schon und zukünftig natürlich noch viel mehr. Doch wie bei jeder mächtigen Technologie gibt es auch bei KI erhebliche Schattenseiten, die nicht ignoriert werden dürfen. In diesem Artikel habe ich die größten Probleme mit KI zusammengefasst.
Enormer Energie- und Ressourcenverbrauch
Ein oft übersehener Aspekt der KI ist ihr enormer Energie- und Ressourcenverbrauch. Moderne KI-Modelle, insbesondere tiefe neuronale Netzwerke, erfordern immense Rechenleistung. Diese Rechenleistung wird in riesigen Rechenzentren bereitgestellt, die kontinuierlich große Mengen an Strom verbrauchen. Ein prominentes Beispiel ist das Training von GPT-3, einem der fortschrittlichsten Sprachmodelle, das Millionen von Kilowattstunden Energie benötigt.
Die Auswirkungen auf die Umwelt sind erheblich. Der hohe Energieverbrauch führt zu einem erhöhten CO₂-Ausstoß, was zur globalen Erwärmung beiträgt. Darüber hinaus erfordert die Herstellung der notwendigen Hardware, wie GPUs und TPUs, seltene Erden und andere begrenzte Ressourcen, deren Abbau und Verarbeitung ökologisch und sozial problematisch sind.
Laut einer aktuellen Studie könnte KI bis zum Jahr 2027 so viel Strom verbrauchen wie die Niederlande! Auch der Wasserverbrauch ist enorm. Der Datenwissenschaftler Alex de Vries von der VU Amsterdam School of Business and Economics hat im Zuge seiner Studie einen Weg gefunden, den voraussichtlichen Strombedarf von KI zukünftig einzuschätzen.
Er hat berechnet, wie viele KI-Chips bis zum Jahr 2027 vom Chipdesign-Marktführer Nvidia voraussichtlich verkauft werden und anhand dessen den Stromverbrauch der KI-Chips ermittelt. Da Nvidia dem Wissenschaftler zufolge rund 95 Prozent der für KI-Modelle benötigten Chips liefert, schätzt er den Stromverbrauch von Künstlicher Intelligenz bis 2027 auf 85 bis 134 Terawattstunden (TWh) Strom pro Jahr. Bezogen auf den Stromverbrauch entspreche das einem halben Prozent unseres gesamten weltweiten Stromverbrauches oder eben der Größe eines kleinen Landes wie den Niederlanden.
Diese Grafik vom Institut für ökologische Wirtschaftsforschung (IÖW) zeigt, welch enormer Energieaufwand hinter dem Training und dem Betrieb von Deep-Learning-Modellen steckt:
KI-Bias: Vorurteile in den Algorithmen
Ein weiteres ernstes Problem ist der sogenannte KI-Bias, also die Verzerrung von Ergebnissen durch in den Algorithmen eingebettete Vorurteile. Diese Verzerrungen entstehen oft durch die Trainingsdaten, die verwendet werden. Wenn die Daten, auf denen die KI trainiert wird, Vorurteile oder Stereotype enthalten, reproduziert und verstärkt die KI diese in ihren Ergebnissen.
Beispielsweise haben Untersuchungen gezeigt, dass Gesichtserkennungssysteme häufig bei Menschen mit dunkler Hautfarbe ungenauer sind. Dies liegt daran, dass die Trainingsdatensätze überwiegend Bilder von hellhäutigen Personen enthalten. Solche Vorurteile können zu Diskriminierung und Ungerechtigkeit führen, insbesondere wenn KI-Systeme in sensiblen Bereichen wie Strafverfolgung oder Personalwesen eingesetzt werden.
KI-Halluzinationen: Wenn Maschinen Dinge erfinden
KI-Halluzinationen beziehen sich auf Situationen, in denen KI-Systeme falsche oder erfundene Informationen generieren. Dies tritt häufig bei generativen Modellen wie Sprachmodellen auf, die plausible, aber völlig falsche Aussagen machen können. Diese „Halluzinationen“ sind besonders problematisch, wenn die KI in Bereichen eingesetzt wird, in denen Genauigkeit und Zuverlässigkeit entscheidend sind, wie beispielsweise in der medizinischen Diagnose oder der Finanzberatung.
Ein Beispiel hierfür ist, wenn ein KI-gestütztes Assistenzsystem in einer Unterhaltung eine Antwort generiert, die wie eine fundierte Tatsache klingt, aber in Wirklichkeit aus erfundenen Informationen besteht. Solche Fälle untergraben das Vertrauen in KI-Systeme und können potenziell gefährliche Konsequenzen haben.
Sicherheits- und Datenschutzbedenken
Mit der zunehmenden Verbreitung von KI-Systemen steigen auch die Sicherheits- und Datenschutzbedenken. KI-Systeme sammeln und verarbeiten große Mengen an Daten, darunter oft auch sensible persönliche Informationen. Diese Daten sind ein attraktives Ziel für Cyberangriffe. Zudem besteht die Gefahr, dass Daten missbraucht oder ohne Zustimmung der Nutzer weitergegeben werden.
Ein weiteres Sicherheitsrisiko besteht darin, dass KI-Systeme manipuliert oder missbraucht werden können. Beispielsweise könnten autonome Waffensysteme oder Drohnen, die von KI gesteuert werden, von böswilligen Akteuren gehackt und für schädliche Zwecke eingesetzt werden.
Enorme Kosten
Die Entwicklung und Implementierung von KI-Technologien ist mit erheblichen Kosten verbunden. Die Ausbildung großer KI-Modelle erfordert nicht nur immense Rechenleistung und Energie, sondern auch erhebliche finanzielle Investitionen. Die Kosten für die Infrastruktur, wie leistungsstarke Server und spezialisierte Hardware, können in die Millionen gehen.
Der Betrieb von ChatGPT zum Beispiel ist deswegen so enorm teuer, weil er auf leistungsstarker Hardware und Cloud-Infrastruktur basiert. Die Kosten setzen sich aus mehreren Faktoren zusammen:
Hardware: ChatGPT läuft auf Grafikprozessoren (GPUs), die speziell für maschinelles Lernen optimiert sind. Diese GPUs sind teuer in der Anschaffung und im Betrieb.
Skalierung: Um Millionen von Anfragen zu verarbeiten, benötigt ChatGPT eine große Anzahl von GPUs. Die Skalierung auf diese Menge an Hardware ist kostenintensiv.
Betriebskosten: Neben der Hardware fallen auch Betriebskosten für Strom, Kühlung und Wartung an.
Entwicklung und Forschung: Die Entwicklung und kontinuierliche Verbesserung von ChatGPT erfordert ein engagiertes Team von Forschern und Ingenieuren, was ebenfalls Kosten verursacht.
Der Betrieb von ChatGPT kostet laut einer Analyse von SemiAnalysis’ Chef-Analyst Dylan Patel etwa 700.000 US-Dollar pro Tag, was ungefähr 36 Cent pro Anfrage entspricht. Diese Kosten beziehen sich hauptsächlich auf die Hardware-Infrastruktur, die für den Betrieb des Systems erforderlich ist. ChatGPT wird auf Microsofts Azure-Cloud gehostet, sodass OpenAI keine physischen Serverräume einrichten muss. Derzeit berechnet Microsoft 3 US-Dollar pro Stunde für eine einzelne A100-GPU, und jedes von ChatGPT generierte Wort kostet 0,0003 US-Dollar.
Darüber hinaus sind hochqualifizierte Fachkräfte erforderlich, um diese Systeme zu entwickeln, zu warten und zu optimieren. Diese Fachkräfte sind oft rar und teuer. Unternehmen müssen also erhebliche Summen in Personal und kontinuierliche Weiterbildung investieren, um im Bereich KI wettbewerbsfähig zu bleiben.
Auch die Integration von KI-Lösungen in bestehende Geschäftsprozesse und Systeme kann teuer und zeitaufwendig sein. Unternehmen müssen möglicherweise erhebliche Anpassungen vornehmen und in neue Technologien investieren, um die Vorteile der künstlichen Intelligenz vollständig nutzen zu können.
In diesem Artikel kannst du nachlesen, wo wir in Sachen KI aktuell stehen und welche enormen Kosten dafür von den Tech-Riesen in Kauf genommen werden.
Verlust von Arbeitsplätzen und gesellschaftliche Auswirkungen
Die Automatisierung durch künstliche Intelligenz hat das Potenzial, viele Arbeitsplätze zu ersetzen, insbesondere solche, die routinemäßige oder repetitive Aufgaben umfassen. Dies kann zu erheblicher Arbeitslosigkeit und sozialer Ungleichheit führen, wenn keine geeigneten Maßnahmen ergriffen werden, um betroffene Arbeitnehmer zu unterstützen und umzuschulen.
Zudem gibt es Bedenken, dass die zunehmende Abhängigkeit von KI zu einer Entmenschlichung der Gesellschaft führen könnte. Wenn Entscheidungen immer mehr von Maschinen getroffen werden, könnte dies das menschliche Element in vielen Bereichen des Lebens verdrängen.
Probleme mit KI im Bildungswesen
Immer mehr Schüler*innen und Student*innen verwenden Chatbots, um sich von ihnen ihre Aufsätze und Hausaufgaben erstellen zu lassen. Besonders bei wissenschaftlichen und auch bei der vorwissenschaftlichen Arbeit (VWA) ist das ein großes Problem.
Die Vorwissenschaftliche Arbeit (VWA) ist neben den schriftlichen Klausuren und der mündlichen Matura die dritte Säule der 2015 an den österreichischen AHS und 2016 an den BHS eingeführten „Standardisierten kompetenzorientierten Reife- und Diplomprüfung“. Die VWA bzw. an BHS die Diplomarbeit ist eine schriftliche Arbeit zu einem bestimmten Thema auf vorwissenschaftlichem Niveau (Umfang: 40.000 bis 60.000 Zeichen), als Teil der Matura muss die Arbeit auch präsentiert und diskutiert werden. Anders als die frühere Fachbereichsarbeit, mit der man ein Fach bei der schriftlichen Matura ersetzen konnte, sind VWA bzw. Diplomarbeit derzeit für alle Schülerinnen und Schüler verpflichtend.
Der österreichische Bildungsminister Martin Polaschek hat vor kurzem beschlossen, die verpflichtende VWA abzuschaffen. Stattdessen werden die Schülerinnen und Schüler die Wahl haben, entweder eine VWA zu erstellen und zu präsentieren oder in einem anderen Fach mündlich zu maturieren.
Die Diplomarbeit an den Berufsbildenden Höheren Schulen (BHS) bleibt hingegen erhalten und wird weiterentwickelt. Sie ermöglicht es den Schülerinnen und Schülern, berufsspezifische Denkweisen und erworbene Kompetenzen sichtbar zu machen.
Das reine Widergeben bzw. Zusammenfassen von Wissen wird durch KI-Systeme zunehmend überflüssig werden. Deshalb wird sich das Bildungswesen dringend alternative Möglichkeiten und einheitliche Richtlinien zum Einsatz von KI in Schulen und Universitäten überlegen müssen. Ein Fokus auf projektbasiertes Arbeiten und mündliche Prüfung könnte dabei helfen.
In diesem Artikel habe ich beschrieben, wie Schüler*innen Chatbots und KI sinnvoll einsetzen sollten.
Fazit zu den Schattenseiten von KI
Künstliche Intelligenz bietet zweifellos viele Vorteile und hat das Potenzial, zahlreiche Herausforderungen zu bewältigen. Doch es ist ebenso wichtig, die Schattenseiten dieser Technologie zu erkennen und anzugehen. Der enorme Energieverbrauch, die eingebauten Vorurteile, das Risiko von Halluzinationen, die Sicherheits- und Datenschutzbedenken sowie die enormen Kosten und gesellschaftlichen Auswirkungen sind nur einige der Herausforderungen, die es zu bewältigen gilt.
Eine verantwortungsvolle und ethische Entwicklung und Implementierung von künstlicher Intelligenz erfordert die Zusammenarbeit von Wissenschaftlern, Politikern, Unternehmen und der Gesellschaft insgesamt. Nur so können wir sicherstellen, dass die Vorteile der KI genutzt werden, ohne die damit verbundenen Risiken zu vernachlässigen.
Quellen:
https://www.fr.de/wirtschaft/ki-studie-strom-verbrauch-umwelt-klimawandel-energie-zr-92745772.html
https://www.digitaltrends.com/computing/chatgpt-cost-to-operate/
https://arxiv.org/abs/1906.02243
http://www.deeplearningbook.org/
https://openai.com/blog/ai-and-compute/
https://www.sciencedirect.com/science/article/pii/S0040162516302244
https://kurier.at/politik/inland/matura-experten-vorwissenschaftliche-arbeit-polaschek/402890042
