Unternehmer
University of Michigan: Die Berechnung, die den Energiehunger von KI-Sprachen offenlegt
Bei seltenen Sprachen kann der Energieverbrauch von KI-Bots bis zum 180-fachen gegenüber Englisch betragen, wie eine Berechnung zeigt.
Künstliche Intelligenzen verarbeiten nicht-englische Texte mit einer messbar geringeren Effizienz als englische Inhalte. Bei unzureichend repräsentierten Sprachen mit nicht-lateinischen Schriftzeichen kann der zusätzliche Energiebedarf im Extremfall sogar das 179-fache erreichen, während er bei weitverbreiteten Sprachen wie Hindi oder Bengali immer noch das Siebeneinhalb- bis Fünfzehnfache beträgt.
Die zugrundeliegende wissenschaftliche Untersuchung aus den USA wurde von einem Team um den Informatiker Naihao Deng an der University of Michigan realisiert. Die Experten berechneten den präzisen Stromverbrauch von KI-Modellen bei der Ausführung identischer linguistischer Aufgaben in unterschiedlichen Sprachen. Die Analysen offenbaren ein systemisches Defizit, welches weit über geografische Grenzen hinausgeht und Hunderte Millionen Menschen weltweit betrifft.
Warum verbrauchen KI-Bots bei nicht-englischen Sprachen mehr Energie?
Der primäre Grund verbirgt sich in der grundlegenden Architektur moderner Sprachmodelle: Da diese vorwiegend anhand englischsprachiger Datensätze trainiert wurden, segmentieren sie fremde Alphabete in deutlich mehr Fragmente, sogenannte Tokens. Da eine höhere Token-Anzahl pro Wort zwangsläufig mehr Speicherplatz und Berechnungszyklen beansprucht, steigt die erforderliche Energiemenge rapide an.
Dieses Ungleichgewicht trifft die globalen Sprachgemeinschaften mit unterschiedlicher Intensität. Während westeuropäische Sprachen im Mittel etwa die doppelte Energiemenge im Vergleich zu Englisch beanspruchen, potenziert sich der Aufwand bei Sprachen, die in den digitalen Trainingsdaten historisch unterrepräsentiert sind.
Welche Sprachen trifft es besonders hart?
Die Berechnungen dokumentieren massive Disparitäten in Abhängigkeit von den verwendeten Schriftzeichen. Im Zuge der Untersuchungen wurden folgende Richtwerte definiert:
- Für Hindi beläuft sich der energetische Mehraufwand auf das 7,9-fache gegenüber dem englischen Basiswert.
- Für Bengali registrierten die Forscher den 15,3-fachen Energieeinsatz im Vergleich zu einem identischen englischen Befehl.
- Die meisten westeuropäischen Sprachen verbleiben hingegen stabil unterhalb einer Verdopplung des Aufwands.
Was bedeutet das für Nutzer und Umwelt?
Die nachgewiesene Ineffizienz bei der multilingualen KI-Verarbeitung zieht in der Praxis konkrete Konsequenzen nach sich: Einerseits erhöhen sich die Betriebskosten für Technologieunternehmen, welche digitale Assistenten und Übersetzungsdienste außerhalb des englischen Sprachraums bereitstellen. Andererseits vergrößert sich der ökologische Fußabdruck jeder einzelnen Anfrage signifikant, sobald diese nicht in englischer Sprache formuliert wird.
Bild: Symbolbild, KI-erzeugt.
