:quality(80)/images.vogel.de/vogelonline/bdb/1785100/1785152/original.jpg)
Schade auch Cap Gemini Research legt Studie zum Potenzial von KI für den Klimaschutz vor
Eigentlich könnten Unternehmen mithilfe Künstlicher Intelligenz ihre Treibhausgasemissionen erheblich senken. Das ist eine Erkenntnis einer aktuellen Nachhaltigkeitsstudie. Doch nur 13 Prozent setzen KI strategisch ein und 38 Prozent haben aufgrund der Auswirkungen von COVID-19 Investitionen in Klimaschutzmaßnahmen zurückgestellt.
Firmen zum Thema

Künstliche Intelligenz hat das Potenzial, Unternehmen dabei zu helfen, bis zu 45 Prozent ihres Klimaschutzziels nach dem Pariser Klima-Abkommen zu erreichen. Dies geht aus der Studie des Capgemini Research Institute mit dem Titel „Climate AI: How artificial intelligence can power your climate action strategy“ hervor, die in Zusammenarbeit mit dem renommierten Frankfurter Nachhaltigkeits-Start-up Right. Based on Science erhoben wurde. Befragt wurden 800 Nachhaltigkeits- und Technologiemanager aus 400 Unternehmen der Automobilbranche, der Fertigungsindustrie, der Energie- und Versorgungswirtschaft, der Konsumgüterindustrie und des Einzelhandels.
Laut Studie bietet KI viele Einsatzmöglichkeiten für den Klimaschutz, doch ihre Integration in bestehende Geschäftsmodelle sowie Produkte und Services erweist sich als schwer realisierbar. Nur 13 Prozent der Unternehmen verknüpfen KI-Ressourcen erfolgreich mit ihrer Klimavision.
Kiri Trier, Expertin für Nachhaltigkeit, Innovation und Strategie bei Capgemini Invent, formuliert: „Künstliche Intelligenz kann einen beachtlichen Beitrag zur Eindämmung des Klimawandels leisten. Allerdings wissen erst wenige Unternehmen, wie sie dieses Klimaschutz-Potenzial optimal abrufen.“ Sie fordert: „Sie brauchen daher nicht nur eine Nachhaltigkeitsstrategie, die Daten und KI einbezieht, sondern müssen auch ihre Kompetenzen im Umgang mit Daten, KI und nachhaltigen Design-Prinzipien ausbauen. Erst dann können sie mit dieser Technologie den größtmöglichen, dringend benötigten Effekt erzielen.“
Erreichtes und das Potenzial
Die Voraussetzungen sind nicht schlecht: Immerhin haben sich zwei Drittel (67 Prozent) der Unternehmen langfristige Ziele zur Eindämmung des Klimawandels gesetzt. Mehr als die Hälfte der Unternehmen (53 Prozent) gehen bereits über Pilotprojekte oder Proofs of Concepts hinaus. Die KI-Anwendungsfälle umfassen Energie-Effizienzsteigerungen, die Verringerung der Abhängigkeit von fossilen Brennstoffen und die Prozessoptimierung zur Produktivitätssteigerung.
Fast die Hälfte (48 Prozent) der Befragten nutzt KI für den Klimaschutz. Dadurch konnten sie seit 2017 die Treibhausgasemissionen um 12,9 Prozent senken, die Energie-Effizienz um 10,9 Prozent erhöhen und das Abfallaufkommen um 11,7 Prozent reduzieren.
Doch die potenziellen Effekte von KI sind noch beachtlicher. Unternehmen können erwarten, ihre Treibhausgasemissionen in den nächsten drei bis fünf Jahren durch KI-basierte Klimaschutzmaßnahmen um durchschnittlich 16 Prozent zu reduzieren. Für die fünf untersuchten Branchen zeigt die Studie, dass KI-gestützte Anwendungen bis zum Jahr 2030 bis zu 45 Prozent der Anforderungen des Pariser Klima-Abkommens erbringen können. Das größte Optimierungspotenzial durch KI – von bis zu 45 Prozent des Emissionsreduktionsziels – weist der Einzelhandel auf; der Großhandel kann mit 11 Prozent rechnen.
Hürden für einen erfolgreichen Einsatz von KI
Dass der KI-Einsatz sich dennoch nicht weiter verbreitet hat, könnte laut Studie an folgenden Faktoren liegen:
- Mehr als acht von zehn Unternehmen geben weniger als 5 Prozent ihrer Klimaschutzinvestitionen für KI und Datenerhebung aus.
- Bei gut der Hälfte der Organisationen (54 Prozent) verfügen weniger als 5 Prozent der Mitarbeiter über die nötigen Fähigkeiten, um daten- und KI-orientierte Rollen zu übernehmen.
- Mehr als ein Drittel (37 Prozent) der Nachhaltigkeitsverantwortlichen haben ihre Klimaziele angesichts von COVID-19 abgeschwächt, am stärksten in der Energie- und Versorgungsindustrie. 38 Prozent aller Organisationen haben Investitionen in Klimaschutzmaßnahmen zurückgestellt.
- 84 Prozent der Führungskräfte würden ihren CO2-Fußabdruck lieber kompensieren oder ausgleichen, als technologische Lösungen einzusetzen, um ihn langfristig zu verringern. Letzteres streben lediglich 16 Prozent an. Der Studie zufolge müssen Unternehmen aber in KI- und Data-Science-Teams investieren, um KI optimal für mehr Nachhaltigkeit einsetzen zu können.
Europäische Unternehmen führend bei Klima-KI
Wie gesagt: 13 Prozent der Unternehmen haben ihre Klimavision und -strategie mit ihren KI-Ressourcen abgestimmt. Zwei Fünftel dieser Klima-KI-Champions kommen aus Europa, die übrigen vorwiegend aus Amerika und dem asiatisch-pazifischen Raum. Klima-KI-Champions kommen den Vereinbarungen des Pariser Klima-Abkommens bereits näher als ihre Wettbewerber – sowohl bei den „Scope-1“- als auch bei den „Scope-2“-Emissionen. Zudem haben sie bei der Anwendung von KI zur Reduzierung direkter Emissionen erhebliche Fortschritte erzielt.
KI verursacht auch Emissionen
Durch die Analyse von mehr als 70 KI-Anwendungsfällen zum Klimaschutz identifizierte Capgemini die zehn Anwendungen mit der größten Wirkung. Dazu zählen Energieverbrauchs- und optimierungsplattformen, Algorithmen zur Ausfallprognose sowie automatischen Erkennung von Störungen und Leckagen in Industrieanlagen, ohne den Betrieb zu unterbrechen.
Trotz der technologischen Fortschritte können KI-Systeme und -Lösungen selbst viel Strom verbrauchen und beträchtliche Mengen klimawirksamer CO2-Emission erzeugen. Vor dem Einsatz von KI-Anwendungen müssen Unternehmen daher die Umweltauswirkungen sorgfältig ermitteln, Bewusstsein schaffen und mit nachhaltigen Design-Prinzipien bei der Anwendungsentwicklung sicherstellen, dass die Vorteile ihrer KI-Einsätze die „Kosten“ der Emissionen überwiegen.
Die geschätzten Kosten für ein Modelltraining | ||||
---|---|---|---|---|
Datum der Originalveröffentlichung | Energiebedarf (kWh) | CO2-Bilanz (CO2e- Angaben in Pfund) | Cloud -Compute-Kosten (Angaben in Dollar) | |
Transformer (65M Parameter) | Juni 2017 | 27 | 26 | 41 - 140 |
Transformer (213M Parameter) | Juni 2017 | 201 | 192 | 289 - 981 |
ELMo | Februar 2018 | 275 | 262 | 433 - 1.472 |
BERT (110M Parameter) | Oktober 2018 | 1.507 | 1.438 | 3.751 - 12.571 |
Transformer (213M Parameter) w/ neural architecture search | Januar 2019 | 656.347 | 626.155 | 942.973 - 3.201.722 |
GPT-2 | Februar 2019 | - | - | 12.902 - 43.008 |
Quelle: Source: Strubell et al. in der "MIT Technology Review"
Berühmt ist das Beispiel der aus der Veröffentlichung von Emma Strubell, Ananya Ganesh, Andrew McCallum „Energy and Policy Considerations for Deep Learning in NLP“. Sie veröffentlichten eine Ökobilanz für die Ausbildung mehrerer gängiger großer KI-Modelle für das Training im Natural Language Processing (NLP) und fanden heraus, dass das Verfahren dem Ausstoß von mehr als 313.000 Kilo Kohlendioxid entsprechen kann. Das ist fast das Fünffache der Lebensdaueremissionen eines durchschnittlichen amerikanischen Autos - und das schließe die Herstellung des Autos selbst ein.
(ID:47009997)