Die polèmische rennen nach skalierbaren ai-infrastrukturen

Die Rennen um die Zukunft der Künstlichen Intelligenz (KI) führen immer wieder zu kontroversen Debatten. Die Skalierbarkeit und Energieeffizienz der notwendigen Infrastrukturen stehen immer stärker im Fokus. Ein prominentes Beispiel ist das geplante Mega-Projekt Stratos in Utah, USA, das von der neuesten Generation von HPC- und Cloud-Plattformen repräsentiert wird.

Stratos: ein gigant für die ki-zukunft

Das Stratos-Projekt zielt darauf ab, eine der weltweit größten und leistungsfähigsten Datenzentren-Infrastrukturen für KI-Anwendungen zu schaffen. Es soll die benötigte Rechenleistung und Datenspeicherung für den Training und die Ausführung von fortgeschrittenen KI-Modellen, wie generativen Intelligenz, Cloud-Diensten und Massendatenverarbeitung, bereitstellen.

Der Physikprofessor Robert Davies von der Utah State University hat eine analytische Studie vorgelegt, die die Energiebedürfnisse des Stratos-Projekts ermittelt hat. Laut seinen Schätzungen könnte das Zentrum bis zu 9 Gigawatt elektrischer Leistung verbrauchen, was einem Energieverbrauch entspricht, der mit dem von Millionen Haushalten in Betrieb genommenen Geräten vergleichbar ist.

Das wahre Problem, so Davies, bestehe jedoch nicht primär im Stromverbrauch selbst, sondern im residualen Wärme-Energie-Output, den die Installation produziert. Davies vergleicht diese Menge an Wärme mit dem von 23 Atomwaffen pro Tag, was jedoch nicht mit nuklearem Risiko assoziiert werden sollte, sondern auf die enormen Mengen an Wärme bezieht, die durch die Tausende von Servern erzeugt werden, die kontinuierlich arbeiten.

Das sogenannte