Künstliche Intelligenz (KI) wird im Rahmen des Klimawandels meist entweder als verklärter Heilsbringer oder schlimmer Klimasünder dargestellt. Einerseits kann die Technologie helfen in vielen Bereichen ungenutztes Einsparpotenzial zur Emissionsreduktion zu ermöglichen, andererseits können damit auch Emissionen gesteigert werden – sei es durch das energieintensive Training oder durch schadhaften Einsatz, z.B. bei der Suche nach neuen Standorten zur Ölförderung. Ein verantwortungsvoller Einsatz der Technologie ist deswegen nötig, der die Nachhaltigkeit in den Mittelpunkt rückt. Fehlende Daten und Rechtssicherheit, sowie mangelnde Zusammenarbeit zwischen Politik, Naturschutz und Industrie behindern jedoch die Entwicklung.
Positionspapier als Ausarbeitung des Sieben-Punkte-Plans
Ein verantwortungsvoller Einsatz der Technologie ist nötig, der die Nachhaltigkeit in den Mittelpunkt rückt.
Um diese Hindernisse zu überwinden und schnellstmöglich einen nachhaltigen und klimaschützenden Einsatz von KI zu ermöglichen, empfiehlt der Bundesverband Künstliche Intelligenz e.V. folgende sieben Schritte:
1. Durchgehende Erhebung von Daten in Bezug auf Nachhaltigkeit und Klimaschutz
KI-Algorithmen lassen sich nicht ohne qualitativ und quantitativ hochwertige Daten entwickeln. Von Stromnetzen, über Produktionshallen bis hin zu Städten und Gebäuden fehlt es an der konsequenten Erhebung von Daten. Hier bedarf es einerseits Rechtssicherheit unter welchen Umständen Daten – vor allem an öffentlichen Plätzen – erhoben werden dürfen. Andererseits muss für Unternehmen und Privatpersonen ein Anreiz geschaffen werden, eigene Daten, beispielsweise über Stromverbräuche, zu erheben und zu teilen.
2. Klimaschutzrelevante Daten müssen öffentlich verfügbar sein
Das Unter-Verschluss-Halten von Daten führt dazu, dass diese meist ungenutzt bleiben und bei wenigen Großkonzernen monopolisiert werden. Daten müssen nach entsprechender Anonymisierung frei verfügbar gemacht werden, und Unternehmen müssen verpflichtet werden können, bestimmte Daten, etwa über Energienutzung oder Verkehr, an öffentliche Einrichtungen zu übermitteln.
3. Schaffung von Nachhaltigkeits-Plattformen zur übergreifenden Zusammenarbeit
Oftmals sind wirtschaftliche Anwendungen nachhaltiger KI unbekannt, weil die die Kenntnis von Kundenbedürfnissen bei Entwicklern fehlt. Hier mangelt es an einer übergreifenden Zusammenarbeit von Forschung, Naturschutz, öffentlichen Einrichtungen und Unternehmen. Es bedarf einer Plattform, auf welcher diese Ideen, Probleme und Daten sicher ausgetauscht und somit gemeinsam an nachhaltigen Projekten gearbeitet werden kann.
4. Bewertung der Nachhaltigkeit von Unternehmen
Für Unternehmen sollte es eine einheitliche und transparente Nachhaltigkeitsbewertung und Einteilung geben. Unternehmen sollten Umweltdaten, zum Beispiel CO2-Emissionen, standardisiert ermitteln und öffentlich machen. Gut bewertete Unternehmen sollten bei Förderungen und Finanzierungsmaßnahmen Vorrang erhalten.
5. Förderung von nachhaltigen Projekten
Bei der Vergabe von Förderungen sollte der Fokus auf nachhaltigen und langfristig klimaschützenden Projekten liegen. Dabei sollte bei jeder Fördermaßnahme bewertet werden, inwieweit diese zur Emissionsreduktion und zum Zwei-Grad-Ziel beiträgt. Projekte mit starkem Beitrag müssen priorisiert werden.
6. Förderung von Innovationen zum Schutz des Klimas durch Wettbewerbe
Um das Zwei-Grad-Ziel zu erreichen, benötigt es grundlegender Innovationen, die einen starken Beitrag zum Klimaschutz leisten. Wettbewerbe, wie “AI4Cities”, bringen relevante Stakeholder an einen Tisch, generieren neue Ideen zur Lösung bestehender Probleme und setzen diese direkt mit ersten Prototypen um. So können schnell neue und nachhaltige Lösungen gefunden werden.
7. Minimierung negativer Auswirkungen und Eindämmung von Rebound Effekten
Rebound Effekte können zur vermehrten Nutzung eines Produktes führen, wenn die Herstellung oder Nutzung dessen effizienter wird. Hinzu kommt, dass das Trainieren von KI-Algorithmen oft mit einem hohen Energieverbrauch einhergeht. Es werden Richtlinien zur differenzierten Analyse von solchen Effekten beim Einsatz von Künstlicher Intelligenz benötigt. Nur so kann eine realistische Einschätzung über den Nutzen oder potenziellen Schaden abgegeben werden. Durch entsprechende Besteuerung von CO2 lässt sich darüber hinaus der Einfluss solcher Effekte regulieren. Darüber hinaus sollte bei Entwicklern von KI, ein Bewusstsein über die Emissionen des KI-Trainings geschaffen werden.
Hinweis der Redaktion
Lucas Spreiter war Referent und Panelleiter bei den online stattfindenden Urban Digital Talks am 08. April 2021. Bei dieser interaktiven Veranstaltung gab es umfassend Raum, um mit ihm ins Gespräch zu kommen und mehr zu erfahren.
Diskutieren Sie mit