Die KI-Wasserpanik basiert auf irreführenden Zahlen und fehlendem Kontext, argumentiert ein Autor

KI-Rechenzentren verbrauchen rund 0,04 Prozent des gesamten Süßwassers in den Vereinigten Staaten. Diese Zahl, die sowohl das Wasser in den Rechenzentren selbst als auch das Wasser in den Kraftwerken einschließt, die deren Strom erzeugen, stammt von Andy Masley, der auf seinem eigenen Blog schreibt. Er argumentiert, dass die Sorgen um den Wasserverbrauch von KI auf fehlendem Kontext, irreführenden Statistiken und einem grundlegenden Missverständnis über die Wassernutzung in der amerikanischen Wirtschaft beruhen.

Masley grenzt sein Argument klar ein: Er befasst sich nicht mit dem Stromverbrauch von KI, den er als „sehr reales Problem“ bezeichnet. Sein Fokus liegt ausschließlich auf Wasser, und hier kommt er zu dem Schluss, dass die Zahlen die Aufregung nicht rechtfertigen.

Was die Zahlen wirklich zeigen

Im Jahr 2023 verbrauchten alle US-Rechenzentren zusammen zwischen 200 und 250 Millionen Gallonen Süßwasser pro Tag. Das ganze Land verbrauchte täglich rund 132 Milliarden Gallonen. Die gesamte Rechenzentrumsindustrie, die nicht nur KI, sondern das gesamte Internet unterstützt, kommt damit auf etwa 0,2 Prozent des nationalen Süßwasserverbrauchs.

Davon wurden nur 50 Millionen Gallonen täglich direkt in den Rechenzentren selbst genutzt. Der Rest wurde in Kraftwerken verbraucht, die den Strom für diese Zentren erzeugen. Da KI etwa 20 Prozent des Stromverbrauchs in Rechenzentren ausmacht, liegt der KI-spezifische Wasserverbrauch auf Ebene der Rechenzentren bei rund 0,008 Prozent des US-Süßwassers.

Auf persönlicher Ebene verweist Masley auf Forschungsergebnisse, wonach jede KI-Anfrage rund 2 Milliliter Wasser verbraucht, wenn man den Verbrauch im Rechenzentrum und in den Kraftwerken zusammenrechnet. Der durchschnittliche Amerikaner, schreibt er, verbrauche täglich so viel Wasser, wie für 800.000 solcher Anfragen benötigt würde. Die Herstellung einer einzigen Jeans entspreche dem Wasserverbrauch von 5,4 Millionen KI-Anfragen.

Warum die Berichterstattung so alarmierend wirkt

Masley beschreibt mehrere Muster in der Medienberichterstattung, die das Bild seiner Meinung nach systematisch verzerren.

• Artikel vergleichen den Wasserverbrauch von Rechenzentren mit der Versorgung von Haushalten, ohne darauf hinzuweisen, dass der Haushaltswasserverbrauch weniger als 8 Prozent des gesamten Wasserverbrauchs eines durchschnittlichen Amerikaners ausmacht.
• Berichte zitieren die maximal genehmigten Wassermengen statt des tatsächlichen Verbrauchs. Genehmigungen werden für Worst-Case-Szenarien ausgestellt und spiegeln die reale Nutzung selten wider.
• Wasserprobleme, die durch den Bau von Rechenzentren entstehen, werden als Beispiele für den Wasserentzug durch den normalen Betrieb dieser Anlagen dargestellt.
• Große absolute Zahlen werden ohne Vergleich zu anderen Branchen wie Landwirtschaft, Golfplätzen oder Stahlproduktion präsentiert.

Ein häufig verbreiteter Artikel der Washington Post behauptete etwa, das Schreiben einer E-Mail mit ChatGPT verbrauche eine ganze Flasche Wasser. Masley analysiert die zugrunde liegende Studie und argumentiert, dass diese Zahl nur durch das gleichzeitige Anhäufen mehrerer unrealistischer Worst-Case-Annahmen erreichbar sei. Dazu gehöre unter anderem die Annahme, dass Nutzer das Modell zehn oder mehr Mal pro E-Mail befragen und dass sich die Effizienz seit 2020 nicht verbessert habe.

Ein weiterer häufig zitierter Fall betrifft Bewohner in der Nähe eines Meta-Rechenzentrums in Georgia, deren Brunnen versiegten. Masley stellt fest, dass das Rechenzentrum zu diesem Zeitpunkt noch gar nicht in Betrieb war. Bausedimente hatten das Grundwasser in der Umgebung verunreinigt. Das Rechenzentrum war zudem gar nicht dafür ausgelegt, lokales Grundwasser zu nutzen.

Lokale Bedenken und das Beispiel der Wüstenstädte

Masley weist lokale Planungsbedenken nicht vollständig zurück. Er räumt ein, dass Rechenzentren wie jede andere große Industrieanlage einer sorgfältigen Standortwahl bedürfen. Er fand eine teilweise Ausnahme zu seinem allgemeinen Argument: Newton County in Georgia, wo offizielle Dokumente die Erweiterung eines Meta-Campus als einen von mehreren Faktoren nennen, die die Kosten für die Wasserinfrastruktur in die Höhe treiben.

Für wasserarme Regionen wie Maricopa County in Arizona, Heimat von Phoenix, argumentiert er, dass der relevante Vergleich nicht zwischen Rechenzentren und Privathaushalten, sondern zwischen Rechenzentren und anderen Industrien gezogen werden müsse, die um dasselbe Wasser konkurrieren. In Maricopa County verbrauchten Golfplätze etwa 30-mal so viel Wasser wie alle lokalen Rechenzentren zusammen, generierten dabei aber weit weniger Steuereinnahmen pro Gallone. Masley berechnet, dass Rechenzentren im Vergleich zu Golfplätzen im County etwa 50-mal mehr Steuereinnahmen pro verbrauchter Wassereinheit erzeugen.

Er weist zudem darauf hin, dass Wasserkühlung ökologisch oft vorzuziehen ist gegenüber Luftkühlung. Eine von ihm zitierte Studie zeigt, dass der Wechsel von Luft- zu Flüssigkeitskühlung den Gesamtstromverbrauch eines Rechenzentrums um rund 10 Prozent senkt und damit auch die CO2-Emissionen reduziert.

Schließlich argumentiert Masley, dass KI-Werkzeuge in dokumentierten Fällen weit mehr Wasser gespart haben, als Rechenzentren verbrauchen. Ein einziges KI-basiertes Bewässerungsoptimierungssystem habe südamerikanischen Landwirten innerhalb von zwei Jahren 19 Milliarden Gallonen Wasser eingespart. Das ist etwa doppelt so viel, wie alle amerikanischen KI-Rechenzentren im gleichen Zeitraum verbraucht haben.

Sein Fazit ist deutlich: Der „Wasserfußabdruck“ von KI ist im Vergleich zu alltäglichen Aktivitäten und anderen Branchen so gering, dass eine Änderung der KI-Gewohnheiten einzelner Nutzer zum Schutz der Wasserversorgung keine messbaren Auswirkungen hätte. Die Debatte, so argumentiert er, sollte sich auf Planungsentscheidungen von Ökologen, Wirtschaftswissenschaftlern und städtischen Beamten konzentrieren und nicht auf individuelle Konsumentscheidungen, die von irreführenden Statistiken getrieben werden.