Sorgen leistungsfähigere Chips für mehr Energieeffizienz?

1965 formulierte Intel-Mitbegründer und Ingenieur Gordon Moore das Mooresche Gesetz, laut dem sich die Anzahl Transistoren auf einem Mikroprozessor und damit auch seine Komplexität etwa alle zwei Jahre grob verdoppeln. Bis heute ist dieses Gesetz gültig. Recherchen des Computerwissenschaftlers Karl Rupp zufolge erschienen im Jahr 2021 Mikroprozessoren mit 58,2 Milliarden Transistoren, 2019 waren es rund 39,5 Milliarden. Zwar geht eine Zunahme an Komplexität nicht automatisch mit einer Leistungssteigerung einher, Fortschritte in der Fertigung könnten allerdings in der Theorie für energieeffizientere Chips sorgen, die gerade in Zeiten von gestiegenem Bedarf nach KI-Rechenleistung gefragt sein dürften.

Wie unsere Grafik auf Basis von Rupps Datensatz und einer Erhebung des Branchenverbandes der IT-Industrie Bitkom e.V. zeigt, wächst der Energiebedarf in deutschen Rechenzentren trotz fortschrittlicher Technik in der Chip-Industrie stetig. Zwischen 2010 und 2021 hat sich der Bedarf um 63 Prozent auf 17 Milliarden Kilowattstunden pro Jahr erhöht. Vom exponentiellen Wachstum der in Mikroprozessoren eingesetzten Transistoren ist diese Zunahme allerdings weit entfernt.

Laut Daten der International Energy Agency ist der weltweite Energiebedarf von Rechenzentren zwischen 2015 und 2021 relativ gleich geblieben. Was sich jedoch verschoben hat, sind die Verbrauchsanteile. Entfielen 2015 noch knapp die Hälfte der 190 Terawattstunden auf traditionelle Rechenzentren, waren es 2021 nur noch etwa 33 Terawattstunden oder 17 Prozent. Während der Bedarf von Cloud-Rechenzentren ohne Hyperscale-Einrichtungen um rund zehn Terawattstunden anstieg, hat sich der Energiebedarf von Hyperscale-Rechenzentren, die unter anderem für Big-Data- und KI-Aufgaben eingesetzt werden, fast verdreifacht. Unter dem Begriff Hyperscale versteht man flexibel skalierbare Rechenzentren mit meist mehr als 5.000 Servern, die häufig mit großen Tech-Firmen wie Google oder Apple in Verbindung gebracht werden. Aufgrund ihrer Skalierfähigkeit seien Hyperscale-Rechenzentren auch deutlich effizienter im Energieverbrauch als normale Rechenzentren in Unternehmen.