Newsletter #4 Die unsichtbare Erde hinter der KI

Heute geht es um Unterseekabel, Bergbau und Crowdworker in Venezuela, Bangladesh oder Kenia, die für ein oder zwei Dollar die Stunde Daten annotieren.

Was? KI, das sind doch immaterielle Algorithmen „in der Cloud“. Was hat das alles mit abgeholzten Wäldern, toxischen Abwässern und ausbeuterischen Arbeitsketten zu tun?

Genau das erforschen wir in dieser Folge hier (Öffnet in neuem Fenster).

Sie basiert in großen Teilen auf dem Buch von Kate Crawford, Atlas of AI (Öffnet in neuem Fenster) Power, Politics, and the Planetary Costs of Artificial Intelligence (Öffnet in neuem Fenster), welches 2021 erschien und einen fundierten Blick hinter die Kulissen der technologischen Revolution wirft.

KI klingt nach reiner Software – digital, sauber, grenzenlos. Aber das stimmt nicht. Unter ihrer glänzenden Oberfläche steckt eine Industrie, die auf gewaltigen Ressourcenströmen basiert: Energie, Rohstoffe, menschliche Arbeitskraft. Und vieles davon hat eine dunkle, weitgehend unsichtbare Seite.

Was ist die materielle Basis von KI – und warum wissen wir so wenig darüber?

Blenden wir etwas aus? Und was macht es mit unserer eigenen Welterfahrung, wenn wir plötzlich genauer hinsehen?

Im Podcast beginnen wir mit einem einfachen Austausch zwischen ChatGPT und uns. Allein für das freundliche „Hallo, wie kann ich dir heute helfen?“ laufen gigantische Rechenprozesse im Hintergrund. Hochgerechnet auf Milliarden von Anfragen verbraucht eine einzige Chatbot-Interaktion im globalen Maßstab so viel Energie wie 5.000 deutsche Haushalte im Monat – oder so viel, wie es bräuchte, um sechs olympische Schwimmbecken einmal komplett zum Kochen zu bringen.

Und das ist nur eine winzige Textanfrage. Ein fünfsekündiges KI-Video hat einen Energiefußabdruck, der etwa 1000-mal größer ist.

Damit sind wir mitten im Thema.

Der materielle Fußabdruck von KI

In einem Wort: Extraktion. Um die digitale Welt zu betreiben – und KI obendrein – brauchen wir riesige Energiemengen und enorme Mengen an Mineralien. Viele davon stammen aus Konfliktzonen. Handys, Laptops, Batterien, Router, Rechenzentren: Sie bestehen aus Stoffen, die sich über Milliarden Jahre in der Erde gebildet haben. Lithium, Nickel, Kupfer, Dysprosium, Neodymium, Germanium, Kobalt – ohne sie keine KI.
Wir extrahieren also geologische Erdgeschichte, um Geräte zu produzieren, die oft nur wenige Jahre halten, und um damit Rechenoperationen auszuführen, die oft nur Millisekunden dauern. Die Folgen vor Ort sind dramatisch – und für uns Nutzer*innen weitgehend unsichtbar.

Diese Extraktion beginnt nicht heute. Sie prägt die digitale Welt seit 175 Jahren.

Unterseekabel – die unsichtbaren Arterien des Internet

Das erste Kabel zwischen Dover und Calais entstand 1850. Heute liegen rund 1,4 Millionen Kilometer Unterseekabel (Öffnet in neuem Fenster) auf dem Meeresgrund.

(Öffnet in neuem Fenster)

Sie transportieren 99 % des internationalen Datenverkehrs: E-Mails, Streaming, Cloud-Dienste, Videokonferenzen, Finanztransaktionen – und natürlich KI-Datenströme.
Was selten erwähnt wird: Die frühen Kabel benötigten 250 Tonnen Naturlatex als Isoliermaterial – gewonnen aus Gutta-Percha-Bäumen in Malaysia, für deren Harz die Bäume gefällt werden müssen. Pro Tonne wurden etwa 900.000 Bäume geschlagen. Insgesamt über 220 Millionen. Wenig überraschend, das die Art schon in den 1880er-Jahren praktisch ausgerottet war.

Um 1940 wechselte man zu Polyethylen – wiederum ein Material mit einer katastrophalen Umweltbilanz, das auf fossilen Rohstoffen mit hohen CO₂-Emissionen basiert und kaum wirksam recycled werden kann.
Die digitale Welt begann buchstäblich mit Waldzerstörung – und setzt sich mit petrochemischen Abfällen fort.

Ein zweites Beispiel:
Baotou – das Herz der Seltenen Erden

In Baotou (Mongolei) liegt ein schwarzer, toxischer See, gefüllt mit rund 180 Millionen Tonnen Abfall aus der Erzaufbereitung. Baotou produziert 30–40 % der weltweiten Seltenen Erden.
Nahezu jedes Smartphone, Elektroauto, jeder Lautsprecher, jede Festplatte enthält Material von dort.

Die Region kämpft mit Schwermetallbelastungen, die bis zu 100-fach über Normwerten liegen, extrem hohen Krankheitsraten und radioaktivem Abfall (Thorium), der 14 Milliarden Jahre strahlt.
Ein unsichtbares, aber zentrales Glied im globalen Lieferkettennetz der KI.

Der weltweite Rohstoffabbau hat zudem fast durchgehend eine sozio-politische Dimension und geht mit Gewalt, Vertreibung, Zwangsarbeit und geopolitischen Spannungen einher, sei es im Ostkongo, Myanmar oder dem Lithium-Dreieck (Bolivien, Chile, Argentinien).

Und dies beschreibt nur den Entstehungsprozess der Produkte - am Ende der Wertschöpfungskette warten weitere ungelöste Probleme: Jedes KI-fähige Gerät wird irgendwann zu Abfall und dieser E-Müll landet ebenfalls oft in weit entfernten, ärmeren Ländern, in denen Konsumenten wie Du und wir sie nicht sehen.

Die gigantische energetische Last der Rechenzentren

Schauen wir auf Energie. Auf das, was KI am Laufen hält – und was dafür im Hintergrund verbraucht wird.

Große Sprachmodelle brauchen beim Training und später im Betrieb extreme Mengen an Strom. Vor Kurzem erschien dazu ein empfehlenswerter Überblick im Social Media Watchblog (Öffnet in neuem Fenster). Er zeigt, wie sehr der „digitale“ KI-Boom auf einer sehr physischen Energieinfrastruktur ruht.

Der Strommix, der Server und Rechenzentren speist, ist meist ziemlich „dreckig“. Rechenzentren brauchen konstante Leistung, rund um die Uhr – und erneuerbare Energien liefern diese Kontinuität nicht immer. Deshalb stehen viele der Anlagen in Regionen, die weiterhin stark auf Kohle, Gas und Öl setzen. Dazu kommt der gigantische Wasserverbrauch für die Kühlung der Systeme: ein Problem, das bislang kaum gelöst ist.

Ein paar Zahlen, damit es greifbarer wird:

• 2025 war das Jahr in dem weltweit erstmals mehr Datenzentren gebaut wurden als Bürogebäude (Öffnet in neuem Fenster).

• Das große NSA-Rechenzentrum in Utah verbraucht 6,4 Millionen Liter Wasser – jeden Tag.

• Alle Rechenzentren in den USA benötigen zusammen so viel Strom wie ein mittelgroßes Land – etwa Thailand.

• Schon heute entfallen 25–33 % dieses Stroms auf KI-Modelle – Tendenz steil steigend.

• Prognosen gehen davon aus, dass sich der KI-bezogene Energiebedarf bis 2028 verdreifacht.

Dieser rasante Zuwachs bringt eine Entwicklung zurück, die viele für überwunden hielten: die Renaissance atomarer Energiequellen.

Technologiekonzerne wie Amazon, Google und Microsoft setzen wieder verstärkt auf Atomkraft. Meta hat gerade einen 20-Jahres-Vertrag abgeschlossen, um Strom aus einem Kernkraftwerk zu beziehen. Parallel entstehen neue Gaskraftwerke, die speziell für Rechenzentren gebaut werden. Und weltweit schießen neue Serverfarmen aus dem Boden – häufig ohne Rücksicht auf Wassermangel, lokale Stromnetze oder die Belastbarkeit der Regionen, in denen sie stehen.

Wie groß dieser Energiehunger tatsächlich ist, wissen wir nur näherungsweise. Die Datenlage ist unübersichtlich, und das ist kein Zufall: Der Social Media Watchblog konstatiert: Big Tech mauert. Google, Meta, Microsoft und OpenAI machen ihren Energieverbrauch ähnlich undurchsichtig wie die Trainingsdaten ihrer Modelle. Vieles bleibt Schätzung.

Es gibt allerdings auch positive Entwicklungen:
Chips werden effizienter, neuronale Modelle sparsamer. Auch die Kühlung großer Rechenzentren verbessert sich. Und die Unternehmen haben ein massives Eigeninteresse, weniger Energie und Wasser zu verbrauchen – weil jeder Liter und jede Kilowattstunde bares Geld kostet.

Und doch bleibt ein Kernpunkt bestehen:
Wenn wir über KI sprechen, müssen wir auch über das sprechen, was meist unsichtbar bleibt: Energie, Ressourcen, Wasser, Arbeitsbedingungen, geopolitische Verflechtungen.
Sonst sehen wir nur die glänzende Oberfläche – aber nicht das System, das sie trägt.

Wie verarbeiten wir als Individuen diese Informationen?

Zuerst einmal merkten wir bei der Diskussion rund um den materiellen Fußabdruck, dass es uns schwer fiel, uns wirklich auf das Thema einzulassen. Typisch dafür ist, dass ich, Joana, seid vier Jahren einen Bogen um Crawfords Buch Atlas of Ai gemacht habe, obwohl ich es mir gleich nach Erscheinen 2021 gekauft habe und es seitdem auf einem Stapel in meinem Arbeitszimmer liegt. Aber irgendwie habe ich andere Bücher immer vorgezogen. Auch als ich im Podcast einige der hier angeführten Fakten vortrug, kam in mir fast etwas Scham hoch. Und zwar nicht, weil die Fakten so grauenhaft sind, sondern, weil ich Angst hatte, euch als ZuseherInnen oder ZuhörerInnen zu belasten oder zu langweilen! Bettina ging es auch so: sie konnte zwar zuhören, merkte aber, wie die meisten Informationen nicht tiefer in sie eindrängten.

Also diskutierten wir die Frage: Warum setzen wir uns nicht, oder nur sehr wenig, mit den globalen Kosten (Wasser, Strom, Kabel etc.) von KI auseinander? Das Thema erscheint erstmal sehr abstrakt und komplex, während der Nutzen, den wir z.B. aus Sprachmodellen ziehen, sehr konkret ist. Wir vermeiden als Menschen oft Dissonanzen, indem wir die Informationen unbewusst ablehnen. Die benannten Probleme erscheinen so groß, dass wir uns selbst als hilflos empfinden: was können wir schon gegen die massive Wasserbilanz eines Rechenzentrums in Utah tun?

Unsere Haltung ist auch maßgeblich davon geprägt, dass wir diese Themen ausblenden KÖNNEN. Die meisten von euch, die unseren Podcast sehen, leben nicht in Weltregionen, in denen Datenzentren gebaut oder seltene Erden geschürft werden. Unser Privileg hilft uns, eine Auseinandersetzung mit den materiellen Grundlagen neuer Technologien zu vermeiden.

Wie für viele andere große, abstrakte und komplexe Themen fehlt uns auch für dieses ein inneres, kognitives Gerüst, in das wir diese Fakten einordnen können. Ohne ein solches inneres Koordinatensystem docken neue Informationen nicht an, sondern verschwinden im Nebel. 2013 hat der Philosoph Timothy Morton in seinem Buch Hyperobjects: Philosophy and Ecology After the End of the World (Öffnet in neuem Fenster)mit dem Begriff des Hyperobject (Öffnet in neuem Fenster) ein solches Gerüst angeboten. Ein Hyperobject ist ein Phänomen oder Objekt, das so groß, zeitlich ausgedehnt, komplex, verteilt und nicht-lokal ist, dass es nicht mehr vollständig von Menschen wahrgenommen oder begriffen werden kann. Dazu zählen Phänomene wie Klimawandel, Kapitalismus, schwarze Löcher oder Evolution. Diese Dinge existieren wirklich, sie entziehen sich aber unserer alltäglichen Wahrnehmung und Vorstellungskraft. Ein Hyperobject ist also eine Art überdimensionaler Akteur, der unsere Welt prägt, ohne dass wir ihn als Ganzes fassen können. Wir erleben nur Symptome, nie das Objekt selbst.

Dieser Begriff kann uns helfen, zuerst einmal kognitiv Informationen rund um große, abstrakte Phänomene besser zu erfassen. In einem nächsten Schritt stellt sich die Frage, wie wir dieses Wissen dann auch emotional tiefer in uns erfassen können, denn nur dann werden wir unser Verhalten ggf. anpassen und eine wirkliche Veränderung mitbewirken.

In der Diskussion zwischen uns tauchte die Frage auf, ob es uns leichter fallen würde, uns auf die Ausbeutung von Menschen zu beziehen. Denn wenn wir uns mit den Entstehungsbedingungen von KI beschäftigen, dann spielen Menschen, die für Hungerlöhne Daten kategorisieren, pflegen und auswerten eine sehr große Rolle.

Die unsichtbare menschliche Arbeit hinter der KI

Als NutzerInnen in einem Land wie Deutschland denken die meisten bei der Frage "Wer baut KI?" wahrscheilich an die meist jungen, männlichen CEOs, Programmierer und ForscherInnen. Aber hinter ihnen existiert eine riesige Industrie verdeckter Arbeit – eine Schicht von Menschen, die kaum jemand wahrnimmt, die aber das Fundament unserer KI-Modelle bildet. Die Medienwissenschaftlerin Kate Crawford bringt es auf den Punkt: „Large-scale computation is deeply rooted in – and running on – the exploitation of human bodies.“