Orbital AI Computing: Carbon Tradeoffs Across Satellite Scale

Die Idee, einen Computer im Weltraum zu bauen, ist keine Science-Fiction mehr; sie ist eine aufkommende ingenieurtechnische Realität. Da Satellitennetzwerke dichter werden und Raketen wiederverwendbar werden, ziehen Wissenschaftler in Erwägung, Rechenzentren in der niedrigen Erdumlaufbahn (Low Earth Orbit) zu platzieren. Das Versprechen ist ein Netzwerk von Satelliten, das Informationen überall auf der Welt sofort verarbeiten kann, ohne die Verzögerung, Signale erst zur Erde senden und von dort wieder nach oben schicken zu müssen. Doch alles in den Weltraum zu befördern erfordert eine Rakete, und Raketen verbrennen Treibstoff, was einen erheblichen CO2-Fußabdruck hinterlässt. Vor dieser neuen Studie hatten Forscher zwar eine Möglichkeit, die gesamten Kohlenstoffkosten dieser weltraumgestützten Computer zu schätzen, aber ihre Modelle stützten sich auf generische Annahmen über die darin enthaltene Hardware. Sie behandelten alle Computer so, als wären es Standardgeräte von der Stange, wobei sie ignorieten, dass moderne künstliche Intelligenz auf spezialisierten Chips basiert, die sich in Größe, Gewicht und Stromverbrauch massiv unterscheiden. Diese Wissenslücke machte es schwierig zu wissen, ob die Verlagerung von KI in den Weltraum tatsächlich ein umweltverträgender Kompromiss ist, den es zu wagen lohnt.

Ein Team von Forschern der Indiana University setzte sich zum Ziel, diese blinden Flecken zu beseitigen, indem sie das bestehende Rahmenwerk zur Schätzung des Kohlenstoffgehalts aktualisierten, um die spezifische Hardware moderner KI zu berücksichtigen. Sie konzentrierten sich auf zwei sehr unterschiedliche Arten von Rechensystemen, um zu sehen, wie die Wahl der Ausrüstung die Umweltrechnung verändert. Am einen Ende des Spektrums betrachteten sie einen winzigen, leichten Computer, der für kleine Satelliten konzipiert ist, weniger als ein Kilogramm wiegt und nur sehr wenig Strom verbraucht. Am anderen Ende untersuchten sie einen massiven, hochleistungsfähigen Supercomputer-Knoten, der für anspruchsvolle Aufgaben der künstlichen Intelligenz entwickelt wurde, über einhundert Kilogramm wiegt und eine enorme Menge an Elektrizität zieht. Durch das Einsetzen dieser spezifischen, realen Spezifikationen in ihr Modell konnten sie endlich sehen, wie das Gewicht der Maschine selbst den gesamten Kohlenstoffkostenaufwand beeinflusst, um sie in die Umlaufbahn zu bringen.

Die Ergebnisse offenbarten eine grundlegende Spannung zwischen Größe und Effizienz. Die Forscher fanden heraus, dass die CO2-Emissionen eines Raketenstarts als feste Gemeinkosten wirken, die jeder Satellit zahlen muss, unabhängig davon, was er transportiert. Da die Emissionen direkt mit der Masse skalieren, verursachte der winzige Computer einen viel geringeren absoluten Kohlenstoffkostenaufwand für den Start und den späteren Wiedereintritt als der massive Supercomputer. Das kleine System erzeugte etwa 151 Kilogramm CO2-Äquivalent durch seinen Start und Wiedereintritt, während das schwere System über 22.000 Kilogramm erzeugte. Die Geschichte ändert sich jedoch, wenn man betrachtet, wie effizient diese Kohlenstoffkosten genutzt werden. Der massive Supercomputer produziert trotz seines hohen „Startpreises“ so viel Rechenleistung, dass er diese anfänglichen Kohlenstoffkosten über eine riesige Menge an Arbeit verteilt. Gemessen daran, wie viel Kohlenstoff pro genutzter Einheit Energie emittiert wird, schnitt das schwere System tatsächlich besser ab als das leichte. Der winzige Computer, obwohl er kostengünstig in der Ausbringung war, konnte nicht genügend Rechenleistung generieren, um seine Startemissionen zu rechtfertigen, was ihn mit einer höheren Kohlenstoffintensität pro Energieeinheit zurückließ.

Dieser Befund stellt die einfache Annahme infrage, dass kleiner im Kontext des orbitalen Computings immer besser für die Umwelt ist. Die Studie zeigt, dass die Entscheidung, die Datenverarbeitung in den Weltraum zu verlagern, nicht nur eine Frage der Minimierung des Gewichts ist, sondern darum geht, das richtige Gleichgewicht zwischen dem Gewicht der Hardware und der Menge der geleisteten Arbeit zu finden. Die Forscher demonstrierten, dass Hochleistungssysteme die hohen Kohlenstoffkosten eines Raketenstarts effektiver amortisieren können als leichte Systeme, vorausgesetzt, sie sind leistungsstark genug, um diese Kapazität auch zu nutzen. Umgekehrt: Wenn ein System zu klein ist, um einen signifikanten Rechendurchsatz zu generieren, dominiert der Kohlenstoffkostenaufwand für den Transport in die Umlaufbahn seinen gesamten Lebenszyklus, was ihn weniger effizient macht als einen vergleichbaren Computer, der auf der Erde läuft. Die Studie bestätigte auch, dass selbst die effizientesten orbitalen Systeme deutlich kohlenstoffintensiver bleiben als terrestrische Rechenzentren, wobei die Energieintensität am Boden bei etwa 34 Gramm CO2-Äquivalent pro Kilowattstunde liegt, verglichen mit den 161 bis 266 Gramm für die getesteten orbitalen Systeme.

Die Autoren mahnen zur Vorsicht und weisen darauf hin, dass ihre Schlussfolgerungen auf spezifischen Hardwareprofilen basieren und dass das vollständige Bild der Nachhaltigkeit der weltraumgestützten Computerberechnungen noch in der Entwicklung begriffen ist. Sie merkten an, dass ihr Modell die Kohlenstoffkosten für die Herstellung der Außenverkleidung und der Antriebssysteme der Satelliten nicht einschloss, was die Gesamtkosten um weitere zwanzig bis dreißig Prozent erhöhen könnte. Darüber hinaus testeten sie nur zwei spezifische Arten von Chips und ließen andere gängige KI-Beschleuniger aus, die sich möglicherweise anders verhalten könnten. Trotz dieser Einschränkungen bietet die Arbeit eine entscheidende neue Basis für das Verständnis der Umweltauswirkungen von orbitaler KI. Sie legt nahe, dass sich die Zukunft des nachhaltigen Weltraum-Computings nicht einfach durch das Schrumpfen der Hardware finden wird, sondern durch die sorgfältige Abstimmung der Leistung des Computers auf das Ausmaß des Starts, um sicherzustellen, dass der hohe Kohlenstoffpreis der Raumfahrt durch eine entsprechende Menge an nützlicher Arbeit gerechtfertigt wird.