Open-Source-KI kann die Ziele für nachhaltige Entwicklung beschleunigen

Open-Source-KI kann die Ziele für nachhaltige Entwicklung beschleunigen. Open-Source-KI stellt eine große Chance dar, um weltweit Fortschritte bei den Zielen für nachhaltige Entwicklung zu erzielen. Zwischen 2018 und 2024 ist ihre Nutzung zur Unterstützung dieser Ziele um 300 % gestiegen, mit bemerkenswerten Beiträgen in Bereichen wie Landwirtschaft, Ökosystemmanagement und dem Kampf gegen den Klimawandel. Dieses offene Modell, das es jedem ermöglicht, Werkzeuge zu studieren, zu modifizieren und zu teilen, wurde entwickelt, um Fortschritte effizient und inklusiv zu beschleunigen.

Allerdings hat ihre Ausweitung komplexe Herausforderungen offenbart. Das Fehlen eines strukturierten Governance-Rahmens kann zu einem übermäßigen Ressourcenverbrauch und ethischen Schwachstellen führen. Beispielsweise verschärft die dezentrale Entwicklung redundanter Modelle auf ineffizienten lokalen Infrastrukturen den CO₂-Fußabdruck der Branche. Zudem hat der einfache Zugang zu Open-Source-Tools die Produktionskosten für Deepfakes und gezielte Fehlinformationen gesenkt, was Risiken für die Sicherheit und das Vertrauen in Informationen mit sich bringt.

Eine weitere Herausforderung ist der digitale Kolonialismus, bei dem mächtige Länder und Institutionen des globalen Nordens Daten und Infrastrukturen kontrollieren und so die Autonomie der Länder des Südens einschränken. Datensätze, die für lokale Kontexte entwickelt wurden, lassen sich möglicherweise nicht gut auf andere Regionen übertragen, was zu Fehlern und einer geringeren Relevanz für Governance-Lösungen führt.

Um diese Herausforderungen zu bewältigen, werden vier zentrale Maßnahmen vorgeschlagen. Die erste besteht darin, Nachhaltigkeit in den gesamten Lebenszyklus der Modelle zu integrieren, indem die physische Infrastruktur optimiert und Verschwendung durch redundante Entwicklungen vermieden wird. Techniken wie die Modelldestillation können deren Größe um bis zu 70 % reduzieren und so ihre Umweltauswirkungen begrenzen. Ein weiterer Ansatz ist der Einsatz von mit Flüssigkeit gekühlten Rechenzentren, die mit erneuerbaren Energien betrieben werden, wodurch der Energiebedarf um 20 % und der Wasserverbrauch um 52 % gesenkt werden.

Die zweite Maßnahme zielt darauf ab, einen quantitativen Bewertungsrahmen zu schaffen, um die Auswirkungen von KI auf die Ziele für nachhaltige Entwicklung zu messen. Dies erfordert die Entwicklung zusammengesetzter Indikatoren, die lokale und globale Daten integrieren und so eine präzise Bewertung der positiven und negativen Effekte ermöglichen. Beispielsweise könnten Nachhaltigkeitskriterien mehr als 40 soziale, ökologische und wirtschaftliche Indikatoren abdecken und so ein klares Bild der tatsächlichen Auswirkungen liefern.

Die dritte Maßnahme basiert auf Regulierung und Transparenz. Um Missbrauch zu verhindern, ist es entscheidend, verbindliche Audits, adversarische Tests und klare Lizenzen einzuführen, die die zulässigen Nutzungen definieren. Entwickler sollten geprüfte Datensätze verwenden, um Verzerrungen zu minimieren, während Regierungen strenge Richtlinien durchsetzen können, um die Verbreitung schädlicher Inhalte zu verhindern. Nutzer tragen ihrerseits die Verantwortung, diese Tools ethisch einzusetzen und Missbrauch zu melden.

Die vierte Maßnahme fördert die globale Zusammenarbeit und den Wissensaustausch. Trotz der Demokratisierung des Zugangs bestehen weiterhin Ungleichheiten bei Infrastruktur, Fachkräften und Datensouveränität. Die Schaffung von Open-Access-Plattformen, die den Prinzipien der Auffindbarkeit, Zugänglichkeit und Wiederverwendbarkeit entsprechen, ist entscheidend, um einen gerechten Zugang zu Ressourcen zu gewährleisten. Institutionen wie ein globaler Dialog zur KI-Governance könnten die Zusammenarbeit stärken, indem sie jährliche Berichte veröffentlichen und zwischenstaatliche Verhandlungen organisieren.

Auf regionaler Ebene ermöglicht die Zusammenarbeit zwischen globalen Plattformen und lokalen Forschungszentren die Kombination geteilter Grundmodelle mit kontextspezifischen Daten. Dies erleichtert die Bereitstellung angepasster Lösungen, während gleichzeitig Datenschutzbestimmungen eingehalten werden. Institutionen wie das Australian Institute for Artificial Intelligence oder das französische Nationale Institut für die Bewertung und Sicherheit der KI spielen dabei eine Schlüsselrolle.

Open-Source-KI, kombiniert mit einer angepassten Governance, könnte so die Entscheidungsfindung transformieren und sie inklusiver und evidenzbasierter gestalten. Sie würde es ermöglichen, Prioritäten, Hindernisse und Wege für nachhaltige Veränderungen schneller zu identifizieren – selbst angesichts komplexer Herausforderungen. Durch die Einbindung von Lehren aus der ganzen Welt könnte sie auch die Agenda nach 2030 repräsentativer und wirksamer machen.

Open-Source-Modelle bieten auch konkrete Vorteile. Ihre Kosten sind für vergleichbare Leistungen 5- bis 29-mal niedriger als bei proprietären Modellen, was ihre Zugänglichkeit erweitert. Tools wie KI-Modelle zur Sprachverarbeitung, die auf Klimathematik spezialisiert sind, helfen im Kampf gegen Fehlinformationen, während andere, wie sie im Gesundheitswesen eingesetzt werden, Therapeutenmangel in bestimmten Regionen lindern könnten. Im wirtschaftlichen Bereich können kleine und mittlere Unternehmen diese Technologien übernehmen und anpassen, um ihre Produktion zu optimieren.

Ohne angepasste Governance bleiben jedoch Risiken bestehen. Die Produktion elektronischer Materialien und die für KI notwendige Infrastruktur tragen zu den weltweiten giftigen Abfällen bei. Zudem haben fast 60 % der als Open Source gekennzeichneten Modelle keine Lizenz, was ihre sichere Nutzung erschwert. Die unkontrollierte Verbreitung nicht regulierter Modelle erleichtert auch die Identifizierung von Schwachstellen durch böswillige Akteure und erhöht die Risiken von Phishing oder der Verbreitung von Hassrede.

Um die Vorteile von Open-Source-KI zu maximieren, ist ein koordinierter Ansatz unerlässlich. Dieser muss Nachhaltigkeit, strenge Bewertung, Sicherheit und Zusammenarbeit verbinden, um Unsicherheiten zu verringern und sicherzustellen, dass diese Technologie tatsächlich dem globalen Fortschritt dient.

Open-Source-KI kann die Ziele für nachhaltige Entwicklung beschleunigen. Open-Source-KI stellt eine große Chance dar, um weltweit Fortschritte bei den Zielen für nachhaltige Entwicklung zu erzielen. Zwischen 2018 und 2024 ist ihre Nutzung zur Unterstützung dieser Ziele um 300 % gestiegen, mit bemerkenswerten Beiträgen in Bereichen wie Landwirtschaft, Ökosystemmanagement und dem Kampf gegen den Klimawandel. Dieses offene Modell, das es jedem ermöglicht, Werkzeuge zu studieren, zu modifizieren und zu teilen, wurde entwickelt, um Fortschritte effizient und inklusiv zu beschleunigen.

Allerdings hat ihre Ausweitung komplexe Herausforderungen offenbart. Das Fehlen eines strukturierten Governance-Rahmens kann zu einem übermäßigen Ressourcenverbrauch und ethischen Schwachstellen führen. Beispielsweise verschärft die dezentrale Entwicklung redundanter Modelle auf ineffizienten lokalen Infrastrukturen den CO₂-Fußabdruck der Branche. Zudem hat der einfache Zugang zu Open-Source-Tools die Produktionskosten für Deepfakes und gezielte Fehlinformationen gesenkt, was Risiken für die Sicherheit und das Vertrauen in Informationen mit sich bringt.

Eine weitere Herausforderung ist der digitale Kolonialismus, bei dem mächtige Länder und Institutionen des globalen Nordens Daten und Infrastrukturen kontrollieren und so die Autonomie der Länder des Südens einschränken. Datensätze, die für lokale Kontexte entwickelt wurden, lassen sich möglicherweise nicht gut auf andere Regionen übertragen, was zu Fehlern und einer geringeren Relevanz für Governance-Lösungen führt.

Um diese Herausforderungen zu bewältigen, werden vier zentrale Maßnahmen vorgeschlagen. Die erste besteht darin, Nachhaltigkeit in den gesamten Lebenszyklus der Modelle zu integrieren, indem die physische Infrastruktur optimiert und Verschwendung durch redundante Entwicklungen vermieden wird. Techniken wie die Modelldestillation können deren Größe um bis zu 70 % reduzieren und so ihre Umweltauswirkungen begrenzen. Ein weiterer Ansatz ist der Einsatz von mit Flüssigkeit gekühlten Rechenzentren, die mit erneuerbaren Energien betrieben werden, wodurch der Energiebedarf um 20 % und der Wasserverbrauch um 52 % gesenkt werden.

Die zweite Maßnahme zielt darauf ab, einen quantitativen Bewertungsrahmen zu schaffen, um die Auswirkungen von KI auf die Ziele für nachhaltige Entwicklung zu messen. Dies erfordert die Entwicklung zusammengesetzter Indikatoren, die lokale und globale Daten integrieren und so eine präzise Bewertung der positiven und negativen Effekte ermöglichen. Beispielsweise könnten Nachhaltigkeitskriterien mehr als 40 soziale, ökologische und wirtschaftliche Indikatoren abdecken und so ein klares Bild der tatsächlichen Auswirkungen liefern.

Die dritte Maßnahme basiert auf Regulierung und Transparenz. Um Missbrauch zu verhindern, ist es entscheidend, verbindliche Audits, adversarische Tests und klare Lizenzen einzuführen, die die zulässigen Nutzungen definieren. Entwickler sollten geprüfte Datensätze verwenden, um Verzerrungen zu minimieren, während Regierungen strenge Richtlinien durchsetzen können, um die Verbreitung schädlicher Inhalte zu verhindern. Nutzer tragen ihrerseits die Verantwortung, diese Tools ethisch einzusetzen und Missbrauch zu melden.

Die vierte Maßnahme fördert die globale Zusammenarbeit und den Wissensaustausch. Trotz der Demokratisierung des Zugangs bestehen weiterhin Ungleichheiten bei Infrastruktur, Fachkräften und Datensouveränität. Die Schaffung von Open-Access-Plattformen, die den Prinzipien der Auffindbarkeit, Zugänglichkeit und Wiederverwendbarkeit entsprechen, ist entscheidend, um einen gerechten Zugang zu Ressourcen zu gewährleisten. Institutionen wie ein globaler Dialog zur KI-Governance könnten die Zusammenarbeit stärken, indem sie jährliche Berichte veröffentlichen und zwischenstaatliche Verhandlungen organisieren.

Auf regionaler Ebene ermöglicht die Zusammenarbeit zwischen globalen Plattformen und lokalen Forschungszentren die Kombination geteilter Grundmodelle mit kontextspezifischen Daten. Dies erleichtert die Bereitstellung angepasster Lösungen, während gleichzeitig Datenschutzbestimmungen eingehalten werden. Institutionen wie das Australian Institute for Artificial Intelligence oder das französische Nationale Institut für die Bewertung und Sicherheit der KI spielen dabei eine Schlüsselrolle.

Open-Source-KI, kombiniert mit einer angepassten Governance, könnte so die Entscheidungsfindung transformieren und sie inklusiver und evidenzbasierter gestalten. Sie würde es ermöglichen, Prioritäten, Hindernisse und Wege für nachhaltige Veränderungen schneller zu identifizieren – selbst angesichts komplexer Herausforderungen. Durch die Einbindung von Lehren aus der ganzen Welt könnte sie auch die Agenda nach 2030 repräsentativer und wirksamer machen.

Open-Source-Modelle bieten auch konkrete Vorteile. Ihre Kosten sind für vergleichbare Leistungen 5- bis 29-mal niedriger als bei proprietären Modellen, was ihre Zugänglichkeit erweitert. Tools wie KI-Modelle zur Sprachverarbeitung, die auf Klimathematik spezialisiert sind, helfen im Kampf gegen Fehlinformationen, während andere, wie sie im Gesundheitswesen eingesetzt werden, Therapeutenmangel in bestimmten Regionen lindern könnten. Im wirtschaftlichen Bereich können kleine und mittlere Unternehmen diese Technologien übernehmen und anpassen, um ihre Produktion zu optimieren.

Ohne angepasste Governance bleiben jedoch Risiken bestehen. Die Produktion elektronischer Materialien und die für KI notwendige Infrastruktur tragen zu den weltweiten giftigen Abfällen bei. Zudem haben fast 60 % der als Open Source gekennzeichneten Modelle keine Lizenz, was ihre sichere Nutzung erschwert. Die unkontrollierte Verbreitung nicht regulierter Modelle erleichtert auch die Identifizierung von Schwachstellen durch böswillige Akteure und erhöht die Risiken von Phishing oder der Verbreitung von Hassrede.

Um die Vorteile von Open-Source-KI zu maximieren, ist ein koordinierter Ansatz unerlässlich. Dieser muss Nachhaltigkeit, strenge Bewertung, Sicherheit und Zusammenarbeit verbinden, um Unsicherheiten zu verringern und sicherzustellen, dass diese Technologie tatsächlich dem globalen Fortschritt dient.

Crédits des sources

Source principale

DOI : https://doi.org/10.1038/s41467-026-73866-8

Titre : Steering open-source AI to accelerate the sustainable development goals

Revue : Nature Communications

Éditeur : Springer Science and Business Media LLC

Auteurs : Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian Lü