Wie KI die Batterietechnologie und Energiewende beschleunigen kann

Während viele Beobachter den aktuellen KI-Boom wegen seines hohen Energieverbrauchs als Hindernis für die Klimaziele des Pariser Abkommens betrachten, vertritt Andreas Hoepner eine gegenteilige These. Der Co-Leiter des GreenWatch-Teams am University College Dublin und Leiter des Data Science Hub der EU-Plattform für nachhaltiges Finanzwesen argumentiert: Die Chancen der Künstlichen Intelligenz überwiegen die Risiken – vorausgesetzt, man blickt auf das richtige Anwendungsfeld.

Hoepner stützt seine Einschätzung nicht auf große Sprachmodelle (Large Language Models, kurz LLMs), sondern auf das Potenzial der KI, die Entwicklung der Batterietechnologie erheblich zu beschleunigen. Diese gilt als Grundvoraussetzung für eine erfolgreiche grüne Energiewende – und ist damit von zentraler Bedeutung für Investoren im Bereich nachhaltiger Technologien.

Was KI wirklich kann – und was nicht

Um die Stärken und Grenzen heutiger KI-Systeme zu verdeutlichen, greift Hoepner auf den chinesischen Philosophen Konfuzius zurück. Dieser unterschied drei Wege zur Weisheit: Lernen durch Nachahmung (der einfachste Weg), durch Erfahrung (oft der bitterste) und durch Nachdenken (der edelste). Letzterer erfordert ein tiefgreifendes Verständnis von Wissen – eine sogenannte Epistemologie oder Erkenntnistheorie.

Das maschinelle Lernen, das der aktuellen LLM-getriebenen KI-Welle zugrunde liegt, basiert fast ausschließlich auf neuronalen Netzen. Diese binären Rechensysteme sind darauf trainiert, Informationen in rasantem Tempo zu klassifizieren. Sie sind hervorragend geeignet, um Verhalten nachzuahmen oder in kurzer Zeit enorme Möglichkeiten auszuprobieren – etwa bei der Proteinfaltung oder der Materialforschung für Batterien. Echtes Nachdenken im menschlichen Sinne bleibt ihnen jedoch verwehrt.

Ein konkretes Beispiel verdeutlicht die Grenzen: Fragt man sechs verschiedene LLMs, ob ein britisches Energieunternehmen ein Netto-Null-Ziel besitzt, liefern alle die richtige Antwort. Fragt man dieselben Modelle jedoch nach dem konkreten Scope-1-Treibhausgasemissionswert desselben Unternehmens für das Jahr 2025, schafft es weniger als jedes fünfte Modell, den korrekten Wert zu nennen. Der Grund: LLMs sind im Kern extrem leistungsstarke Autovervollständigungsmaschinen, die den wahrscheinlichsten Text auf Basis riesiger Datenmengen aus dem Internet generieren.

Epistemologie: Was LLMs selbst über sich sagen

Bemerkenswert ist, was die Modelle selbst über ihre Fähigkeiten aussagen. Auf die Frage, ob sie über eine Epistemologie verfügen, verneinten dies fast alle von einem halben Dutzend getesteter LLMs – mit Ausnahme von Claude und ChatGPT. Das Modell Meta AI zeigte sich dabei besonders offen und erklärte, dass es Zweifel, Rechtfertigung oder Wahrheit nicht so erlebt wie Menschen.

Diese fundamentale Einschränkung könnte sich laut Hoepner mit der Einführung des Quantencomputings verändern. Die Rechenleistung, die notwendig wäre, um komplexere Ergebnisfunktionen in hohen Frequenzen übereinander zu schichten, ist derzeit praktisch nicht verfügbar. Quantencomputer könnten hier langfristig neue Möglichkeiten eröffnen.

Batterieforschung als entscheidender Anwendungsfall

Für die grüne Transformation der Wirtschaft ist die Batterietechnologie ein Schlüsselelement – von der Elektromobilität bis zur stationären Energiespeicherung. Genau hier sieht Hoepner das größte Potenzial der KI: nicht als allwissender Assistent, sondern als leistungsstarkes Werkzeug, das in der Materialforschung enorme Mengen an Möglichkeiten in kurzer Zeit durchprobieren kann.

Für Anleger, die in nachhaltige Technologien oder den Energiesektor investieren, liefert diese Analyse eine wichtige Orientierung: Der Wert von KI liegt weniger in der sprachlichen Oberfläche der bekannten Chatbots, sondern in spezifischen wissenschaftlichen Anwendungen – mit potenziell weitreichenden Folgen für die Energiewende und damit verbundene Investmentthemen.