• Management & Innovation
  • Fachbeiträge
• Contact & Service Center
  • Fachbeiträge
  • Job & Karriere
• Branchen & Praxis
  • Fachbeiträge
  • Best Practice & Case-Studies
  • Business Guide
• Markt & Produkte
  • Fachbeiträge
  • Marktübersichten

• Termine
• Partner
  • Call Center Verband
  • KVD
• Service
  • Newsletter
  • Glossar

Nachhaltiger Wirtschaften mit Künstlicher Intelligenz

Von: Redaktion Teletalk am 09.06.2022

Wie sich der ökologische Fußabdruck der KI-Systeme reduzieren lässt

Der Einsatz von Künstlicher Intelligenz eröffnet Unternehmen ganz neue Geschäftsmodelle. Allerdings ist der Energieverbrauch bei Einsatz und Entwicklung von KI-Anwendungen oft hoch. Wie Unternehmen ihren Betrieb nachhaltig ausrichten können und wie sich der ökologische Fußabdruck der KI-Systeme reduzieren lässt, erläutert Markus Schnell, Senior Director Software and Tools bei Infineon Technologies AG und Mitglied der Arbeitsgruppe Lernende Systeme und Geschäftsmodellinnovationen im Interview.

Herr Schnell, wie kann Künstliche Intelligenz eine nachhaltige Ausrichtung von Wirtschaft und Gesellschaft unterstützen?

Nachhaltigkeit im engeren Sinne bedeutet, mit Ressourcen intelligent umzugehen, Energie und Material wohldosiert einzusetzen und Prozesse gut zu steuern. Heutzutage ist es zum Beispiel üblich, dass eine Bäckerei den ganzen Tag über frische Backwaren anbietet, um auch noch kurz vor Ladenschluss eine attraktive Auswahl anbieten zu können. Das heißt aber auch, dass abends oft ein Teil der Backwaren in den Müll gegeben wird. Nachhaltig wäre es, Produktion und Verteilung nahe am Bedarf auszurichten. Das ist dann möglich, wenn sich der Bedarf genau vorhersagen lässt. Das ist eine Chance für die Künstliche Intelligenz. Sie bewährt sich dort, wo Verbrauch und Bedarf durch viele Variablen beeinflusst werden und sich dynamisch ändern können.

Und wie nachhaltig sind KI-Anwendungen selbst?

Markus Schnell: Hier sollte man unterscheiden zwischen der Entwicklung einer KI und ihrem eigentlichen Einsatz. Ein Training verbraucht viel mehr Energie als der Einsatz. Die Entwicklung von Anwendungen selbst besteht aus vielen Schleifen. Zunächst müssen die KI-Entwickler:innen das richtige KI-Modell auswählen und erproben. Dann durchläuft es viele Trainingsrunden, in denen verschiedene Parameter optimiert werden, um eine gut funktionierende Anwendung zu erhalten.

Aber auch die Größen der KI-Modelle unterscheiden sich gewaltig. Es gibt sehr große Systeme mit Milliarden Parametern, wie sie bei bekannten Suchmaschinen eingesetzt werden. Ein solches Training ist vergleichbar mit dem CO2-Abdruck eines Langstreckenflugs. Und es gibt kleinere Systeme, sogenannte Edge-AI, die oft in batteriebetriebenen Endgeräten stecken und nur wenig Energie benötigen dürfen. Ihre Aufgabe ist das Endgerät möglichst energiesparend zu betreiben und den Großteil des Endgeräts nur dann aufzuwecken, wenn ein relevantes Ereignis erkannt wird. Ob KI-Anwendungen nachhaltig sind oder nicht, lässt sich nur im Kontext der Anwendung selbst beurteilen.

Wie lässt sich der Ressourcenverbrauch von KI-Anwendungen reduzieren?

Datencenter sollten zum Trainieren komplett aus nachhaltiger Energie versorgt werden und auch das Training sollte ressourcenärmer werden. KI-Modelle, die sich bewährt haben, können anderen KI-Entwickler:innen auf Marktplätzen zur Verfügung gestellt werden. Der Aufwand fürs Training entfällt dadurch oder wird deutlich reduziert, weil das KI-Modell nur um-, aber nicht neu lernen muss. Den Aufwand für das Training durch bessere Modelle zu reduzieren ist ein aktives und sehr dynamisches Forschungsgebiet. Zum Beispiel gibt es den Ansatz des Verbundlernens (federated learning). Hier werden Teile eines KI-Modells mit jeweils eigenen Daten trainiert und am Schluss zu einem großen Modell zusammengeführt. Für die Anwendung sollten KI-Modelle auch ausgedünnt werden. Die vielen Millionen oder Milliarden Parameter eines großen Modells tragen in unterschiedlich starkem Maße zum Ergebnis im Anwendungsfall bei. Viele Parameter kann man nach einem erfolgreichen Initialtraining aus dem Modell entfernen. Und schließlich sollten das Training und die Ausführung auf spezialisierter Hardware erfolgen, die für die jeweilige KI-Anwendungen zugeschnitten und energieoptimiert ist.

Als Mitglied der Arbeitsgruppe Geschäftsmodellinnovationen hat Markus Schnell das Whitepaper „Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen“ mitverfasst.

« Zurück