Künstliche Intelligenz im Fokus

Künstliche Intelligenz (KI) in derzeit in aller Munde: Autonomes Fahren, Wetterprognosen, Erkennen von Tieren und Pflanzen, Prognosen von Wasserverbräuchen und Energiebedarfen, intelligente Internetsuche und ChatBots – in vielen digitalen Anwendungen ist mittlerweile KI ein wesentlicher und fast unverzichtbarer Bestandteil. Doch wie alle Informatik-Anwendungen benötigt KI Energie, und besonders die sogenannten Trainingsphasen schlagen hier zu Buche.

Letztlich ist auch KI eine Software und benötigt während der Entwicklung und während der Nutzung Energie und belegt Hardwareressourcen. Zwar ist es letztlich die Hardware, durch deren Produktion, Nutzung und Entsorgung natürliche Rohstoffe und Energie verbraucht werden, aber Software und auch KI steuern die Hardware und haben somit erheblichen Einfluss auf die beanspruchten Kapazitäten und auch die Lebensdauer der Hardware (bspw. wenn für ein Software-Update neue Hardware angeschafft werden muss).

Und Softwaresysteme wie Textverarbeitungen umfassen immer häufiger auch KI-basierte Anwendungen. Zu deren Training und Nutzung werden typischerweise große Datenmengen aufwändig gesammelt, gespeichert und verarbeitet. Dies stellt hohe Anforderungen an die benötigte Hardware und bringt damit entsprechenden Energiebedarf mit sich. So benötigt ersten Abschätzungen zufolge das Training eines Sprachmodells wie BLOOM rund 433 MWh an Energie, und somit über die Hälfte des jährlichen Strombedarfs des Umwelt-Campus Birkenfeld. Gleichzeit bietet KI potenziell auch viele Ansätze zur Lösung von Umwelt- und Nachhaltigkeitsproblemen, z.B. die Erkennung von Waldbränden, die Optimierung von Industrieprozessen oder Wetter- und Klimaprognosen. Entsprechend ist umso wichtiger, dass KI nicht selbst zum Ressourcentreiber wird.

Ziel des vom Bundesumweltministerium als „KI-Leuchtturm“ geförderten Forschungsprojekts „KIRA“ ist daher, ein Referenzmodell für nachhaltige KI aufzubauen und Methoden, Kriterien und Metriken zur Bewertung der Energie- und Ressourceneffizienz von KI-Prozessen zu entwickeln. Wir betrachten also keine einzelnen Algorithmen oder bestimmte Methoden, sondern entwickeln ein Modell, das zur Bewertung einer Vielzahl von Methoden, Verfahren und Ansätzen verwendet werden kann und auf Standards der Industrie basiert. Eine zentrale Herausforderung besteht darin, robuste und nachvollziehbare Messungen durchzuführen, um die Energie- und Ressourceneffizienz von KI-Prozessen zu quantifizieren. Diese Messungen werden anhand einer praktischen Fallstudie erprobt, um das entwickelte Referenzmodell und die Metriken zu validieren und zu verfeinern. Darüber hinaus werden Leistungsverluste, Komplexitätsreduktion und CO₂-Einsparungen für verschiedene Lösungen verglichen.

Ein grundlegendes Projektziel ist daher, Transparenz zu schaffen und die Energie- und Ressourcenbedarfe KI-basierter Systeme öffentlich und zumindest in Teilen vergleichbar zu machen. Die dazu notwendigen Metriken und Messmethoden sollen sowohl eine bessere Bewertbarkeit von KI-Methoden für alle beteiligten Personen, bspw. Entwickler*innen, Nutzende und Entscheidungsträger*innen ermöglichen als auch Optimierungs- und Austauschpotentiale aufzeigen.

Das Projekt wird am Institut für Softwaresysteme von einem interdisziplinären Team aus Wissenschaftler*innen und industriellen Partnern durchgeführt, das Fachwissen aus den Bereichen KI, Umweltinformatik und Logistik einbringt und die Studierenden der Studiengänge „Umwelt- und Wirtschaftsinformatik“ und „Angewandte Informatik und künstliche Intelligenz“ einbezieht. Projektpartner sind der BITO CAMPUS in Meisenheim und das Öko-Institut in Berlin.

Messaufbau

Hierarchische Einordnung des Green AI Referenzmodells sowie dessen Instanziierung bzw. Tailoring für konkretere Architekturen und Implementierungen

Lebenszyklen von Hard- und Software und die von ihnen induzierten Ressourcenverbräuche.