Die Entwicklung des Referenzmodells für Energie- und Ressourceneffiziente KI ist das wesentliche Ziel des Projekts. Es stellt einen umfassenden Rahmen dar, der den Beteiligten über den gesamten Lebenszyklus der KI als Leitfaden dienen soll, um die Nachhaltigkeit von KI-Systemen zu verbessern und ihre Umweltwirkungen zu minimieren. Das Model zielt insbesondere darauf ab, den Ausstoß von KI Systemen an Kohlendioxid-Äquivalenten (CO2e) deutlich zu reduzieren und kritische Ressourcen wie Wasser, seltene Erden (REE), etc. zu schonen. Das Modell setzt sich nicht nur für Ressourceneffizienz ein, sondern auch für die Einführung von Praktiken, die den ökologischen Fußabdruck von KI-Aktivitäten verringern.
Eine Literaturrecherche hat zahlreiche Leitlinien und Methoden zur Messung und Bewertung der Umweltauswirkungen von KI-Systemen hervorgebracht. Diese stützen sich jedoch häufig auf fehlerhafte Annahmen oder ungenaue Daten, was zu falschen Schlussfolgerungen führen kann. Das GrAIn Model geht auf diese Probleme ein. Es basiert auf wissenschaftlichen Grundsätzen, und liefert eine umfassende Liste der Faktoren, die die Nachhaltigkeit von KI-Technologien beeinflussen. Diesen werden dann Kriterien zugeordnet um die Bewertung der Umweltauswirkungen von KI zu ermöglichen und so den Beteiligten eine fundiertere und effektivere Entscheidungsgrundlage zu bieten.
Ein Prototyp des Modells (bisher ohne Kriterienkatalog) findet sich unter https://green-ai-model.github.io. Eine erste Veröffentlichung zu dem Thema liegt vor [WGB+23].
Das Forschungsfeld der ressourcen- und energieeffizienten Software ist noch recht jung und es gibt Unsicherheiten und Unklarheiten, die Entwickler:innen und Wissenschaftler:innen daran hindern eigene Messungen durchzuführen. Dies führt dazu, dass die durch Software verursachten Umweltauswirkungen in der Praxis nur selten berücksichtigt werden. Zwar wurden bisher einige Methoden, Werkzeuge, Leitfäden usw. entwickelt, die in bestimmten Umgebungen für bestimmte Software eingesetzt werden können, aber bisher fehlte ein umfassender Forschungsrahmen. Dieser ist notwendig, insbesondere als Schritt zu einer standardisierten Umsetzung von Messungen in der Industrie.
Das Green Software Measurement Model ist ein generisches Referenzmessmodell für die Bewertung der Energie- und Ressourceneffizienz von Softwareprodukten und deren Komponenten. Es beschreibt die Hauptkomponenten von Energie- und Hardwarenutzungs- Messungen, einschließlich des Messobjekts, der Messziele, der Maßnahmen, der Metriken, der Verfahrensmodelle, der Messaufbauten und der Datenauswertungsmodelle. Es ermöglicht die Kategorisierung und Anpassung bestehender Methoden und die Entwicklung neuer Methoden, die den Anforderungen des jeweiligen Anwendungsfalls entsprechen. Auf diese Weise unterstützt das Modell bei der Entwicklung, Planung, Durchführung und Analyse von Messungen der Software-Ressourceneffizienz.
In einem offenen Repository (https://gitlab.rlp.net/green-software-engineering/gsmm) wird das Modell um zusätzliche Informationen, wie z. B. ein Glossar, erweitert. Außerdem laden wir Wissenschafts-, Entwicklungs- und DevOps-Communities sowie alle anderen Interessengruppen ein, zum Repository beizutragen, um eine umfassende Sammlung zu erstellen, kontinuierlich zu erweitern und die Diskussion zu fördern. Das Repository soll als zentraler Einstiegspunkt für Stakeholder dienen, die ihre eigenen Messungen durchführen, bestehende Methoden an ihren Anwendungsfall anpassen oder eine neue, spezialisierte Methode entwickeln möchten.
Das Modell wird im open access Artikel [GBC+24] in der Zeitschrift Future Generation Computer Systems genauer beschrieben und anhand von bestehenden Messmethoden internationaler Forschungsgruppen evaluiert.
Die Methode „Software Energy and Resource EfficieNcy Analysis“ (SERENA) zur Bewertung des Energie- und Ressourcenverbrauchs von Software wird seit 2009 von der Forschungsgruppe „Green Software Engineering“ der Hochschule Trier, Umwelt-Campus Birkenfeld entwickelt und ständig erweitert. Die Methode eignet sich zur Erhebung und Auswertung von Daten zum Ressourcen- und Energieverbrauch von Software und ist das Ergebnis von Forschungsarbeiten im Rahmen mehrerer Forschungsprojekte. Der Aufbau des Messystems und die Durchführung von Energie- und Ressourceneffizienzmessungen sowie deren Auswertung mit dem Analysetool „Open Source Consumption Analysis and Reporting“ (OSCAR) wurde im Rahmen von KIRA auf die Anwendung mit KI-basierten Systemen ausgeweitet.
Im Grundsatz sind KI-basierte Systeme ebenfalls Softwaresysteme. Daher können viele der entwickelten Methoden zur Messung und Auswertung ihrer Verbräuche, sowie der Kriterien zur Bewertung ihrer Umweltwirkungen auch auf diese Systeme übertragen werden. Jedoch sind nicht alle Kriterien, Metriken und Maßnahmen auf alle Softwaretypen anwendbar oder nützlich und einige Systeme können die Entwicklung zusätzlicher Metriken erfordern. Beispiele für solche Anpassungen sind die Definition der „nützlichen Arbeit“ der Systeme zur Berechnung der Energieeffizienz und die Ergänzung von GPU-Metriken für KI-basierte Systeme. Außerdem muss das Messverfahren angepasst werden, z. B. im Hinblick auf Nutzungsszenarien oder Tool-Support, da KI-Systeme unterschiedliche Ansätze für die Protokollierung, Leistungsmessung und Auswertung erfordern. Verteilte KI-Systeme können unterschiedliche Nutzungsszenarien für die verschiedenen Arten von Clients erforderlich machen und bei eingebetteten Geräten (AIoT) muss die Automatisierung der Nutzungsszenarien ferngesteuert werden ferngesteuert werden, da sie über keine grafische Benutzeroberfläche verfügen.
Die Methoden stehen unter https://gitlab.rlp.net/green-software-engineering/serena und https://gitlab.rlp.net/green-software-engineering/oscar zur Verfügung.
Sie verlassen die offizielle Website der Hochschule Trier
