KI-Modelle und -Anwendungen verbrauchen enorme Mengen Energie – insbesondere beim Training. Gleichzeitig kann KI helfen, Nachhaltigkeit und Energieeffizienz zu optimieren. Ist Künstliche Intelligenz also ein Treiber oder eine Bremse für Green IT?
Fakt ist: Die KI-Nutzung in Unternehmen wächst rasant. Der Umsatz mit KI verdreifacht sich bis 2028. Bereits heute sind tausende Graphics Processing Units (GPU) im Einsatz, die für das Training großer Modelle genutzt werden. Ihr Stromverbrauch liegt im Bereich von Hunderttausenden Watt. Der Anteil von KI am Gesamtbedarf in der Cloud und in Rechenzentren nimmt dabei stetig weiter zu.
Auch auf politischer Ebene schlägt dieser Energieverbrauch Wellen:
- G7-Staaten wollen Energie-Herausforderungen von KI angehen
- KI frisst Strom – wie Höflichkeit mit KI die Stromrechnung hochtreibt
Energieeffizienz ist für Unternehmen längst nicht nur ein ökologisches, sondern auch ein ökonomisches Ziel, denn Strom stellt einen erheblichen Kostenfaktor im IT-Betrieb dar. Maßnahmen der Green IT können sich daher schnell amortisieren. Für Unternehmen bedeuten solche Einsparungen direkte Gewinnsteigerungen. Viele dieser Maßnahmen haben nicht nur interne bzw. betriebswirtschaftliche Vorteile, sondern sie werden zunehmend auch gesetzlich eingefordert. Unternehmen, die früh auf Green IT setzen, können sich einen Wettbewerbsvorteil durch geringere laufende Kosten, die Erfüllung von Umweltauflagen und ein positives Image bei Kunden und Investoren sichern.
Green AI vs. Red AI
Es gibt wie schon kurz angedeutet zwei Seiten: Zum einen ist das Training und das Betreiben von großen KI-Modellen sehr energiehungrig, zum anderen kann die KI aber auch dabei helfen, den Energieverbrauch zu verringern: So regeln KI-gestützte Softwarelösungen schon heute die Kühlung von Serverfarmen und sorgen perspektivisch dafür, dass Cloud-Workloads zeitlich und geografisch flexibel verschoben werden können, um erneuerbare Energien bestmöglich auszunutzen.
KI kann daher in die beiden Typen »Red AI« (maximale Genauigkeit, große Modelle, hoher Verbrauch) und »Green AI« (ressourcen- und energieeffizient, kurze Trainings, CO2-bewusst) unterschieden werden.
Weitere Beispiele für KI als Enabler für Green IT
Künstliche Intelligenz kann die Ressourcenschonung von IT auf vielfältigste Weise unterstützen. Hier nur drei weitere Beispiele für Bereiche, in denen die Nutzung von KI zu Green IT beiträgt:
- KI-gestützte Modelle ermöglichen die automatisierte, datenbasierte und dynamische Optimierung von Software und (Edge)-Cloud-Infrastrukturen. Dazu gehören unter anderem Ressourcenallokation, Scheduling und Verbesserung der Hardwareauslastung sowie Entscheidungen zum Offloading und Task Placement in Edge-Cloud Umgebungen. Die Modelle basieren beispielweise auf Auslastungsdaten, der Verfügbarkeit von Ressourcen, dem Datenverkehr, den Latenzanforderungen und anderen Service Level Agreements (SLA’s).
- Mit besseren, KI-gestützten, Prognosen für den Energiebedarf und die Verfügbarkeit von regenerativer Energie mit niedriger CO2-Intensität kann die adaptive Steuerung von energieintensiven Prozessen, wie beispielsweise rechenintensiven IT Workloads, optimiert werden.
- KI-basierte Anwendungen können für den Klimaschutz eingesetzt werden, zum Beispiel zur Müll-Erkennung per Satellit, für Smart Farming oder eine intelligente Gebäuderegulierung.
Fazit:
Um KI zum Freund der Nachhaltigkeit zu machen, müssen wir die Technologie verantwortungsvoll einsetzen. Das bedeutet: Wir müssen die Effizienz von KI-Systemen kontinuierlich verbessern, ihre Energie möglichst aus grünen Quellen beziehen und Hardware länger nutzen oder recyclen.
Gleichzeitig sollten wir KI gezielt dort einsetzen, wo sie maximale positive Wirkung entfaltet, etwa zur Optimierung von Energiesystemen, Verkehr und Industrieprozessen. Wenn jede kWh Strom, die in KI-Berechnungen fließt, dazu beiträgt, ein Vielfaches an Energie oder Emissionen in anderen Bereichen einzusparen, rechnet sich die Öko-Bilanz.
Leselinks:
- Whitepaper »Green IT – Ressourceneffiziente Cloud- und Datenwirtschaft in Deutschland«
- Projekt »IPCEI-CIS Sustainability-Focused Orchestration in the Edge Cloud Continuum«
- Projekt »FEC-ARRC: Optimierung der Fraunhofer Edge Cloud mit automatischen Empfehlungen für die Ressourcenkonfiguration«
- Whitepaper »AI in New Product Development − Connecting Data and Unlocking Knowledge«
- Bericht »Zukunft industrieller Wertschöpfungssysteme – Sicht deutscher Industrieunternehmen«
- Whitepaper »Data Management under European Regulations – Compliance challenges and solutions for organizations«
Neueste Kommentare
Neueste Beiträge
- Green IT: Ressourceneffiziente Cloud- und Datenwirtschaft in Deutschland
- Green IT und KI — Künstliche Intelligenz als Freund oder Feind der Nachhaltigkeit?
- Let your knowledge grow: Wie Retrieval-Augmented Generation und Large Language Models in Datenräumen den organisationsübergreifenden Wissensaustausch verbessern
Schreibe einen Kommentar