Energieeffiziente Rechenzentren und KI-Anwendungen

Wie muss KI, also Software und die benötigte Hardware, aussehen, damit sie dem Anspruch der Energieeffizienz gerecht wird? Diese Frage soll im Projekt ESCADE beantwortet werden.

Um KI zu entwickeln und zu betreiben, ist Rechenleistung erforderlich. „Ein GPT-3-Modell kann im Training mit 1,2 Mio kWh so viel Strom verschlingen wie 342 Haushalte im Jahr“ betont der Forscher Dusan Dokic, Projektleiter in ESCADE. Rechenzentren in Deutschland hätten laut Bitkom ihren Stromverbrauch in den letzten zehn Jahren mehr als verdoppelt.

Die Forschenden des DFKI-Forschungsbereichs Smart Service Engineering erarbeiten mit ihren Partnern ein Konzept für nachhaltige Rechenzentren. Zusätzlich definieren sie, über welche Messgrößen (KPIs) sich energieeffiziente KI-Anwendungen erfassen lassen und welche operativen Fragen zur Nachhaltigkeit bei der Entwicklung beantwortet werden müssen. Basierend auf Tests wollen sie am Ende des Projekts Handlungsempfehlungen für energieeffiziente KI geben. Von Interesse ist besonders das Potenzial von neuromorphen Chips. Es wird erforscht, ob diese im Vergleich zu herkömmlicher Hardware (GPUs) energieeffizienter sind. 

In ESCADE werden zwei konkrete KI-Anwendungsfälle betrachtet. Aus einem Use-Case mit Saarstahl wird am Gemeinschaftsstand Saarland (Halle 2, Stand B10) ein erster Zwischenstand präsentiert. Da Stahl zu 100% recyclebar ist, kann aus altem Stahl neuer Stahl gewonnen werden. Allerdings gibt es verschiedene Güteklassen für dessen Qualität. Wenn hochwertiger Stahl produziert werden soll, können nur bestimmte Teile von Stahlschrott eingeschmolzen werden. Mit Visual Computing soll Stahlschrott in Echtzeit klassifiziert werden - on the edge. Ein KI-Modell wird dafür im ersten Schritt auf einem Stahldatensatz im Rechenzentrum vortrainiert, bevor für die Sortierung vor Ort ein NVIDIA Jetson Board (ein kleiner leistungsstarker Computer) und eine Drohne, die über einen Schrotthaufen fliegt, verwendet werden. In Zukunft sollen die Berechnungen auch auf neuromorphen Chips ausgeführt werden.

Mit den Einblicken können Anwender bessere Entscheidungen für einen effizienteren Stahlrecycling-Prozess treffen und es werden Energieprofile erstellt, um den Energieaufwand des KI-Einsatzes zu messen. Diese werden im Projekt mit dem ökologischen Nutzen der KI-Anwendung und dem Energieaufwand bei der Nutzung von neuromorphen Chips gegenübergestellt.

Zurück zu: DFKI auf der Hannover Messe 2024