Green AI - Nachhaltigkeit im Unternehmen

Die Trendthemen Nachhaltigkeit und Künstliche Intelligenz (KI) treten selten zusammen auf. Dabei wachsen die durch Künstliche Intelligenz verursachten Emissionen kontinuierlich. Besonders die Verbreitung von KI in Unternehmen spielt hier eine große Rolle, da die Anzahl der produktiven KI Anwendungen sehr stark wächst. Damit der KI-Bereich eines Unternehmens von Anfang an auch im Sinne der Nachhaltigkeit gestaltet werden kann, haben wir in unserem Whitepaper Maßnahmen und Empfehlungen für eine “grüne” Künstliche Intelligenz (Green AI) gesammelt.

Im Whitepaper  beantworten wir Ihnen grundlegende Fragen, wie z. B.:

Wie ist ökologische Nachhaltigkeit von KI messbar?

Welche Maßnahmen stehen Entwicklern zur Verfügung?

Wie können Verantwortliche den Data Science Bereich nachhaltiger gestalten?

Nachhaltigkeit von Künstlicher Intelligenz

Bei der ökologischen Nachhaltigkeit von KI steht die Ressourcenschonung im Vordergrund. Durch effiziente Algorithmen mit wenig Datenbedarf und schnellen Durchlaufzeiten lassen sich CO2 Fußabdrücke verringern. Aber auch andere Dimensionen von Nachhaltigkeit im Sinne von ethischen und sozialen Fragestellungen sollten in die Gestaltung des KI-Bereiches einfließen.

Messung der ökologischen Nachhaltigkeit

Der erste Schritt zur Verbesserung der Nachhaltigkeit im Unternehmen ist die Erfassung ebendieser. Neben der direkten Erfassung des Energieverbrauches oder dem Bestimmen von Emissionen gibt es einige Ersatzmetriken, die gut oder weniger gut für eine erste Abschätzung geeignet sind. Eine Erfassung über die verursachten Kosten in der Cloud ist durch anbieterseitige Preisänderung ungenau. Eine Erfassung der CPU oder GPU Zeit, also der tatsächlichen Ausführungszeit auf dem Prozessor, erzielt hingegen eine gute Abschätzung.

Green AI - Nachhaltig ausgerichtete
Künstliche Intelligenz für Unternehmen 

Best Practices

Solange keine Standards hinsichtlich einer ressourcenschonenden Gestaltung von KI im Unternehmen etabliert sind, sind die Entwickelnden dafür individuell verantwortlich. In den  Best Practices unseres Whitepapers finden sich einige anwendbare Maßnahmen für die Modellauswahl, das Training und den Betrieb der Modelle. Weitere Ideen für organisatorische Maßnahmen sowie Maßnahmen hinsichtlich der Gestaltung von Infrastrukturen sind ebenfalls enthalten.

Überwindung von Hürden

Wenn Sie den Fußabdruck Ihres Data Science Bereichs senken möchten, gilt es einige Hürden zu überwinden. Zunächst muss Transparenz über die verursachten Emissionen und die Maßstäbe geschaffen werden. Ein Referenzwert hilft Ihnen, die Entwicklungen kontinuierlich abzubilden. Im zweiten Schritt sollte ein Schulungsangebot etabliert werden, um die Mitarbeitenden zu unterstützen und ein Bewusstsein für Nachhaltigkeit zu schaffen. In einem weiteren Schritt sollten Ihre Mitarbeitenden entlastet werden durch Automatisierung der Erfassungen des Fußabdrucks der Modelle, Code Reviews sowie der Zentralisierung der Verantwortung für das Thema Green AI.

Sollten Sie Fragen zu diesem Thema haben oder eine Beratung  zur nachhaltigen Gestaltung Ihres Data Science Bereiches benötigen  treten Sie gern jederzeit mit uns in Kontakt oder vereinbaren einen Termin für einen unverbindlichen Austausch. Wir sind gerne für Sie da!