Datenwirtschaft : "Weniger Daten" - wie KI nachhaltiger wird

In unserer digitalen Gesellschaft steigt der Energiebedarf für Rechenleistungen von Jahr zu Jahr. Laut einer EU-Studie waren 2018 beispielsweise Rechenzentren für 2,7 Prozent des Stromverbrauchs in der Europäischen Union verantwortlich. Für 2030 könnte der Verbrauch demnach auf 3,2 Prozent anwachsen. Supercomputer und Rechenzentren benötigen immer mehr Strom, damit zum Beispiel KI-Verfahren riesige Datenberge durchforsten können. Oft im Einsatz sind hier auch Methoden des Maschinellen Lernens. „Solchen Systemen muss man nicht genau sagen, wie sie ein Problem lösen können. Man gibt ihnen stattdessen Daten und sagt ihnen wie sie sich aus diesen Daten selbst die Problemlösung erarbeiten können,“ sagt Projektkoordinator Professor Dr. Paul Lukowicz, der an der TU Kaiserslautern die Arbeitsgruppe Eingebettete Intelligenz und am Deutschen Forschungszentrum für Künstliche Intelligenz den gleichnamigen Forschungsbereich leitet. „Das Problem ist aber, dass sie große Mengen an Daten benötigen, was viel Rechenleistung benötigt.“

Das von der Carl-Zeiss-Stiftung geförderte Projekt soll dabei helfen, den Energiebedarf zu senken. Dazu wird das Konsortium einen neuen Ansatz verfolgen, wie Lukowicz erläutert: „Wir möchten grundlegende Methoden des Maschinellen Lernens so modifizieren, dass wir das Hintergrundwissen des Menschen nutzen, damit weniger Daten und weniger Rechenleistung notwendig sind.“ Somit ließe sich CO2 einsparen und die Technik könnte künftig auf kleinen, dezentralen Steuerungseinheiten laufen.

Das Team um den Kaiserslauterer Informatiker wird die Technologie aus verschiedenen Blickwinkeln betrachten. Um dabei zu testen, ob seine Überlegungen auch in der Praxis funktionieren, setzt es auf die Bereiche Smart Farming und Smart Factory – beides Gebiete, in denen der Forschungsstandort Kaiserslautern gut erprobte Demonstrationsanlagen und Forschungsdaten besitzt. „Wir werden unter anderem der Frage nachgehen, was die Maschinen auf dem Feld und in der Fabrik von unserem Wissen an welchen Stellen übernehmen können“, erläutert Lukowicz. „Unsere bereits vorhandenen Kenntnisse lassen wir miteinfließen.“ Im Bereich Smart Farming könnten Landmaschinen beispielsweise über das Feld fahren, um den Zustand von Pflanzen zu erkunden. Dabei geht es etwa um Düngebedarf, Schädlingsbefall oder auch die chemische Zusammensetzung des Bodens. Ähnliches gilt für den Bereich Smart Factory, wo es etwa darum geht, rechtzeitig zu erkennen, wann Maschinen gewartet werden müssen oder wie die Ergonomie der Arbeiter optimiert werden kann.

Zum Thema Kühlung von Rechenzentren lesen Sie hier weiter: Kühle Daten.