Kurzfassung

Künstliche Intelligenz (KI) verursacht im KI-Lebenszyklus in allen Schritten (Problemdefinition, Datenerhebung und -aufbereitung, Modellentwicklung, Training, Anwendung, Adaption, etc.) Energie- und Ressourcenverbräuche. Oft benötigte große Datenmengen bringen aufwändige Trainings- und Anwendungsszenarien mit sich. Die Fülle an verfügbaren (umweltrelevanten) Daten bietet aber auch Möglichkeiten, KI zur Lösung von Umwelt- und Nachhaltigkeitsproblemen einzusetzen. Umso relevanter ist, dass KI...Künstliche Intelligenz (KI) verursacht im KI-Lebenszyklus in allen Schritten (Problemdefinition, Datenerhebung und -aufbereitung, Modellentwicklung, Training, Anwendung, Adaption, etc.) Energie- und Ressourcenverbräuche. Oft benötigte große Datenmengen bringen aufwändige Trainings- und Anwendungsszenarien mit sich. Die Fülle an verfügbaren (umweltrelevanten) Daten bietet aber auch Möglichkeiten, KI zur Lösung von Umwelt- und Nachhaltigkeitsproblemen einzusetzen. Umso relevanter ist, dass KI selbst nicht zum Ressourcentreiber wird, dass Energie- und Ressourcenverbräuche transparent gemacht werden und dass valide Messmethoden und Metriken existieren. Durch die Komplexität der Systeme im Entwicklungsprozess und der Praxisanwendung sind einfache Methoden zur Bestimmung der Ressourceneffizienz schlecht einsetzbar. Im Vorhaben soll daher ein spezifisch auf die KI-Entwicklung und -Anwendung ausgerichtetes KI-Referenzmodell entwickelt werden, um Zusammenhänge und Abhängigkeiten zu strukturieren und transparent anwendbar zu machen. Es werden Kriterien und Metriken entwickelt und geprüft, um KI-Systeme entlang ihres Lebenszyklus hinsichtlich ihres Ressourcen- und Energiebedarfs zu optimieren. Dies umfasst z.B. den Umgang mit Daten, die Wahl von Methoden und Frameworks, von Infrastruktur, effizientes Training, Anwendung/Adaption der Systeme und die Frage nach Ressourcenverbräuchen lokaler Modellberechnungen vs. Berechnungen in der Cloud. Das Projekt zielt auch darauf ab, KI-Prozesse hinsichtlich des Ressourcenverbrauchs zumindest grob zu quantifizieren und Messmethoden hierfür zu entwickeln. Dazu sollen bestehende Methoden und Verfahren auch vergleichend untersucht werden. Zudem werden Komponenten wie Sensoren, Aktoren, energieerntende Komponenten, etc. systematisch in das KI-Referenzmodell einbezogen. Anhand eines Fallbeispiels aus der Intralogistik und weiterer offen verfügbarer Fallstudien wird das Modell evaluiert und schließlich verbreitet.» weiterlesen» einklappen