©Das Bild wurde von Magic Media erstellt.
Energieeffiziente Datenoperationen
Raus aus der Cloud
In der Datenverarbeitung geht der Trend vom zentralen Cloud-Computing in Richtung Edge, also an den Rand des Daten-Ökosystems, dorthin, wo immer mehr Nutzer über diverse Geräte und Anwendungen immer mehr Daten erzeugen, sammeln und teilen. Wenn die riesigen Datenmengen keine weiten Wege zu zentralen Rechenzentren zurücklegen müssen, sinkt der Energieverbrauch, Latenzzeiten werden kürzer und die Zuverlässigkeit steigt. Die Datenverarbeitung wird sich also weiter an den Rand des Daten-Ökosystems verschieben. Doch die derzeitigen Ansätze zur Optimierung konzentrieren sich auf Cloud-Infrastrukturen und lassen die Kosten, den Energieverbrauch und die Effizienz der Datenbewegungen in einer verteilten Infrastruktur außer Acht.
Im EU-geförderten Projekt Green responsible privacy preserving data operations, kurz GLACIATION, arbeitet das Forschungszentrum L3S als Teil eines Konsortiums aus 15 Unternehmen, Forschungszentren und Universitäten daran, den Energieverbrauch der Datenverarbeitung zu reduzieren – und zwar durch optimierte Datenbewegungen zwischen Edge und Cloud.
Ein praktischer Versuch läuft beim Projektpartner Dell Technologies. Das IT-Unternehmen hat Edge-Computing-Lösungen für die intelligente Fertigung entwickelt, die mit Hilfe kollaborativer Roboter (Cobots) und autonom fahrender Roboter (Tugbots) Prozesse effizienter machen sollen. Im Projekt werden die von den Robotern gesammelten Daten analysiert, um Abläufe zu verstehen, zu optimieren und so den Energieverbrauch auf ein Minimum zu senken.
Ein weiteres Pilotvorhaben von GLACIATION soll die Datenverarbeitung in der öffentlichen Verwaltung Italiens dezentralisieren. Bisher werden die Daten der Mitarbeiter zentral erfasst und verarbeitet, etwa um Gehaltsabrechnungen zu erstellen. Der dezentrale Ansatz hat das Ziel, den Energieverbrauch, die Verarbeitungszeit und die Datenbewegungen zu verringern. Das Projekt arbeitet an einer KI-Lösung, welche die vor Ort erfassten Anwesenheitszeiten der Mitarbeiter optimal verarbeiten soll.
Allerdings stehen die Projektpartner vor einigen Herausforderungen: Beispielsweise muss das Projekt die Datenzentrierung unterstützen, indem es energieeffiziente Datenflüsse über die Edge mit dezentralen Operationen und KI-Training ermöglicht. Um lokale Optimierungen zuzulassen, muss es außerdem Mikro-KI-Modelle integrieren, die über das Kontinuum zwischen Edge und Cloud verteilt sind.
Am L3S entwickelt Dr. Javad Chamanara mit seinem Team einen verteilten Wissensgraphen, um das Edge-Core-Cloud-Kontinuum zu modellieren und zu beschreiben. Darauf aufbauend arbeiten die Forscher an einer Reihe KI-gestützter Operationen, um Daten- und Workload-Bewegungen zu kontrollieren sowie Sicherheits- und Datenschutzrichtlinien einzuhalten. Durch KI-gestützte minimale Datenbewegungen sowie durch die Optimierung des Ortes, an dem die Analysen durchgeführt werden, sinkt der Energieverbrauch.
Da Unternehmen meist Bedenken haben, ihre Daten über Unternehmensgrenzen hinweg auszutauschen und gemeinsam zu nutzen, verwenden die Wissenschaftler unterschiedliche Technologien, um den Datenschutz zu gewährleisten. Dazu zählen sichere Berechnungen bei mehreren Parteien, differentieller Datenschutz (Differential Privacy) sowie föderiertes und schwarmbasiertes Lernen. Der Schwerpunkt von GLACIATION liegt auf dem unternehmensübergreifenden Asset Performance Management: Hersteller erhalten Einblicke bei ihren Kunden, etwa zur Maschinenwartung, ohne dass sensible Geschäftsdetails preisgegeben werden.
Kontakt
Dr.-Ing. Javad Chamanara
Javad Chamanara leitet die Industrial Data Management Group im Joint Lab von L3S und TIB. Die Forschungsgruppe arbeitet an innovativen maschinellen Lernmodellen und Lösungen zur Optimierung industrieller Prozesse oder zur Nutzung industrieller Daten für Optimierungen.