{"id":34391,"date":"2024-08-08T12:05:31","date_gmt":"2024-08-08T10:05:31","guid":{"rendered":"https:\/\/www.l3s.de\/?page_id=34391"},"modified":"2024-10-02T10:38:03","modified_gmt":"2024-10-02T08:38:03","slug":"ai-energy-and-resource-conservation-opportunities-and-challenges","status":"publish","type":"page","link":"https:\/\/www.l3s.de\/de\/magazine\/binaire-articles\/ai-energy-and-resource-conservation-opportunities-and-challenges\/","title":{"rendered":"KI, Energie und Ressourcenschutz: Chancen und Herausforderungen\u00a0\u00a0"},"content":{"rendered":"
\n \n
\n \n \n
\n \n
\n \n
\n \n
\n
\n
\n
\n
\n
\n
\n
<\/div>\n <\/div>\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n
\n
\n
<\/div>\n <\/div>\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n
\n
\n
<\/div>\n <\/div>\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n \n
\n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Ausgabe: 01\/2024<\/p>\n <\/div>\n <\/div>\n

\n \n
KI, Energie und Ressourcenschutz<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n
\n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n \n \n
\n \n
\n \n
\n \n \n

KI, Energie und Ressourcenschutz: Chancen und Herausforderungen <\/h1>\n <\/div>\n <\/div>\n
\n \n \n
\n

In Zeiten des Klimawandels und begrenzter Ressourcen ist die Notwendigkeit, nachhaltige, friedvolle und effiziente L\u00f6sungen zu finden, dringlicher denn je. K\u00fcnstliche Intelligenz (KI) hat das Potenzial, eine Schl\u00fcsselrolle bei der Bew\u00e4ltigung dieser globalen Herausforderungen zu spielen, beispielsweise durch bessere Klimamodelle oder beim Ausbau erneuerbarer Energien. Doch gleichzeitig w\u00e4chst die Besorgnis \u00fcber den enormen Energieverbrauch von KI-Systemen selbst. Gro\u00dfe KI-Modelle wie ChatGPT ben\u00f6tigen erhebliche Rechenressourcen, was zu einem signifikanten CO2-Fu\u00dfabdruck f\u00fchrt. Eine neue Studie zeigt, dass KI bis 2027 so viel Strom verbrauchen k\u00f6nnte wie die Niederlande in einem Jahr, also in etwa ein halbes Prozent des weltweiten Stromverbrauchs. Der Datenwissenschaftler Alex de Vries sch\u00e4tzt den Stromverbrauch von KI-Chips bis 2027 auf j\u00e4hrlich 85 bis 134 Terawattstunden.<\/p>\n

KI ist also Problem und L\u00f6sung zugleich. Das Forschungszentrum L3S befasst sich daher nicht nur mit den enormen Herausforderungen von KI, sondern auch mit dem Anwendungspotenzial: Die Wissenschaftlerinnen und Wissenschaftler des L3S entwickeln L\u00f6sungen, um KI energieeffizienter zu gestalten, und sie erforschen Einsatzm\u00f6glichkeiten beim Ausbau erneuerbarer Energien und im Umweltschutz.<\/p>\n

Energieeffizienz von KI-Systemen<\/strong><\/p>\n

Insbesondere das Training gro\u00dfer neuronaler Netze erfordert enorme Rechenressourcen und damit eine betr\u00e4chtliche Menge an Energie. Selbst das Training verh\u00e4ltnism\u00e4\u00dfig kleiner Large Language Models verbraucht schon ein Vielfaches dessen, was mehrere Autos in ihrer gesamten Lebenszeit an CO2 aussto\u00dfen. Auch in der Inferenz brauchen Large Language Models rund 30mal so viel Energie wie eine Suchanfrage bei Google. Doch es gibt vielversprechende Ans\u00e4tze, um die Energieeffizienz von KI zu verbessern.<\/p>\n

Am L3S entwickeln Wissenschaftler zum Beispiel\n automatisierte Green-ML-Methoden f\u00fcr Fahrerassistenzsysteme<\/a>, die in immer mehr Autos verbaut sind. Diese Systeme optimieren den Energieverbrauch, indem sie nur die notwendigen Berechnungen durchf\u00fchren und gleichzeitig eine hohe Genauigkeit beibehalten. Durch den Einsatz von Techniken des automatisierten maschinellen Lernens (AutoML) k\u00f6nnen diese Ans\u00e4tze sp\u00e4ter auf andere Anwendungen \u00fcbertragen werden. Ein weiteres spannendes Feld sind Hypersparse Neural Networks. Sie zielen darauf ab, nur die relevantesten Gewichte von neuronalen Netzwerken zu lernen und so die Zahl der ben\u00f6tigten Operationen und damit den Energiebedarf zu senken. Dieser Bedarf l\u00e4sst sich mit sogenannten bin\u00e4ren neuronalen Netzen, die extrem leicht in Hardware zu realisieren sind, noch weiter senken. Teilweise sind hier Einsparungen von \u00fcber 95 Prozent des Energieverbrauchs ohne Qualit\u00e4tseinbu\u00dfen m\u00f6glich.<\/p>\n

Die Entwicklung energieeffizienter Hardware-Beschleuniger f\u00fcr neuronale Netze steht im L3S-Projekt\n ZUSE KI-Mobil\u2800<\/a>im Mittelpunkt. Diese Beschleuniger sind speziell f\u00fcr den Einsatz in eingebetteten Anwendungen konzipiert und tragen dazu bei, den Energieverbrauch in mobilen und vernetzten Ger\u00e4ten zu senken.<\/p>\n

KI im Einsatz f\u00fcr erneuerbare Energien<\/strong><\/p>\n

KI kann auch direkt zum Ausbau erneuerbarer Energien beitragen. So wird etwa im L3S-Projekt\n WindGISKI <\/a>eine KI-basierte Plattform f\u00fcr geographische Informationssysteme (GIS) entwickelt, die Potenzialfl\u00e4chen f\u00fcr Windenergieanlagen ausweist. Die GIS-Plattform hilft dabei, die besten Standorte f\u00fcr Windkraftanlagen zu identifizieren und somit die Effizienz und den Ausbau der Windenergie zu maximieren.<\/p>\n

Ein weiteres bemerkenswertes L3S-Projekt ist\n OffshorePlan<\/a>, das sich mit der Baustellenlogistik f\u00fcr Windenergieanlagen besch\u00e4ftigt. KI kann die Planung und Durchf\u00fchrung der Logistikprozesse optimieren, was nicht nur die Kosten senkt, sondern auch den \u00f6kologischen Fu\u00dfabdruck der Bauprojekte reduziert.<\/p>\n

Umwelt- und Ressourcenschutz durch KI<\/strong><\/p>\n

Neben der F\u00f6rderung erneuerbarer Energien kann KI auch einen bedeutenden Beitrag zum Umwelt- und Ressourcenschutz leisten. Ein herausragendes Beispiel ist das L3S-Projekt\n SWIFTT (Satellites for Wilderness Inspection and Forest Threat Tracking)<\/a>, das KI-gest\u00fctzte Satellitendaten verwendet, um Bedrohungen f\u00fcr W\u00e4lder fr\u00fchzeitig zu erkennen und entsprechende Schutzma\u00dfnahmen zu ergreifen.<\/p>\n

Das L3S-Projekt\n GLACIATION <\/a>zeigt, wie durch die Entwicklung eines verteilten Wissensgraphen die Effizienz der Big-Data-Analyse verbessert und dadurch Kohlenstoffemissionen reduziert werden k\u00f6nnen. Dieser Wissensgraph erm\u00f6glicht es, gro\u00dfe Datenmengen effizienter zu verarbeiten und tr\u00e4gt so zur Verringerung des Energieverbrauchs bei.<\/p>\n

Forschung am L3S<\/strong><\/p>\n

Das Forschungszentrum L3S arbeitet intensiv an der Schnittstelle zwischen KI, Energieeffizienz und Ressourcenschutz. Das Ziel ist, neue Methoden und Technologien zu entwickeln, die sowohl die Leistungsf\u00e4higkeit von KI-Systemen steigern als auch deren Energieverbrauch minimieren. Dabei deckt das L3S das gesamte Spektrum ab: von der Grundlagenforschung zu neuen Architekturen f\u00fcr neuronale Netze und spezialisierte Hardware \u00fcber die effiziente Entwicklung neuer KI-Anwendungen mit AutoML bis hin zu KI-Anwendungen f\u00fcr Nachhaltigkeit.<\/p>\n

Die Potenziale von KI im Bereich der Energieeffizienz und des Ressourcenschutzes sind enorm. Durch die kontinuierliche Weiterentwicklung und den gezielten Einsatz von KI-Technologien k\u00f6nnen wir nicht nur die Effizienz unserer Systeme steigern, sondern auch einen bedeutenden Beitrag zum Schutz unserer Umwelt leisten. Die in dieser Ausgabe der Binaire vorgestellten Projekte geben einen eindrucksvollen Einblick in die vielf\u00e4ltigen M\u00f6glichkeiten, wie KI zur Nachhaltigkeit beitragen kann.<\/p>\n <\/div>\n <\/div>\n

\n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n \n
\n \n
\n \n
\n
\n \n \n
\n \n
\n <\/span><\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Kontakt<\/h6>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n

Prof. Dr.-Ing. Bodo Rosenhahn <\/h4>\n <\/div>\n <\/div>\n
\n \n
rosenhahn@L3S.de <\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

Bodo Rosenhahn ist Direktor am L3S und leitet das Institut f\u00fcr Informationsverarbeitung. Er forscht auf den Gebieten Computer Vision, Maschinelles Lernen und Big Data.<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"Marius\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n

Prof. Dr. Marius Lindauer <\/h4>\n <\/div>\n <\/div>\n
\n \n
marius.lindauer@L3S.de <\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

L3S-Mitglied Marius Lindauer ist Leiter des Instituts f\u00fcr K\u00fcnstliche Intelligenz und Professor f\u00fcr maschinelles Lernen an der Leibniz Universit\u00e4t Hannover. <\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

Issue: 01\/2024 AI, energy and resource conservation AI, Energy and Resource Conservation: Opportunities and Challenges In times of climate change and limited resources, the need to find sustainable, peaceful and efficient solutions is more urgent than ever. Artificial intelligence (AI) has the potential to play a key role in addressing these global challenges, for example […]<\/p>","protected":false},"author":11,"featured_media":34392,"parent":2750,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"page-templates\/full-width-page.php","meta":{"_acf_changed":false,"footnotes":""},"categories":[],"tags":[28,172],"class_list":["post-34391","page","type-page","status-publish","has-post-thumbnail","hentry","tag-binaire","tag-binaire-2024-01"],"acf":[],"aioseo_notices":[],"publishpress_future_action":{"enabled":false,"date":"2026-05-05 06:31:48","action":"category","newStatus":"draft","terms":[75],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/34391","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=34391"}],"version-history":[{"count":20,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/34391\/revisions"}],"predecessor-version":[{"id":35714,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/34391\/revisions\/35714"}],"up":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/2750"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media\/34392"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=34391"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=34391"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=34391"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}