Künstliche Intelligenz soll vom Energiefresser zum Energiesparer werden. Ein deutsch-österreichisches Forschungsteam will KI um bis zu 90 Prozent energieeffizienter machen. Um den ökologischen KI-Fußabdruck zu verbessern, werden Rechenzentren, Sprachmodelle und visuelle Modelle neu gedacht.

Rechenzentren verbrauchen viel Energie. Im vergangenen Jahrzehnt hat sich ihr Strombedarf in Deutschland laut dem Digitalverband Bitkom mehr als verdoppelt. Tendenz: stark steigend, denn die digitale Transformation kommt gerade erst in Fahrt.

KI als Energiefresser

Daten zu speichern, sie zu verarbeiten, hin- und herzuschicken, sie abzurufen – alles kostet Strom. Vor allem Künstliche Intelligenz ist ein Energiefresser. KI-Modelle mit Massendaten anzulernen, sie zu trainieren und zu betreiben sowie Texte und Bilder damit zu erstellen, verbraucht rund um den Globus viele Terawattstunden. Immer mehr Rechenzentren müssen immer größer werden, brauchen immer mehr Strom, immer mehr Kühlung und stoßen so immer mehr CO₂ aus.

Forschung will KI energieeffizienter machen

Künstliche Intelligenz kann jedoch erheblich energieeffizienter werden. Mit den richtigen Methoden können die Rechenzentren der Zukunft nachhaltiger gestaltet werden. Forschende aus Deutschland und Österreich entwickeln dafür unter anderem schlankere, bedarfsgerechtere KI-Modelle. Kleinere und effizientere Modelle würden zudem kleinen und mittelständischen und Unternehmen den Zugang zu leistungsfähigen KI-Modellen erleichtern, weil kleinere KI-Modelle keine große Infrastruktur brauchen.

Damit diese schlankeren und energieeffizienteren Modelle ähnlich gute Ergebnisse liefern wie die aktuell bekannten Chatbots und visuellen KI-Modelle, arbeiten die Forschenden in den beteiligten Forschungseinrichtungen an verschiedenen Methoden:

• Wissensdestillation: Mit Hilfe sogenannter „Wissensdestillation“ wird Wissen verdichtet: Aus großen „Lehrermodellen“ werden kleine, fokussierte und sparsame Schülermodelle extrahiert. Sie konzentrieren sich auf das benötigte Wissen für einen Aufgabenbereich, unwesentliche Parameter werden erst gar nicht verarbeitet. Durch diese Reduktion auf das Wesentliche können Datenmodelle um bis zu 90 Prozent verschlankt werden.
• Neuronale Architektursuche: Mittels sogenannter „Neuronaler Architektursuche“ sollen speziell visuelle KI-Modelle optimiert werden. Neuronale Netze ahmen das menschliche Gehirn nach, sind aber aktuell das Ergebnis aufwändiger Handarbeit. Anstatt die Zusammensetzung der neuronalen Netze manuell zu entwerfen, soll die KI automatisch die beste Architektur finden.
• Platzierung im Edge-Cloud-Kontinuum: Aktuell ist es üblich, Daten an den äußeren Rändern des Systems (Edge) zu erfassen und in zentralen Rechenzentren mit hoher Verarbeitungskapazität (Cloud) zu verarbeiten. Das muss jedoch nicht der energieeffizienteste Ansatz sein.  Salzburg Research entwickelt eine Lösung zur Analyse, Bewertung und Empfehlung einer optimierten Platzierung von Diensten und Anwendungen im Edge-Cloud-Kontinuum.

From Lab to Field: Praxistest Schrottsortierung

Um die optimierten KI-Modelle in der Praxis zu testen, arbeitet das Projektteam mit der Stahl Holding Saar zusammen. Die Aufgabe lautet: Stahlschrott automatisiert sortieren. Denn für hochwertige Stähle sind nur bestimmte Schrottsorten geeignet. Bislang aber ist das KI-Modell gewaltig und verbraucht viel Energie. Ein kleines, maßgeschneidertes „KI-Hirn“ soll das als Ergebnis des Forschungsprojektes ESCADE performanter, effektiver und energieeffizienter erledigen.

Handlungsempfehlungen für Entscheidungsträger:innen

Die Partner erarbeiten zudem ein Konzept und Handlungsempfehlungen für nachhaltige Rechenzentren und energieeffiziente KI. Denn bislang können Entscheidungsträger:innen nur schwer abschätzen, für welche Modelle sie wie viel Energie verbrauchen werden. Salzburg Research erarbeitet dafür ein Werkzeug zur automatisierten Messung, Analyse und Visualisierung von Nachhaltigkeitsmetriken. Damit sollen zuverlässige Prognosen ermöglicht werden, wie der genaue Energieverbrauch und die zusammenhängenden Kosten der KI-Modelle aussehen werden. So können unwirtschaftliche Abläufe erkannt und notfalls Gegenmaßnahmen ergriffen werden – zum Beispiel große Rechenleistungen dann einplanen, wenn der Strompreis günstig ist.

Präsentation der Forschungsergebnisse bei Hannover Messe

Die Forscherinnen und Forscher zeigen ihre bisherigen Ergebnisse aus dem Forschungsprojekt ESCADE am Stand des Bundesministeriums für Wirtschaft und Klimaschutz auf der Hannover Messe:

Hannover Messe, 31. März bis 4. April 2025
Stand des Bundesministeriums für Wirtschaft und Klimaschutz (Halle 2 Stand A18)

Das Forschungsprojekt ESCADE „Energy-Efficient Large-Scale Artificial Intelligence for Sustainable Data Centers“ wird vom deutschen Bundesministerium für Wirtschaft und Klimaschutz (BMWK) und dem österreichischen Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie (BMK) mit rund fünf Millionen Euro über eine Laufzeit von drei Jahren gefördert. Projektpartner sind: Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), NT Neue Technologie AG, die Stahl-Holding-Saar GmbH & Co. KGaA, die SEITEC GmbH, Technische Universität Dresden, Universität Bielefeld sowie Salzburg Research als österreichischer Partner.
https://escade-project.de