Sustainable AI For Energy-efficient Systems (SAFES)

Künstliche Intelligenz (KI) und Machine Learning (ML) haben in den letzten Jahren erheblich an Bedeutung gewonnen. Neben vielen Vorteilen führt dies jedoch zu einem stark angestiegenen Ressourcenverbrauch in der Lern- und Betriebsphase von ML-Algorithmen.

Die integrierten Messinstrumente der Chiphersteller, auf die sich die Wissenschaft verlässt, liefern nur unzureichende Schätzwerte für den Eneregieverbrauch. Maßnahmen, die auf diesen Schätzungen basieren, könnten schlimmstenfalls zu einem höheren Ressourcenverbrauch führen.

Das Projekt „SAFES“ setzt hier an und baut ein hierfür eigenes Messlabor auf, in dem die Leistungsaufnahme der Hardware im Lernprozess sowie im Betrieb exakt gemessen werden kann. SAFES fokussiert sich auf Bereiche wie Produktion und Automotive und betrachtet darin industrielle Anwendungsfälle (z. B. Montageroboter, Fahrzeug-Kommunikation, autonomes Fahren).

Aus den gesammelten Daten werden anschließend realistische Energiemodelle abgeleitet und als Open Source Frameworks zur Verfügung gestellt. Dies soll der Industrie helfen, zukünftig nachhaltigere KI-Systeme zu entwerfen. Zudem wird ein direkt wissenschaftlicher und praktischer Beitrag geleistet.