ESCADE

Energy-Efficient Large-Scale Artificial Intelligence for Sustainable Data Centers

In den letzten Jahren ist der Stromverbrauch von Rechenzentren rasant angestiegen und es wird prognostiziert, dass er bis 2030 einen erheblichen Anteil am weltweiten Energieverbrauch ausmachen wird. Diese Entwicklung macht die Dringlichkeit einer nachhaltigeren Nutzung von Ressourcen deutlich. Insbesondere KI-Anwendungen tragen zum erhöhten Stromverbrauch bei. Allein ChatGPT verbrauchte für seinen Betrieb im Januar 2023 geschätzte 1.200.000 kWh. Das entspricht der Stromerzeugung von drei Windkraftanlagen pro Monat. Gleichzeitig hat die deutsche Bundesregierung beschlossen, dass Rechenzentren bis 2027 klimaneutral betrieben werden sollen. Dafür müssen diese ihren Ressourcenverbrauch reduzieren und nachhaltigere Betriebsweisen entwickeln.

Hier setzt das Projekt ESCADE an. Ziel von ESCADE ist es, den Energiebedarf von Rechenzentren durch den Einsatz weltweit führender Hardware- und Softwaretechnologien erheblich zu reduzieren, um den ökologischen Fußabdruck von KI-Anwendungen zu verbessern und messbar zu machen. Zentral für das Projekt ist der Einsatz von neuromorphen Chiptechnologien (NPUs), die in Rechenzentren integriert werden, um signifikante Energieeinsparungen zu erzielen. Diese sollen Effizienzsteigerungen von bis zu 50 % beim Training und bis zu 80 % bei der Ausführung von KI-Modellen ermöglichen.

ESCADE möchte im Rahmen des Projektes erstmalig KI-Anwendungsfälle auf ihre wirtschaftliche und umweltfreundliche Nachhaltigkeit prüfen und optimieren. Grundlegend dafür wird ein Rahmenwerk sein, welches die nachhaltige Skalierung von Rechenleistung und flächendeckende, branchenübergreifende Umsetzung messbarer, nachhaltiger KI-Systeme und Anwendungsfälle ermöglichen wird.

Eine vielversprechende Anwendungsmöglichkeit der Projektergebnisse bietet sich im Bereich nachhaltiger NLP-Modelle (neuro-linguistische Programmiermodelle) für Ticketsysteme. Durch den Einsatz von NPUs können diese Modelle energieeffizienter betrieben werden, was zu einer Verringerung des Stromverbrauchs führt. Zudem lässt sich so die Latenz deutlich reduzieren.

Ein weiterer Use Case von ESCADE ist die Entwicklung nachhaltiger Visual Computing Modelle für die Kreislaufwirtschaft von Stahl. Hierbei sollen KI-Algorithmen und NPUs eingesetzt werden, um die Bildverarbeitung und Analyse in der Stahlindustrie zu optimieren und gleichzeitig den Energieverbrauch zu reduzieren. So können Schrottsorten in der Stahlindustrie effektiver und effizienter sortiert und die Weiternutzung von Schrott verbessert werden.

Mit den geplanten Entwicklungen wird das Projekt den wirtschaftlichen und klimaneutralen Betrieb von Rechenzentren ermöglichen. Somit leistet ESCADE einen wichtigen Beitrag zur Förderung einer umweltfreundlicheren und nachhaltigeren Wirtschaft.

Konsortium:

• Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
• NT Neue Technologie AG (NT.AG)
• Stahl-Holding-Saar GmbH & Co. KGaA (SHS)
• SEITEC GmbH (Seitec)
• Technische Universität Dresden (TUD)
• Ruhr-Universität Bochum (RUB)
• Salzburg Research Forschungssgesellschaft m.b.H.(Österreichischer Partner)

Projektkoordination:

Prof. Dr.-Ing. Wolfgang Maaß
Leiter des Forschungsbereichs Smart Service Engineering
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH