Im vergangenen Jahr hat der GWD begonnen, im Rahmen des Arbeitsfeldes Forschung und Innovation den verantwortungsvollen Umgang mit den aktuellen Entwicklungen der Künstliche Intelligenz (KI) zu thematisieren. Aufbauend darauf haben wir im Fachforum die ökologischen Potenziale von KI-Einsatz sowie deren Gestaltung aus Sicht der Politik und der Wirtschaft diskutiert. Aus der Politik durften wir uns dabei über einen Impuls und Beitrag zur Diskussion von der Vorsitzenden des Ausschusses für Digitales sowie Mitglied im Ausschuss für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz im Deutschen Bundestag, Tabea Rößner MdB freuen. Einen wirtschaftlichen Impus lieferte Maximilian Dekorsy (ecoplanet).
In diesem Zusammenhang wurde unter anderem die umweltfreundliche Prozessoptimierung, ressourcenschonende und energieeffiziente Anwendung von KI für alle Sektoren, beispielsweise Logistik, digitale Kraftwerke, Prozessoptimierung sowie -prognosen genannt und näher beleuchtet. Weiterführend wurde auf die Notwendigkeit von Nachhaltigkeitsstandards für die Vermeidung potenzieller Rebound-Effekte des Ressourcenverbrauchs der Digitalisierung hingewiesen. Eine Herausforderung stellt außerdem die Implementierung von KI-gestützen Tools in kleinen und mittelständischen Unternehmen dar: Hier benötigt es einen hohen Beratungsaufwand und Pilotprojekte sowie eine Förderung.
Tabea Rößner macht in Ihrem Impuls auch auf Herausforderung einer erhöhten Digitalisierung aufmerksam:
„Nachhaltigkeit und potenzielle Rebound-Effekte müssen bereits bei der Konzeptionierung von KI im Blick stehen: Eine bessere Energieeffizienz kann sowohl durch infrastrukturelle Anpassungen, Datensparsamkeit als auch in der modularen Entwicklung der Software erreicht werden.“
Spannende Einblicke erhielten wir außerdem durch eine exklusive Vorstellung von Fabian Seiter der Deutschen Energie-Agentur (dena) zu ihrer neuen Studie zu energieeffizienter Künstlicher Intelligenz:
„In der Studie „Energieeffiziente KI“ des Future Energy Labs konnten wir erhebliche Energieeinsparpotenziale zwischen 31 und 61 Prozent nachweisen. Das KI-Training mit „Föderiertem Lernen“ – also das Training von KI direkt auf den Endgeräten und die anschließende Übertragung an den Server – sowie die Ausführung von KI kann auf Basis unserer Ergebnisse deutlich energieeffizienter durchgeführt werden.“