KI energieeffizient gestalten: Leuchtturmprojekt „eki“ zeigt Wege auf
Künstliche Intelligenz (KI) ist heute aus vielen Bereichen des Alltags nicht mehr wegzudenken. Sie navigiert, rechnet, übersetzt und unterstützt Entscheidungen – verbraucht dabei jedoch enorme Mengen an Energie. Der hohe Stromverbrauch resultiert aus dem Training und der Nutzung tiefer neuronaler Netze (DNNs), die große Rechenleistungen auf GPUs oder CPUs erfordern und dabei erheblich CO2 erzeugen. Im internationalen Leuchtturmprojekt „eki“ hat die Universität Paderborn ein Forschungsteam geleitet, das Methoden entwickelt hat, den Energieverbrauch von KI-Systemen um bis zu 90 Prozent zu reduzieren. Unterstützt vom Bundesministerium für Umwelt, Klimaschutz, Naturschutz und nukleare Sicherheit, kommen dabei speziell angepasste Chips statt herkömmlicher Prozessoren zum Einsatz.
Ein zentraler Ansatz des Projekts ist der Einsatz von frei programmierbaren Chips, sogenannten Field-Programmable Gate Arrays (FPGAs), die maßgeschneidert auf die Anforderungen von DNNs optimiert werden können. Prof. Dr. Marco Platzner erklärt: „Tiefe neuronale Netze sind eine Art KI, die nach dem Prinzip des menschlichen Gehirns funktioniert. Mit FPGAs können wir die Schaltungen so anpassen, dass sie deutlich weniger Energie verbrauchen und schneller rechnen als herkömmliche GPUs.“ Die Forscher*innen konnten zudem komplexe Modelle vereinfachen, redundante Verbindungen entfernen und die Berechnungen auf mehrere FPGAs verteilen.
Das Projektteam erweiterte das Open-Source-Framework FINN von AMD/Xilinx, um Energieverbrauch von KI-Modellen zu messen, vorherzusagen und zu optimieren. So lassen sich komplette Inferenzläufe, also die Anwendung trainierter Modelle auf neue Daten, effizient durchführen. Erste Ergebnisse zeigen, dass die Energieeffizienz im Vergleich zu Grafikprozessoren um das Zehnfache gesteigert werden kann. Das senkt nicht nur den Stromverbrauch, sondern reduziert je nach Strommix auch den CO2-Ausstoß erheblich.
Die entwickelten Methoden und der Code stehen in FINN offen zur Verfügung. Zusätzlich bietet das Paderborn Center for Parallel Computing Workshops an, um Interessierten die Nutzung von FPGAs für DNNs und die Energieanalyse nahezubringen.
Am Projekt „eki“ beteiligt waren neben der Universität Paderborn die Hochschule Hamm-Lippstadt, die Fachhochschule Südwestfalen, das HPC-Unternehmen MEGWARE in Chemnitz sowie die AMD Research Labs in Irland. Weitere Informationen finden sich unter www.eki-project.tech.
