{"id":31104,"date":"2026-04-11T12:06:22","date_gmt":"2026-04-11T10:06:22","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=31104"},"modified":"2026-03-25T12:09:52","modified_gmt":"2026-03-25T11:09:52","slug":"ki-energieeffizient-gestalten-leuchtturmprojekt-eki-zeigt-wege-auf","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=31104","title":{"rendered":"KI energieeffizient gestalten: Leuchtturmprojekt \u201eeki\u201c zeigt Wege auf"},"content":{"rendered":"\n

K\u00fcnstliche Intelligenz (KI) ist heute aus vielen Bereichen des Alltags nicht mehr wegzudenken. Sie navigiert, rechnet, \u00fcbersetzt und unterst\u00fctzt Entscheidungen \u2013 verbraucht dabei jedoch enorme Mengen an Energie. Der hohe Stromverbrauch resultiert aus dem Training und der Nutzung tiefer neuronaler Netze (DNNs), die gro\u00dfe Rechenleistungen auf GPUs oder CPUs erfordern und dabei erheblich CO2 erzeugen. Im internationalen Leuchtturmprojekt \u201eeki\u201c hat die Universit\u00e4t Paderborn ein Forschungsteam geleitet, das Methoden entwickelt hat, den Energieverbrauch von KI-Systemen um bis zu 90 Prozent zu reduzieren. Unterst\u00fctzt vom Bundesministerium f\u00fcr Umwelt, Klimaschutz, Naturschutz und nukleare Sicherheit, kommen dabei speziell angepasste Chips statt herk\u00f6mmlicher Prozessoren zum Einsatz.<\/p>\n\n\n\n

\"\"
Wie k\u00fcnstliche Intelligenz nicht zum Klimatreiber wird: Internationales Leuchtturmprojekt zeigt L\u00f6sungen auf – Einweihung Otus in der Universit\u00e4t Paderborn – Quelle: Universit\u00e4t Paderborn<\/figcaption><\/figure>\n\n\n\n

Ein zentraler Ansatz des Projekts ist der Einsatz von frei programmierbaren Chips, sogenannten Field-Programmable Gate Arrays (FPGAs), die ma\u00dfgeschneidert auf die Anforderungen von DNNs optimiert werden k\u00f6nnen. Prof. Dr. Marco Platzner erkl\u00e4rt: \u201eTiefe neuronale Netze sind eine Art KI, die nach dem Prinzip des menschlichen Gehirns funktioniert. Mit FPGAs k\u00f6nnen wir die Schaltungen so anpassen, dass sie deutlich weniger Energie verbrauchen und schneller rechnen als herk\u00f6mmliche GPUs.\u201c Die Forscher*innen konnten zudem komplexe Modelle vereinfachen, redundante Verbindungen entfernen und die Berechnungen auf mehrere FPGAs verteilen.<\/p>\n\n\n\n

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 Inferenzl\u00e4ufe, also die Anwendung trainierter Modelle auf neue Daten, effizient durchf\u00fchren. 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-Aussto\u00df erheblich.<\/p>\n\n\n\n

Die entwickelten Methoden und der Code stehen in FINN offen zur Verf\u00fcgung. Zus\u00e4tzlich bietet das Paderborn Center for Parallel Computing Workshops an, um Interessierten die Nutzung von FPGAs f\u00fcr DNNs und die Energieanalyse nahezubringen.<\/p>\n\n\n\n

Am Projekt \u201eeki\u201c beteiligt waren neben der Universit\u00e4t Paderborn die Hochschule Hamm-Lippstadt, die Fachhochschule S\u00fcdwestfalen, das HPC-Unternehmen MEGWARE in Chemnitz sowie die AMD Research Labs in Irland. Weitere Informationen finden sich unter www.eki-project.tech<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"

K\u00fcnstliche Intelligenz (KI) ist heute aus vielen Bereichen des Alltags nicht mehr wegzudenken. Sie navigiert, rechnet, \u00fcbersetzt und unterst\u00fctzt Entscheidungen<\/p>\n","protected":false},"author":81,"featured_media":31106,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[274,10036,4],"tags":[25194,6984,25192,21095,25193],"class_list":["post-31104","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-infrastructure","category-kuenstliche-intelligenz","category-news","tag-ekiproject","tag-energieeffizienz","tag-fpgas","tag-kuenstlicheintelligenz","tag-neuronalenetze"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/31104","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/81"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=31104"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/31104\/revisions"}],"predecessor-version":[{"id":31107,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/31104\/revisions\/31107"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/31106"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=31104"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=31104"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=31104"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}