Die internationale EY-Organisation besteht aus den Mitgliedsunternehmen von Ernst & Young Global Limited (EYG). Jedes EYG-Mitgliedsunternehmen ist rechtlich selbstständig und unabhängig und haftet nicht für das Handeln und Unterlassen der jeweils anderen Mitgliedsunternehmen. Ernst & Young Global Limited ist eine Gesellschaft mit beschränkter Haftung nach englischem Recht und erbringt keine Leistungen für Mandanten.
So unterstützen wir Sie
-
Mit uns können Sie Ihr Unternehmen ganzheitlich transformieren und für Ihren weiteren Erfolg im digitalen Zeitalter weiterentwickeln, beginnend mit der richtigen Wachstumsstrategie in attraktiven Märkten bis hin zur Effizienzsteigerung und Risikominimierung.
Mehr erfahren
Um die Nachhaltigkeit eines Prozesses mit dem Einsatz von KI sicherzustellen, muss zu Beginn gewährleistet werden, dass die KI auch selbst nachhaltig gestaltet wird. Dies stellt grundsätzlich die größte Herausforderung dar, weil durch die Speicherung und Weiterverarbeitung großer Datenmengen zwangsläufig die Server stark genutzt werden, was wiederum einen hohen Emissionsausstoß zur Folge hat. Doch auch die KI kann durchaus in ihrer Funktionsweise nachhaltig agieren. Ziel ist es, die KI möglichst ressourcenschonend einzusetzen, damit sie nicht selbst ein Risiko für den Schutz von Umwelt, Klima und Ressourcen darstellt. Durch eine gezielte Förderung kann der ökologische Fußabdruck einer KI-Applikation, der durch die physische Infrastruktur aus Hardware, Rechenzentren und Datenübertragungsnetzen entsteht, minimiert werden. Teil dieser gezielten Förderung soll sein, dass nicht nur in die Entwicklung leistungsstärkerer KI-Applikationen Mühe investiert, sondern der Fokus auch auf die Entwicklung weniger rechenintensiver KI-Applikationen gelenkt wird. Hierzu bietet sich eine Optimierung von Algorithmen und KI-Architekturen an. Bei einer solchen Optimierung wird beispielsweise darauf geachtet, die Datengröße zu reduzieren, die der Algorithmus zu verarbeiten hat. Durch eine Herausfilterung irrelevanter und redundanter Daten oder die Komprimierung von Daten etwa wird Speicherplatz gespart und die KI-Leistung verbessert. Das Eingehen eines Kompromisses zwischen Datengröße und Leistung des Algorithmus verhindert, dass sich die Verringerung der Datengröße negativ auf die Genauigkeit des KI-Algorithmus auswirkt. Die Nutzung einer angepassten, energieeffizienten Programmiersprache verstärkt die positiven Wirkungen einer Optimierung des Algorithmus. Die Untersuchung des Energieverbrauchs für die Lösung von jeweils zehn gleichen Rechenaufgaben ergab, dass C, Rust, C++ und Java besonders energieeffizient arbeiten, wohingegen Python, Ruby PHP oder JavaScript am wenigsten energieeffizient arbeiten. Im Zuge dieser Bewertung muss allerdings erwähnt werden, dass die Programmiersprachen unterschiedlich große Selbstständigkeiten aufweisen. Diese lassen sich darin erkennen, dass energielastige Sprachen imstande sind, dem Programmierer viel Arbeit abzunehmen, und entsprechend mehr Arbeitsschritte im Hintergrund getätigt werden. Bei weniger energielastigen Sprachen ist ein größerer Aufwand an menschlichen Ressourcen nötig. Eine mögliche effizientere Nutzung könnte darin liegen, dass bereits optimierte Algorithmen gemeinsam genutzt oder gar wiederverwendet werden und so ihren Energiebedarf weiter minimieren. In Code Repositories werden auf verschiedene Aspekte hin optimierte Codes abgelegt und können einfach abgerufen werden. Dies führt dazu, dass bessere Codes im Hinblick auf Energieeffizienz, Laufzeit, Speichernutzen etc. vielseitiger und breiter angewendet werden können. Eine gemeinsame Nutzung oder Wiederverwendung bedeutet nicht, dass der individuelle Einsatz der KI darunter leidet. Es handelt sich vielmehr darum, dass vorgefertigte KI-Modelle, die auf großen Datensätzen trainiert wurden, mehrfach genutzt und individualisiert werden können. Das bedeutet, dass die Wiederverwendung der Modelle ein wiederholtes Training der KI einspart und somit der Energiebedarf und Emissionen reduziert werden. Allein diese Maßnahme kann den CO2-Fußabdruck beispielsweise von KI-Aufgaben zur Verarbeitung natürlicher Sprache deutlich reduzieren. Weniger energieintensive Algorithmen zeigen also eine deutlich positive Entwicklung der Energieeffizienz.