Die Universität Paderborn leitet ein wegweisendes KI-Leuchtturmprojekt mit dem bezeichnenden Namen „eki“, das eine drastische Verbesserung der Energieeffizienz von KI-Systemen zum Ziel hat. Diese Initiative soll den Energieverbrauch von Künstlicher Intelligenz um bemerkenswerte bis zu 90 Prozent senken. Im Zentrum des Projekts stehen spezielle Computerchips, die sogenannten Field-Programmable Gate Arrays (FPGAs), die anstelle der herkömmlichen Grafik- und Prozessoreinheiten zum Einsatz kommen. Mit einer Förderung von rund 1,5 Millionen Euro vom Bundesministerium für Umwelt, Klimaschutz, Naturschutz und nukleare Sicherheit über einen Zeitraum von drei Jahren verspricht das Projekt einige bedeutende Fortschritte in der Energieeffizienz.
Insbesondere die Verwendung von tiefen neuronalen Netzen (DNNs) ist eine der großen Herausforderungen, da diese viel Rechenleistung erfordern und deshalb einen hohen Energieverbrauch sowie CO2-Ausstoß in Rechenzentren verursachen. Diese Netze werden mittels großer Datenmengen trainiert, was zusätzlich den Energiebedarf fördert. FPGAs hingegen ermöglichen eine maßgeschneiderte Hardware-Lösung, die je nach Anwendung weniger Energie verbraucht und dabei teilweise schneller rechnet als herkömmliche Prozessoren. Eine Herausforderung bleibt jedoch die Programmierung dieser Chips, die als aufwendiger gilt. Das Team an der Universität Paderborn hat jedoch bedeutende Fortschritte erzielt, um diese Hürden zu überwinden.
Optimierung der Energieeffizienz
Ein zentraler Aspekt der Arbeiten von Prof. Dr. Marco Platzer und seinem Team ist die Verbesserung der Energieeffizienz von KI-Systemen in Bereichen wie der Bilderkennung und Sprachverarbeitung. Dazu nutzen sie das Open-Source-Framework FINN, das in Zusammenarbeit mit AMD/Xilinx weiterentwickelt wird. Die Forschung konzentriert sich auf mehrere wesentliche Schritte zur Optimierung: die automatisierte Übertragung von DNNs auf FPGAs, das Pruning und die Quantisierung von Modellen sowie die effiziente Umsetzung nichtlinearer Funktionen.
Ein bemerkenswertes Ergebnis dieser Anstrengungen ist, dass die erweiterten Methoden zur Schätzung des Energiebedarfs einzelner DNN-Bausteine nun ermöglichen, den Gesamtverbrauch während kompletter Inferenzläufe zu messen und mit anderen Technologien zu vergleichen. Je nach Modell und Batchgröße konnten Einsparungen von bis zu 90% im Vergleich zu GPUs erzielt werden. Die Umsetzung auf Multi-FPGA-Systemen hat die Effizienz zusätzlich gesteigert. Die erhobenen Daten sind in der Gemeinschaft verfügbar, und der Code ist im FINN-Repository zugänglich.
Nachhaltigkeit durch Forschung
Da der Energiebedarf von DNNs zukünftig voraussichtlich weiter ansteigt, ist der Impact dieses Projekts weitreichend. Die Erhöhung der Energieeffizienz um das bis zu Zehnfache im Vergleich zu Grafikprozessoren könnte eine bedeutende Rolle im Umweltschutz spielen. Die Forscher*innen sensibilisieren zudem die Nutzer für einen ressourcenschonenden Umgang mit KI-Anwendungen und zeigen, dass es wichtig ist, bei der Implementierung von Technologien auch an die Umwelt zu denken.
Zusammengefasst: Das Projekt „eki“ an der Universität Paderborn ist nicht nur ein Schritt in Richtung energieeffizienter rechenintensiver Anwendungen, sondern könnte auch neue Forschungsideen im Hardwaredesign und in den Modelltechniken inspirieren, die auch nach Abschluss des Projekts weiterverfolgt werden. Die Paderborn Center for Parallel Computing (PC2) bietet Workshops zur Nutzung dieser innovativen Methoden an und wird damit ein wichtiger Ort für Wissenstransfer und Anwendung.