Unser Quick Guide „Kosten-, Ressourcen- und Energieeinsparungen für nachhaltige KI-Entwicklung” zeigt, wie sich KI auf Nachhaltigkeits- und Kostensenkungs-Ziele ausrichten lässt. Ihr erfahrt darin, wie groß der CO2-Fußabdruck der großen Sprachmodelle ist und lernt Methoden kennen, wie Deep-Learning-Modelle verkleinert werden können, um Energie und Kosten zu sparen. Außerdem stellen wir Tools wie Eco2AI und CodeCarbon vor, die die Umweltauswirkungen von KI überwachen. Diese Tools bieten bewährte Praktiken zur Emissionsreduktion im Cloud-Computing, zum Beispiel durch die Auswahl „grünerer” Cloud-Standorte und die Optimierung von Arbeitsabläufen. Dieser Leitfaden ist ideal für alle, die die Leistung ihrer KI-Systeme nachhaltig optimieren möchten.
