Worum gehts?
Künstliche Intelligenz – insbesondere maschinelles Lernen (ML) – kann den Klimawandel bekämpfen, aber ihn auch verstärken. In diesem Webinar besprechen Alexander Niltop (statworx) und Dr. Maria Börner (Adap, Flower) die Umweltauswirkungen von Machine Learning, aber auch Gegenmaßnahmen, damit ML nicht Teil des Problems, sondern der Lösung ist.
Die Anwendungsmöglichkeiten von ML mit positiver Umweltauswirkung sind vielfältig: frühzeitige Erkennung von Waldbränden, Optimierung von Verkehrsflüssen oder Ressourceneinsparung durch datenbasierte Instandhaltung. Diese und weitere Maßnahmen tragen dazu bei, den menschlichen Einfluss auf die Umwelt zu minimieren und beispielsweise CO2 einzusparen. Gleichzeitig nimmt der Ressourcenbedarf von ML Modellen selbst stetig zu. Das Training und der Betrieb von ML Modellen – insbesondere in Rechenzentren – benötigt große Mengen an Platz, Hardware und nicht zuletzt Strom. Trotz Effizienzsteigerungen ist die Tendenz steigend, ein Trend der sicher noch einige Jahre anhalten wird. Umso wichtiger ist es, sich der Umweltauswirkungen von ML bewusst zu sein und diese direkt bei der Anwendung zu minimieren. Wie groß diese Umweltauswirkungen sind und wie Sie diese minimieren, erfahren Sie in diesem Webinar.
Speakers:
Alexander Niltop (statworx)
Dr. Maria Börner (Adap, Flower)
Diese Event wurde von der statworx Initiative AI & Environment organisiert.