Wie Unternehmensleiter ihre Ziele in KI und Nachhaltigkeit erreichen können

Für Unternehmen ist es imperativ, die Einführung von KI und den Umweltimpact auszugleichen. Laut dem World Economic Forum (WEF) verdoppelt sich die für das Wachstum von KI benötigte Leistung alle 100 Tage. Bis 2028 könnte der Energieverbrauch von KI den gesamten Energieverbrauch von Island im Jahr 2021 übersteigen. KI kann ein zweischneidiges Schwert sein: während sie Umweltinitiativen erheblich vorantreiben kann, kann sie auch gleichzeitig schädlich sein, wenn sie sorglos eingesetzt wird.

Es gibt keinen universellen Plan für den nachhaltigen Einsatz von KI – jeder Ansatz eines Unternehmens muss seinen besonderen Umständen entsprechen. Stattdessen erfordert die Integration von KI und die Förderung umweltfreundlicher Ziele eine bestimmte Einstellung.

Denken Sie an die Schlangen, die sich vor Apple-Geschäften auf dem Tag der Produktstarts bilden: frühe Adoptierer präsentieren stolz die neuesten Geräte als Statussymbole. Diese Einstellung funktioniert hier nicht. Unternehmen sollten nicht einfach nur modische KI-Tools adoptieren, um als Trendsetter wahrgenommen zu werden. Stattdessen sollten sie sich auf eine zweckmäßige Implementierung von KI konzentrieren, die langfristige Nachhaltigkeitsziele unterstützt.

Hier sind einige Strategien, die in Betracht gezogen werden sollten.

Automatisieren Sie mit Blick auf Energieeinsparungen

Einige Führungskräfte könnten es ablehnen, wenn Mitarbeiter Abkürzungen nehmen, aber ich tue dies nie. Bei Jotform ermutige ich die Mitarbeiter, ständig nach schnelleren Wegen zu suchen, um ihre Routinearbeiten zu erledigen, solange die Qualität ihrer Ausgabe nicht nachlässt. Automatisierung ist das Herz unseres Geschäfts und zentral für unsere Kultur. Wenn es ein automatisiertes Tool gibt, das eine langweilige, manuelle Aufgabe erledigen kann, dann sage ich: gehen Sie dafür.

Wie es sich trifft, kann die Automatisierung von Aufgaben mithilfe von KI-Tools auch Ihre Nachhaltigkeitsziele vorantreiben. Wie das WEF feststellt, kann die Optimierung der Terminplanung für Energieeinsparungen, d. h. die Verschiebung von KI-Arbeitslasten auf Zeiten geringeren Energiebedarfs, eine wirksame Taktik sein, um KI zu nutzen und Ihren CO2-Fußabdruck zu senken.

Nehmen wir an, Sie haben ein KI-Tool ausgewählt, um regelmäßige Sicherheitsscans zu automatisieren, um Ihre Daten zu schützen. Die Programmierung dieser Aufgaben über Nacht ist eine einfache Möglichkeit, energiesparender zu werden. Der allgemeine Energieverbrauch tendiert dazu, in den Abendstunden abzunehmen, und die Energieversorgungsnetze können effizienter arbeiten. Als Nebeneffekt sinken Ihre Energiekosten oft auch.

Oder, wenn Sie in einer geografischen Region mit warmem Wetter und großzügiger Klimaanlagen-Nutzung sind, können Sie energieintensive Projekte auf kühlere Monate verschieben, in denen die Energieversorgungsnetze weniger belastet sind. Wichtig ist, dass diese Verschiebungen Voraussicht erfordern, aber fast keine zusätzliche Anstrengung. Sie können zu erheblicher Energiekonservierung führen.

Wählen Sie Grundmodelle

Stellen Sie sich vor, Sie sind in der Küche eines mit einem Michelin-Stern ausgezeichneten Restaurants. Die Köche sind alle in Kochschulen und Restaurants mit hohem Niveau ausgebildet. Zusammen kann das Team alle Arten von Gerichten zubereiten und neue innovieren. Wenn jemand ein unglaubliches Mahl zusammenstellen möchte, muss er nicht ein ganzes neues Team von Köchen ausbilden – er kann dieses Team nutzen und ihre bestehende Expertise und angepasste Anleitung nutzen.

In der KI ist das die Idee eines Grundmodells: ein fortschrittliches Programm, das bereits auf enorme Mengen an Daten trainiert wurde. Wenn jemand ein bestimmtes KI-Tool benötigt, kann er mit diesem Grundmodell beginnen, anstatt ein Modell von Grund auf zu bauen.

In einem Artikel für die Harvard Business Review erklärt Christina Shim, Chief Sustainability Officer bei IBM, warum die Wahl von Grundmodellen ein energieeffizienter Ansatz ist. Im Gegensatz zur Erstellung eines neuen Modells können „Grundmodelle in einem Bruchteil der Zeit, mit einem Bruchteil der Daten und einem Bruchteil der Energiekosten für spezifische Zwecke angepasst werden“.

Shim weist darauf hin, dass die Größe eines Grundmodells auch einen Einfluss haben kann – die meisten haben entweder 3, 8 oder 20 Milliarden Parameter. Laut IBM-Forschung können kleinere Modelle, die auf spezifische und relevante Daten trainiert wurden, genauso gut wie die größeren Modelle performen, aber schneller und energiesparender. Größer ist nicht immer besser. Wie Salesforce es ausdrückt, ist die Wahl des größten, leistungsstärksten Modells für spezifische Unternehmensbedürfnisse wie das Fahren mit einem Sattelschlepper, um Lebensmittel zu holen oder einen einzelnen Passagier abzuholen – mit anderen Worten, völlig unnötig.

Größere Modelle haben jedoch höhere Preisschilder. Die Zeit, die man aufwendet, um ein Modell auszuwählen, das auf Ihr Ziel abgestimmt ist, ist eine lohnende Investition, die letztendlich finanzielle und ökologische Ressourcen sparen kann.

Wählen Sie Open-Source-Software

Eine weitere wichtige Entscheidung am Anfang jeder KI-Reise ist, ob man sich für Open-Source-Software entscheidet. Open-Source-Optionen können nicht jedes Problem lösen, aber in vielen Fällen können sie eine energie- und kosteneffiziente Lösung bieten, die auf der Weisheit unzähliger Experten basiert. Sie können sich auf die Verbesserung einer bestehenden Lösung (und die Ergebnisse teilen) konzentrieren, anstatt die Energieversorgungsnetze zu belasten, um jedes Mal das Rad neu zu erfinden. Wie Shim feststellt, genießt Open-Source-Software den Vorteil der kollektiven Verbesserung – mit mehr Augen auf das Problem ist das resultierende Produkt besser und der Energiebedarf in der Entwicklungsphase wird unter den Benutzern verteilt.

Gute Software ist ihr Geld wert, aber sie muss Ihren Bedürfnissen und Ihrem Budget entsprechen – eine zunehmend relevante Überlegung in Zeiten der Inflation. In vielen Fällen ist eine Open-Source-Lösung kostenlos oder zu einem Bruchteil der Kosten verfügbar.

Implementieren Sie Automatisierung, um Systemeffizienz zu verbessern

Schließlich können KI-gesteuerte Automatisierungstools Energie sparen, indem sie dazu beitragen, die Systemeffizienz zu steigern. Sie können dies direkt tun, indem sie die Stunden reduzieren, die für die Ausführung von Routineaufgaben benötigt werden. Wenn Sie beispielsweise Forschungen durchführen, können Tools wie ChatGPT Stunden des Sitzens vor einem Bildschirm eliminieren, indem sie in Sekunden wichtige Informationen identifizieren und synthetisieren.

KI-Tools können auch in der Systems-Planungsphase eine Rolle spielen. Nehmen Sie Salesforce: Ihr Rechenzentrums-Infrastruktur-Team verwendet KI, um die Nutzungsmuster der Kunden vorherzusagen und automatisch das Volumen der benötigten Server anzupassen. Dies ermöglicht es ihnen, die Art und Weise, wie ihre Rechenzentrums-Infrastruktur genutzt wird, anzupassen und überschüssige Energie zu vermeiden. Ebenso verwendet das Software-Unternehmen KI, um Entscheidungen zu treffen, um seinen CO2-Fußabdruck zu reduzieren, indem es Millionen von Datenpunkten aus der Lieferkette, Geschäftsreisen, Immobilien und mehr analysiert.

KI kann wie ein Nachhaltigkeitsberater fungieren und idealerweise mehr Energie sparen, als für die entsprechenden Analysen und Aufgaben benötigt wird. In diesem Sinne kann KI ein einziges, scharfes Schwert sein, das mehr Vorteile als Nachteile bietet.