Wie Unternehmensleiter ihre Ziele in KI und Nachhaltigkeit erreichen können

Für Unternehmen ist es wichtig, die Einführung von KI und den Umweltimpact auszugleichen. Laut dem Weltwirtschaftsforum verdoppelt sich die benötigte Energie für das Wachstum von KI alle 100 Tage. Bis 2028 könnte der Energieverbrauch von KI den gesamten Energieverbrauch Islands im Jahr 2021 übersteigen. KI kann ein zweischneidiges Schwert sein: Sie kann Umweltinitiativen erheblich vorantreiben, aber auch schädlich sein, wenn sie nicht sorgfältig eingesetzt wird.

Es gibt kein universelles Rezept für den nachhaltigen Einsatz von KI – jeder Ansatz muss an die spezifischen Umstände des Unternehmens angepasst werden. Stattdessen erfordert die Integration von KI und die Förderung von umweltfreundlichen Zielen eine bestimmte Einstellung.

Denken Sie an die Menschen, die vor Apple-Stores stehen, wenn ein neues Produkt herauskommt: Frühadopter, die stolz ihre neuesten Geräte als Statussymbole präsentieren. Diese Einstellung funktioniert hier nicht. Unternehmen sollten nicht einfach nur modische KI-Tools einsetzen, um als Trendsetter wahrgenommen zu werden. Stattdessen sollten sie sich auf einen sinnvollen Einsatz von KI konzentrieren, der langfristige Nachhaltigkeitsziele unterstützt.

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

Automatisieren mit Blick auf Energieeinsparungen

Einige Führungskräfte mögen es nicht, wenn Mitarbeiter Abkürzungen nehmen, aber ich schon. Bei Jotform ermutige ich die Mitarbeiter, ständig nach schnelleren Wegen zu suchen, um ihre Aufgaben zu erledigen, solange die Qualität ihrer Arbeit nicht leidet. Automatisierung ist das Herz unseres Geschäfts und zentral für unsere Kultur. Wenn es ein automatisiertes Tool gibt, das eine langwierige, manuelle Aufgabe übernehmen kann, dann sage ich: Mach es.

Wie es sich herausstellt, kann die Automatisierung von Aufgaben mit KI-Tools auch die Nachhaltigkeitsziele vorantreiben. Wie das Weltwirtschaftsforum feststellt, kann die Optimierung der Zeitplanung für Energieeinsparungen, d.h. die Verlagerung von KI-Arbeitslasten auf Zeiten mit geringerem Energiebedarf, ein wirksamer Ansatz sein, um KI und den CO2-Fußabdruck zu reduzieren.

Nehmen wir an, Sie haben ein KI-Tool ausgewählt, um regelmäßige Sicherheitsüberprüfungen zu automatisieren, um Ihre Daten zu schützen. Die Programmierung dieser Aufgaben über Nacht ist eine einfache Möglichkeit, um energieeffizienter zu werden. Der allgemeine Energieverbrauch sinkt in der Regel abends, und die Energieversorgung kann effizienter arbeiten. Als Nebeneffekt sinken oft auch die Energiekosten.

Oder, wenn Sie in einer Region mit warmem Wetter und großem Einsatz von Klimaanlagen sind, können Sie energieintensive Projekte auf kühlere Monate verlagern, in denen die Energieversorgung weniger belastet ist. Wichtig ist, dass diese Verlagerungen eine gewisse Planung erfordern, aber fast keinen zusätzlichen Aufwand. Sie können zu einer erheblichen Energieeinsparung führen.

Grundlegende Modelle wählen

Stellen Sie sich vor, Sie sind in der Küche eines Restaurants mit einem Michelin-Stern. Die Köche sind alle in Kochschulen und Restaurants mit hohem Niveau ausgebildet. Zusammen kann das Team alle Arten von Gerichten zubereiten und neue Gerichte entwickeln. Wenn jemand ein außergewöhnliches Mahl zubereiten möchte, muss er nicht ein ganz neues Team von Köchen ausbilden – er kann dieses Team nutzen und ihre bestehende Expertise nutzen, um angepasste Anweisungen zu geben.

In der KI ist das die Idee eines grundlegenden Modells: ein fortgeschrittenes Programm, das bereits auf große Mengen an Daten trainiert wurde. Wenn jemand ein bestimmtes KI-Tool benötigt, kann er mit diesem grundlegenden Modell 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 grundlegenden Modellen 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 grundlegenden Modells 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 sind, genauso gut wie größere Modelle funktionieren, aber schneller und energieeffizienter. Größer ist nicht immer besser. Wie Salesforce es ausdrückt, ist die Wahl des größten und 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 Preise. Die Zeit, um ein Modell zu wählen, das auf Ihr Ziel abgestimmt ist, ist eine lohnende Investition, die letztendlich finanzielle und ökologische Ressourcen sparen kann.

Offene Software wählen

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

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

Automatisierung einsetzen, um Systemeffizienz zu verbessern

Schließlich können KI-gesteuerte Automatisierungstools Energie sparen, indem sie die Systemeffizienz verbessern. Sie können dies direkt tun, indem sie die benötigten Stunden für die Ausführung von Aufgaben reduzieren. Zum Beispiel kann ChatGPT bei der Recherche Stunden des Sitzens vor einem Bildschirm eliminieren, indem es in Sekunden Schlüsselinformationen identifiziert und synthetisiert.

KI-Tools können auch in der Systems-Planungsphase eine Rolle spielen. Nehmen wir Salesforce: Ihr Data-Center-Infrastruktur-Team verwendet KI, um die Nutzungsmuster ihrer Kunden vorherzusagen und dann automatisch das Volumen der benötigten Server anzupassen. Dies ermöglicht es ihnen, die Art und Weise, wie ihre Data-Center-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, dem Geschäftsreiseverkehr, dem Grundstück 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.