Tiefe Neuronale Netze – statistische Verfahren des maschinellen Lernens – sind elementarer Bestandteil der künstlichen Intelligenz (KI). Sie erkennen Muster, analysieren Bilder und verarbeiten Sprache. Aber: Sie sind auch für einen zunehmenden Anteil der Rechenlast und damit für den Energieverbrauch sowie den CO2-Ausstoß in Rechenzentren verantwortlich. Wissenschaftler*innen der Universität Paderborn arbeiten im Rahmen eines neuen Forschungsprojekts jetzt daran, die Energieeffizienz von solchen KI-Systemen zu verbessern, indem sie versuchen, die Anzahl und die Genauigkeit der notwendigen Berechnungen deutlich zu verringern. Zum Einsatz kommt dabei programmierbare Hardware in Form sogenannter FPGAs (field programmable gate arrays) anstatt der üblichen Zentralprozessoren (CPUs) und Grafikprozessoren (GPUs). Das Projekt wird vom Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) bis Ende 2025 als KI-Leuchtturmprojekt mit rund 1,5 Millionen Euro gefördert.
Weiterlesen: https://www.uni-paderborn.de/nachricht/125609
Studie: Wie Künstliche Intelligenz die industrielle Arbeit optimieren kann
In der neuen Expertise „Künstliche Intelligenz und industrielle Arbeit“ des Forschungsbeirats Industrie 4.0 zeigen das Fraunhofer IEM und das Fraunhofer IML Gestaltungsoptionen und Handlungsfelder auf, wie KI in der deutschen Industrie erfolgreich eingesetzt werden kann. Ziel ist sowohl eine Steigerung der Wettbewerbsfähigkeit als auch eine Aufwertung von Arbeitsplätzen. Der KI-Einsatz beinhaltet Produktionsabläufe planen, Montagetätigkeiten übernehmen, Steuerungen programmieren oder Lager organisieren.