Künstliche Intelligenz (KI) revolutioniert unseren Alltag – von Chatbots bis zu Bildgeneratoren. Doch die Rechenleistung, die große Modelle benötigen, ist enorm und belastet Umwelt und Stromnetze. Experten setzen daher auf effizientere Methoden

Model Pruning: Unnötige Gewichte oder Neuronen werden gestrichen.
Quantisierung: Parameter-Präzision sinkt, z. B. von 32-Bit auf 8-Bit – weniger Speicher, weniger Rechenpower. Knowledge Distillation: Ein kleines „Schüler“-Modell lernt vom großen „Lehrer“ und spart Energie.

Auch die Hardware spielt eine Rolle: Spezialisierte Chips und energieeffiziente Rechenzentren reduzieren Stromverbrauch. Softwareseitig helfen Caching, Batch-Verarbeitung und sparsames Rechnen. Zudem können lokale Modelle Routineaufgaben übernehmen, während große KI nur für komplexe Anfragen genutzt wird. Kombination aus smarter Modellarchitektur, optimiertem Training und nachhaltiger Infrastruktur macht KI ressourcenschonender – ein Schritt, der sowohl Umwelt als auch Wirtschaft entlastet.