Green AI Training: KI nachhaltig planen, bauen, betreiben

Green AI beschreibt die Planung, Entwicklung und den Betrieb von KI-Systemen mit messbar geringerem Energieverbrauch, niedrigerem CO2e-Footprint und kontrollierbaren Kosten. Im Seminar geht es nicht um pauschalen Verzicht, sondern um bessere Entscheidungen: welcher Use Case lohnt sich, welches Modell passt, welche Architektur reduziert unnötige Rechenlast und wie wird der Betrieb nachvollziehbar gesteuert.

Beides. Du lernst strategische Entscheidungslogik für Priorisierung, Governance, Budgets und Green-KPIs. Gleichzeitig werden technische Hebel wie RAG, Quantization, LoRA, Caching, Kontext-Reduktion und Inference-Optimierung so behandelt, dass Maßnahmen realistisch bewertet und in Architekturentscheidungen übersetzt werden.

Nein. Die Konzepte werden so vermittelt, dass Fachverantwortliche, Entscheiderinnen und Entscheider sowie technische Rollen damit arbeiten. Erfahrung mit KI, Cloud-Betrieb, Monitoring oder Kostensteuerung ist hilfreich, aber keine Voraussetzung. Wer ML- oder Cloud-Erfahrung mitbringt, kann die Architektur- und Betriebsfragen tiefer einordnen.

Ja. Ein Schwerpunkt liegt auf energie- und kosteneffizientem Betrieb von GenAI- und LLM-Anwendungen. Dazu gehören RAG als Alternative zu häufigem Fine-Tuning oder Retraining, effiziente Prompt- und Kontextgestaltung, Caching, Batching, Rate Limits sowie Kennzahlen wie Token-Kosten und CO2e pro Request.

Nein. Die Prinzipien gelten für Cloud, On-Prem und Hybridbetrieb. Beispiele beziehen Cloud-Metering, Regionenwahl, Carbon-Awareness, FinOps-Tagging und typische Plattform-Setups ein. Die Entscheidungslogik lässt sich auf Azure, AWS, GCP, private Rechenzentren und gemischte Betriebsmodelle übertragen.

Du erarbeitest ein praxistaugliches KPI-Set, ein Schema für Green-AI-Reporting und eine Roadmap-Struktur für dein Umfeld. Dazu kommen Bewertungslogiken für Use Cases, Architekturvarianten und Betriebsmodelle. Ziel ist eine Grundlage, mit der KI-Initiativen wirtschaftlicher und nachhaltiger gesteuert werden.

FinOps liefert Methoden zur Kostensteuerung, MLOps strukturiert den produktiven Betrieb von Modellen. GreenOps ergänzt diese Perspektiven um Energieverbrauch, CO2e und nachhaltige Infrastrukturentscheidungen. Im Seminar werden diese Ansätze verbunden, damit Kosten, Qualität, Betrieb und Nachhaltigkeit nicht getrennt gesteuert werden.