Forskningsprojekt skal bidrage til baeredygtig AI
Kunstig intelligens er en betydelig og voksende belastning for miljøet. Forskerne bag det nye forskningsprojekt, DEEP, har fået en bevilling på 5,6 millioner kr. til et projekt, som har til formål både at reducere AI-løsningernes CO2-aftryk og økonomiske omkostninger.
Skrevet 10. februar 2026 11:48 af Jari Kickbusch
Da FN's Miljøprogram og Miljøorganisation,
United Nations Environment Assembly, forsamledes i december 2025, var den stigende miljøbelastning fra AI-løsninger højt på dagsorden. Datacentrene står nemlig for omkring 1,5 procent af det globale elektricitetsforbrug. Heraf bliver
15 procent brugt på AI. Da AI-services forventes at blive større, anvendelserne bredere og udbredelsen mere omfattende, forudser Det Internationale Energiagentur, at
energiforbruget fra AI vil fordobles inden 2030.
Overordnet består AI-systemerne af to elementer; software og hardware. Software-elementet består af dataindsamling og -forberedelse, modeludvikling, træning, validering, implementering, inferens, vedligeholdelse og udfasning. Hardware-elementet består bl.a. af opførsel og drift af datacentre og ikke mindst produktionen af computerchips, herunder grafiske processorer (GPU’er/grafikkort), som er essentielle for træning og inferens. Det nye forskningsprojekt, DEEP, som er blevet skabt i et samarbejde mellem University of Applied Sciences and Arts of Western Switzerland (HES-SO) og IT-Universitetet i København, vil fokusere på hardwaren.
DEEP
DEEP, en forkortelse for Deep Learning Resource-Efficient GPU Orchestrator, har til formål at forbedre udnyttelsen af GPU'er. GPU'erne – eller grafikkortene – bruges bl.a. til at skabe hurtige grafiske processer og i digital billedbehandling, og de er derfor en essentiel del af mange deep learning-processer samt maskinlærings- og AI-løsninger.
En undersøgelse fra 2024 viser imidlertid, at mange GPU-klynger ofte bruger under 50% af grafikkortenes kapacitet. Dette spild af hardware-ressourcer betyder, at der er et uudnyttet potentiale for at mindske CO2-aftrykket fra AI-systemerne samt at skære ned på udgifterne til de dyre grafikkort.
“Vores erfaringer viser, at en GPU-udnyttelse over 80 procent ikke gavner hverken energieffektiviteten eller databehandlingstiden. Samtidig er en udnyttelse på 50 procent eller derunder et spild af hardware-ressourcer. Vores langsigtede mål er derfor at udvikle en hardware-ressourcemanager, som kan bidrage til en bæredygtig udnyttelse,” siger lektor ved IT-Universitetet i København, Pınar Tözün.
Bevillingen
Pınar Tözün samarbejder med lektor ved School of Engineering and Management Vaud HEIG-VD (en del af HES-SO), Pamela Delgado, som er projektleder i DEEP-projektet. Sammen har de fået en bevilling på 5,6 millioner DKK fra Swiss National Science Foundation til at udvikle intelligente systemer til ressourcestyring og -planlægning, som tager højde for behov og belastninger i deep learning-processer samt muligheder og begrænsninger i moderne hardware.
“Gennem korrekt karakterisering af hardware samt analyse af forbrug og belastninger kan vi forbedre ressourcestyringen og dermed reducere hardwarebehovet og CO2-aftrykket fra deep learning,” siger Pamela Delgado.
Projektet kører fra 1. august 2025 til 31. juli 2029.
Læs mere om projektet
Jari Kickbusch, Forskningskommunikatør, telefon 7218 5304, email jark@itu.dk