GreenIT: Energiemanagement zur Optimierung von KI-Workloads
Wissenschaftliche Hilfskraft / Bachelor- oder Masterarbeit
GreenIT: Energiemanagement zur Optimierung von KI-Workloads
Der Einsatz Künstlicher Intelligenz, insbesondere für große
Sprachmodelle, geht einher mit einem hohen Stromverbrauch.
Langfristiges Ziel sollte es hierbei sein, verstärkt auf erneuerbare
Energie zu setzen. Im Rahmen dieser Arbeit soll ein Energiemanagement
aufgebaut werden, welches die Erträge der Energieerzeuger (Solaranlage
und Windkraftanlage) an der Hochschule erfasst und diese Daten für die
Optimierung von Hardware-Ressourcen bereitstellt. Hierbei soll OpenEMS
evaluiert werden.
In einem ersten Schritt soll OpenEMS als Energiemanagementsystem
installiert und evaluiert werden. In einem zweiten Schritt sollen
Schnittstellen zu bestehenden Energieerzeugern an der Hochschule in
Kooperation mit dem Fachbereich 2 Energy and Life Science implementiert
werden. In einem weiteren Schritt sollen diese Daten zur Optimierung
von KI-Workloads genutzt werden.
OpenEMS setzt auf eine verteilte Architektur von einem Backend, einer
WebUI und verteilten Sammelstellen (Edges) an Verbrauchern/Erzeugern.
Diese Sammelstellen lassen sich flexibel an die verschiedenen
Verbraucher/Erzeuger adaptieren. Zur Umsetzung sind diese drei
Komponenten auf Linux-Systemen zu implementieren und Schnittstellen zu
den Energieerzeugern in Java zu implementieren, welche z.B. Modbus
verwenden. Kenntnisse in diesen Bereichen sind wünschenswert, eine
eigenständige Einarbeitung kann aber auch im Rahmen der Arbeit
erfolgen.
Literatur
[1] Open Energy Management System (OpenEMS), https://openems.io/, 2024
[2] Open Energy Management System - OpenEMS Edge - Implementing a
Device,
https://openems.github.io/openems.io/openems/latest/edge/implement.html
, 2024
Kontaktperson
Ralf Lübben
Hochschule Flensburg
Professor für Rechnernetze
Kanzleistr. 91-93
24943 Flensburg
Raum C 222
E-Mail ralf.luebben@hs-flensburg.de
Kontakt
