0521 968 7740Mo–Fr, 8–17 Uhr
Zurück zu Green AI
Green AI: KI nachhaltig planen, bauen, betreiben
Reduziere Energie, CO2 und Kosten deiner KI, ohne die Produktqualität zu opfern.
Kursdetails ansehenab 1.190,00 € zzgl. 19 % MwSt.
Weitere Termine & BuchungsoptionenMehr als 5.000 Unternehmen vertrauen uns
Kursdetails
Das lernst Du
- Green AI Grundlagen und Messbarkeit
- Strategie: Von Use Case bis Betriebsmodell
- Effiziente Modell- und Systemarchitektur
- Daten: Weniger, besser, sauberer
- Cloud, Rechenzentrum und Beschaffung
- Compliance, Reporting und Kommunikation
Überblick
Nachhaltige KI entsteht nicht durch einzelne Optimierungen, sondern durch ein Betriebsmodell, das Energie, CO2e und Kosten genauso ernst nimmt wie Latenz und Qualität. In diesem Seminar baust du dir genau dieses Modell auf. Du lernst zuerst, wo der Footprint entsteht: Datenpipelines, Training, Inferenz und die oft unterschätzten Nebenkosten durch Logging, Retries und übergroße Kontexte. Danach richtest du ein Mess-Setup ein, das nicht nur Zahlen liefert, sondern Entscheidungen ermöglicht, zum Beispiel CO2e pro Request, Kosten pro Token und Auslastung pro GPU-Cluster. Im nächsten Schritt übersetzt du Messwerte in Strategie. Du arbeitest mit einem Use-Case-Scoring, das Nutzen und Risiken mit Energieprofil und Datenreife verbindet. Dadurch priorisierst du Vorhaben, die echten Mehrwert liefern und nicht nur Rechenzeit verbrennen. Du schärfst Make-or-Buy-Entscheidungen: Wann reicht ein kleineres Modell, wann ist RAG sinnvoller als Fine-Tuning, und wann ist klassisches ML die nachhaltigere Lösung. Besonders praxisnah ist der Teil zur Architektur: Embedding-Reuse, Caching, Batching, Streaming, Prompt- und Kontext-Reduktion sowie Quantization und Adapter-Ansätze. Zum Abschluss verknüpfst du GreenOps mit FinOps: Tagging, Budgets, Chargeback und Policies, die Teams nicht blockieren. Du erstellst ein Reporting, das Management und Audit-Anforderungen erfüllt, inklusive Dokumentation über Modellkarten und Datenkarten. Damit kannst du Green AI als wiederholbaren Prozess etablieren statt als einmaliges Optimierungsprojekt.
Kursinhalte
- Green AI Grundlagen und Messbarkeit
- Warum KI-Workloads so viel Energie ziehen: Training, Inferenz, Datenpipelines
- Wichtige Kennzahlen: kWh, CO2e, PUE, WUE, GPU-Auslastung, Token- und Request-Kosten
- Mess-Setup: Cloud-Metering, On-Prem-Telemetrie, Modell- und Pipeline-Logging
- Strategie: Von Use Case bis Betriebsmodell
- Use-Case-Scoring: Nutzen, Risiko, Energieprofil, Datenreife
- Make-or-Buy: Foundation Model, Fine-Tuning, RAG, klassisches ML
- Governance: Policies, Freigaben, Budgets, Green-KPIs in OKRs
- Effiziente Modell- und Systemarchitektur
- RAG statt Retraining: Retrieval-Design, Chunking, Caching, Vektordatenbanken
- Modellwahl: kleinere Modelle, Distillation, Quantization, LoRA und Adapter
- Inference-Optimierung: Batching, Streaming, Rate Limits, Prompt- und Kontext-Reduktion
- Daten: Weniger, besser, sauberer
- Datenerhebung und -speicherung: Datenminimierung, Retention, Tiering
- Feature- und Embedding-Strategien: Reuse, Versionierung, Drift-Checks
- Qualität statt Masse: Labeling-Strategien, Sampling, Synthetic Data mit Leitplanken
- Cloud, Rechenzentrum und Beschaffung
- Regionenwahl und Carbon-Awareness: Timing, Standort, Strommix
- Hardware-Entscheidungen: GPU-Generationen, CPU vs GPU, Speicherausbau
- FinOps und GreenOps verzahnen: Budgets, Tagging, Chargeback
- Compliance, Reporting und Kommunikation
- Nachweisfähigkeit: Audit-Trails, Modellkarten, Datenkarten, Dokumentation
- Reporting für Management: CO2e pro Use Case, pro Request, pro Monat
- Change und Enablement: Leitlinien für Teams, Produkt und Einkauf
Zielgruppe & Voraussetzungen
Für wen der Kurs geeignet ist
- IT- und Digitalverantwortliche, die KI-Portfolios steuern
- Data Science und ML Engineering, die Modelle produktiv betreiben
- Cloud-, Plattform- und DevOps-Teams mit Kosten- und Performanceverantwortung
- Produktmanagement und Tech Leads, die KI-Features priorisieren
- Für alle, die KI messbar nachhaltiger und wirtschaftlicher machen wollen
Deine Vorteile
Garantierte TermineMarkierte Termine finden statt und bieten 10 % Preisvorteil.
Kleine GruppenMaximal 8 Teilnehmende für intensiven Austausch und nachhaltigen Lernerfolg.
Praxiserfahrene Trainer:innenBerufsrelevante Fachexpertise aus langjähriger Praxiserfahrung.
Keine HybridschulungenBewusst live online oder in Präsenz – für eine klare, fokussierte Lernumgebung.
FAQ
Was lerne ich in der Schulung „Green AI: KI nachhaltig planen, bauen, betreiben“?
Reduziere Energie, CO2 und Kosten deiner KI, ohne die Produktqualität zu opfern. Zu den Schwerpunkten gehören Green AI Grundlagen und Messbarkeit, Strategie: Von Use Case bis Betriebsmodell, Effiziente Modell- und Systemarchitektur, Daten: Weniger, besser, sauberer, Cloud, Rechenzentrum und Beschaffung und Compliance, Reporting und Kommunikation.
Für wen ist die Schulung geeignet?
Die Schulung richtet sich an IT- und Digitalverantwortliche, die KI-Portfolios steuern, Data Science und ML Engineering, die Modelle produktiv betreiben, Cloud-, Plattform- und DevOps-Teams mit Kosten- und Performanceverantwortung und Produktmanagement und Tech Leads, die KI-Features priorisieren sowie alle, die KI messbar nachhaltiger und wirtschaftlicher machen wollen.
Welche Vorkenntnisse brauche ich für die Schulung?
Grundverständnis von KI-Use-Cases und typischen Cloud- oder IT-Betriebsmodellen. Hilfreich sind Erfahrungen mit Metriken, Monitoring oder Kostenstellenlogik, aber nicht zwingend.
Welche Themen und Schwerpunkte werden behandelt?
Zu den Schwerpunkten gehören Green AI Grundlagen und Messbarkeit, Strategie: Von Use Case bis Betriebsmodell, Effiziente Modell- und Systemarchitektur, Daten: Weniger, besser, sauberer, Cloud, Rechenzentrum und Beschaffung und Compliance, Reporting und Kommunikation.
Wie praxisnah ist die Schulung?
Die Inhalte werden bis zu konkreten Arbeitsschritten zu Daten: Weniger, besser, sauberer, Cloud, Rechenzentrum und Beschaffung und Compliance, Reporting und Kommunikation geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.
Was kann ich nach dem Seminar in der Praxis umsetzen?
Zu den angestrebten Ergebnissen gehören: Nachhaltige KI entsteht nicht durch einzelne Optimierungen, sondern durch ein Betriebsmodell, das Energie, CO2e und Kosten genauso ernst nimmt wie Latenz und Qualität; In diesem Seminar baust du dir genau dieses Modell auf; Du lernst zuerst, wo der Footprint entsteht: Datenpipelines, Training, Inferenz und die oft unterschätzten Nebenkosten durch Logging, Retries und übergroße Kontexte; Danach richtest du ein Mess-Setup ein, das nicht nur Zahlen liefert, sondern Entscheidungen ermöglicht, zum Beispiel CO2e pro Request,; Im nächsten Schritt übersetzt du Messwerte in Strategie.
Wird im Seminar auch „Daten: Weniger, besser, sauberer“ behandelt?
Ja. „Daten: Weniger, besser, sauberer“ ist ein eigener Bestandteil der Schulung. Dazu gehören Datenerhebung und -speicherung: Datenminimierung, Retention, Tiering, Feature- und Embedding-Strategien: Reuse, Versionierung, Drift-Checks und Qualität statt Masse: Labeling-Strategien, Sampling, Synthetic Data mit Leitplanken.
Kurs buchen oder anfragen
Feste Termine · Online & Präsenz
Feste Termine · Online/Präsenz
Offene Kurse finden zu festen Terminen statt. Du buchst einzelne Plätze für Dich oder mehrere Teilnehmende aus Deinem Unternehmen.
Bitte wähle einen Ort oder Live-Online aus.
Bitte wähle einen Termin aus.
Bitte wähle aus, wo die Schulung stattfinden soll.
Bitte wähle einen Terminwunsch aus.
Bitte wähle die Teilnehmeranzahl aus.
Bitte wähle die Teilnehmerzahl aus.
- Rechnung erst nach Kursende
- Zertifikat und Unterlagen inklusive
- Umbuchung möglich
