Development of resource-efficient AI
Fraunhofer IIS – Der CO2-Fußabdruck von Edge AI-Anwendungen resultiert größtenteils aus der Herstellung der Hardwarekomponenten und insbesondere der Batterien. Das Benchmarking von Energieverbrauch und Latenz pro Inferenz auf Mikrocontrollern ermöglichen ressourcenbewusste Designentscheidungen zur Entwicklung umweltfreundlicher und effizienter KI-Anwendungen. Dieser Tech-Blog beschreibt das Vorgehen eines solchen Energieeffizienz-gesteuerten Entwicklungsprozesses an einem konkreten Beispiel.