Auf dem Worshops & Tutorials Day der Helmholtz AI Conference 2026 (HAICON26) hielt Philipp Huber von der Junior Research Group Robust and Efficient AI (RAI) einen eingeladenen Vortrag in der Session „Current Status of the Benchmarking Field: Lessons Learned from the First Half of the UNLOCK Initiative“. Im Mittelpunkt der Präsentation stand die wachsende Bedeutung energieeffizienten Trainings neuronaler Netze, da KI-Modelle weiterhin an Größe und Rechenaufwand zunehmen.
Auf Basis von Forschungsergebnissen, die kürzlich auf der SIAM Conference on Parallel Processing (SIAM PP) vorgestellt wurden, erläuterte Philipp Huber, wie Parallelisierungsparameter im datenparallelen Training den Energieverbrauch und die Effizienz des Gesamtsystems maßgeblich beeinflussen können. Zudem hob der Vortrag Leistungsschwankungen hervor, die durch wechselnde Phasen im Trainingsprozess entstehen, und lieferte damit neue Einblicke in das komplexe Zusammenspiel von Trainingsleistung und Energieaufnahme.
Die Ergebnisse tragen zu den laufenden Bemühungen der Benchmarking-Community bei, umfassendere Bewertungsmethoden zu entwickeln, die nicht nur Modellgenauigkeit und Laufzeit, sondern auch Energieeffizienz und Nachhaltigkeit berücksichtigen.
Kontakt am SCC: Dr. Charlotte Debus