Eine KI-Schulung kann vermitteln, wie man mehr produziert. Dieser Kurs schlägt zunächst vor, sich anzusehen, was diese Produktion erfordert. Der Onlinekurs „Die Herausforderungen der frugalen KI“, der von Inria und dem MIAI Cluster IA durchgeführt wird, ist laut der Seite zur Selbstlern-Ausbildung des MIAI vom 4. November bis zum 31. Dezember 2026 auf Französisch zugänglich. Die Anmeldung auf FUN ist kostenlos und obligatorisch.
Sein Nutzen geht über die Frage nach dem Preis eines Abonnements hinaus. Eine niedrigere Rechnung allein ist kein Maß für die Umweltbilanz. Um zwei Lösungen vergleichen zu können, muss man wissen, welche Leistung sie erbringen und was bei der Berechnung berücksichtigt wird. Diese Art, die Fragen zu stellen, kann die Schulung für Studierende, Digitalteams oder neugierige Nutzerinnen und Nutzer hilfreich machen.
Ein zugänglicher Kurs mit einigen empfohlenen Grundlagen
Das Kursprofil auf FUN nennt eine Dauer von fünf Wochen und empfiehlt naturwissenschaftliche oder mathematische Kenntnisse auf nachgymnasialem Niveau. Der Kurs umfasst fünf Teile, von denen die ersten vier den bewerteten Kern bilden. Auf Anfrage wird ein Open Badge ausgestellt, wenn mindestens 70 % der Quizfragen richtig beantwortet wurden.
Die Videos sind mit französischen Untertiteln und herunterladbaren Transkripten versehen. Das Programm führt vom digitalen Ökosystem über die Umweltbewertung bis hin zu technischen Effizienzhebeln und einer Reflexion über den Stellenwert von KI. Es umfasst Materialien, Aktivitäten, ein Forum und angekündigte Webinare mit Expertinnen und Experten.
Diese Merkmale beschreiben das Lernangebot. Sie sind keine Garantie dafür, dass alle Teilnehmenden nach Abschluss des Kurses selbstständig ein vollständiges Audit eines industriellen Dienstes durchführen können. Das Badge bestätigt ein Ergebnis bei den Quizfragen des Kurses; es zertifiziert nicht die Ressourcenschonung einer Software oder eines Unternehmens.
Bei der Aufgabe beginnen, nicht beim Modell
Um das Thema konkret anzugehen, kann man einen bekannten Anwendungsfall auswählen: Anfragen sortieren, eine Information finden oder Dokumente zusammenfassen. Die erste Frage lautet dann: Welches Ergebnis ist erforderlich? Mit dieser Herangehensweise lässt sich ein Vergleich zwischen Werkzeugen vermeiden, die nicht dieselbe Leistung erbringen.
Ein fiktives Beispiel veranschaulicht dies. Eine Vereinigung möchte Nachrichten in vier Kategorien einordnen. Bevor sie das leistungsstärkste Modell auswählt, kann sie die verfügbaren Informationen und das akzeptable Fehlerrisiko prüfen. Sind die Nachrichten bereits zuverlässig gekennzeichnet, kann für einen Teil der Klassifizierung eine einfache Regel ausreichen. Sind die Formulierungen mehrdeutig, muss die Bewertung diese schwierigen Fälle berücksichtigen.
Es geht nicht darum zu behaupten, dass Regeln immer KI ersetzen. Es geht darum, Lösungen für einen klar definierten Bedarf zu vergleichen. Ein weniger ressourcenintensives Werkzeug, das die Aufgabe nicht erfüllen kann, ist keine zufriedenstellende Lösung; ein leistungsfähiges Werkzeug, das ohne Notwendigkeit eingesetzt wird, ist ebenfalls nicht automatisch ein Fortschritt.
Für eine Messung muss der Umfang festgelegt werden
Der Kurs kündigt einen Ansatz an, der den Lebenszyklus von Geräten und Diensten berücksichtigt. Dieser Ausdruck lädt dazu ein, über die einzelne Antwort hinauszuschauen, die auf dem Bildschirm erscheint. Bei einem Vergleich muss daher zunächst erläutert werden, was berücksichtigt und was ausgeklammert wird.
Eine einzelne Zahl kann beeindruckend wirken und dennoch wenig aussagekräftig sein. Bezieht sie sich auf einen Vorgang, einen Nutzer oder einen ganzen Zeitraum? Betrifft das Ergebnis einen einmaligen Test oder eine wiederholte Nutzung? Ohne diese Präzisierungen können zwei scheinbar vergleichbare Zahlen unterschiedliche Situationen beschreiben.
Ein Team, das den Kurs absolviert, kann eine kleine Liste mit Fragen führen: untersuchte Aufgabe, erwartetes Ergebnis, verfügbare Daten, Annahmen und Grenzen. Diese Liste ist kein Rechner für die Umweltbilanz. Sie bereitet eine fundiertere Bewertung vor, insbesondere wenn ein erforderlicher Datenpunkt von einem Anbieter nicht mitgeteilt wird.
Ein Rahmen für diese Überlegungen liegt bereits vor
Das von Ecolab und AFNOR vorgestellte allgemeine Referenzwerk für frugale KI wurde im Juni 2024 veröffentlicht. Das Ministerium beschreibt es als freiwilligen Rahmen, der eine Bewertungsmethodik für mehrere Wirkungskategorien mit bewährten Praktiken verbindet. Es geht also nicht einfach darum, einem Produkt ein grünes Etikett zu verpassen.
Für Leserinnen und Leser, die sich erstmals mit dem Thema befassen, ist diese Ergänzung hilfreich: Eine Schulung hilft, die Begriffe zu verstehen, während ein Referenzwerk die Fragen strukturiert, die in einem Projekt behandelt werden müssen. Diese Ressourcen ersetzen jedoch weder die Daten zum untersuchten Dienst noch die Analysearbeit.
Man kann auch zwischen technischem Fortschritt und Nutzungsentscheidung unterscheiden. Die für einen Vorgang benötigten Ressourcen zu verringern, beantwortet eine Frage; zu entscheiden, wie oft dieser Vorgang sinnvoll ist, wirft eine andere auf. Das MOOC-Programm zählt die Grenzen der Effizienz ausdrücklich zu seinen Themen. Es verspricht keine universelle, in Prozent ausgedrückte Verringerung für alle Systeme.
Was man realistischerweise vom Kurs erwarten kann
Das konkreteste Ziel ist, mit besseren Fragen, präziserem Wortschatz und einer größeren Fähigkeit zur Prüfung von Aussagen der Anbieter aus dem Kurs zu gehen. „Günstiger“, „schneller“ und „weniger umweltbelastend“ sind keine austauschbaren Formulierungen.
Vor der Anmeldung kann man das detaillierte Programm ansehen und prüfen, ob die empfohlenen Grundlagen passen. Während des Kurses hilft es, an einem realen, aber klar begrenzten Fall zu arbeiten, um die Begriffe mit einer Entscheidung zu verknüpfen. Am Ende sind auch die verbleibenden Unsicherheiten wertvoll: Zu wissen, welche Informationen für eine Schlussfolgerung fehlen, gehört zu einer ehrlichen Bewertung.
Illustrationsfoto: ein Bürocomputer-Arbeitsplatz, ohne besonderen Bezug zu den Einrichtungen, die den Kurs organisieren.
