Grafikprozessoren (GPUs) steuern die Zukunft der Datenverarbeitung

Grafikprozessoren sind die Motoren für die Zukunft der Datenverarbeitung. GPUs wurden für die Parallelverarbeitung entwickelt. Es handelt sich um spezielle elektronische Schaltkreise, die mit dem Gehirn des Computers, der Zentraleinheit (CPU), zusammenarbeiten, um die Leistung des Computers zu steigern. Wenn Sie diesen Artikel auf einem elektronischen Gerät lesen, wird Ihr Display wahrscheinlich von einem Grafikprozessor angetrieben.

Ursprünglich wurden Grafikprozessoren in der Computergrafik und der Bildverarbeitung für private und geschäftliche Zwecke eingesetzt, doch hat sich der Anwendungsbereich mit der Weiterentwicklung der Technologie erheblich erweitert. Die Verwendung von Grafikprozessoren hat sich durch das Mooresche Gesetz – die Beobachtung, dass sich die Anzahl der Transistoren in einem integrierten Schaltkreis alle zwei Jahre verdoppelt, während sich die Kosten für die Datenverarbeitung halbieren – demokratisiert, denn die Tatsache, dass sie billiger und leichter verfügbar wurden, hat die Einführung von Grafikprozessoren in zahlreichen Branchen transformiert. Hochleistungs-GPUs sind heute für viele verschiedene Technologien von zentraler Bedeutung und dürften die Grundlage für die nächste Generation von Computerplattformen bilden.

Die Macht der Parallelität: Anwendungen im Bereich KI und Deep Learning

Grafikprozessoren sind dafür ausgelegt, eine große Anzahl von Arbeitslasten gleichzeitig auszuführen, um die Effizienz der Datenverarbeitung zu steigern und deren Gesamtleistung zu verbessern. Dies ist nicht nur für Endverbraucher wie Gamer von Vorteil, die hochwertige Computergrafiken in Echtzeit genießen, sondern kann auch in ernsteren Anwendungsbereichen genutzt werden.

Die Fähigkeit von Grafikprozessoren, große Datenblöcke parallel zu verarbeiten, macht sie optimal für das Training von künstlichen Intelligenz (KI)- und Deep-Learning-Modellen, die eine intensive Parallelverarbeitung von Hunderttausenden neuronaler Netze gleichzeitig erfordern. Die Anwendungsmöglichkeiten von Deep Learning sind breit gefächert und reichen von der Bereitstellung von Webdiensten bis hin zur Verbesserung autonomer Fahrzeuge und medizinischer Forschung.

Wie können GPUs zur Identifizierung genetischer Krankheiten eingesetzt werden? Herkömmliche Methoden zur Identifizierung genetischer Varianten, die mit einer bestimmten Krankheit in Verbindung gebracht werden, sind langwierig und mühsam: Sie erfordern, dass Experten die gesamten drei Milliarden Basenpaare der DNA eines Menschen durchkämmen, um die einzige Veränderung zu finden, die eine Krankheit verursacht. Die Stanford University School of Medicine hat jedoch bewiesen, dass durch den Einsatz von GPU-gestütztem Deep Learning der Diagnoseprozess von sechs bis acht Wochen auf nur 7,5 Stunden verkürzt werden kann. Bei schwerkranken Patienten könnte diese Zeitersparnis lebensrettend sein, was das Potenzial für positive Auswirkungen verdeutlicht.¹

Digitalisierung treibt Dekarbonisierung voran

Während sich GPUs bereits positiv auf reale Herausforderungen ausgewirkt haben, muss die Möglichkeit, Innovationen in verschiedenen Branchen zu gestalten, erst noch vollständig erforscht werden. Die Anwendung von KI und Deep Learning ist für eine erfolgreiche digitale Zukunft unentbehrlich, und da der Trend zur Digitalisierung zunimmt, wird dies bereits Realität. Es ist wichtig, sich bewusst zu werden, dass sich dieser Trend auf alle Branchen auswirkt. Daher sind effiziente und leistungsstarke technologische Fähigkeiten unerlässlich, wenn Unternehmen ihre digitale Transformation einleiten.

Was die Auswirkungen betrifft, so sind wir davon überzeugt, dass die Digitalisierung eine positive Rolle für die wirtschaftliche Entwicklung und die soziale Selbstbestimmung spielt, und wir sehen auch eine enge Verbindung zwischen Digitalisierung und Dekarbonisierung. Die Digitalisierung 'knackt' die Hülle traditionell-analoger Funktionen, fördert die Datentransparenz und vermittelt Unternehmen und Einzelpersonen das entsprechende Wissen, um auf der Grundlage ihres derzeitigen Verhaltens fundierte Entscheidungen über Verbrauch, Produktion und Reduzierung zu treffen. So können beispielsweise ehrgeizige Ziele zur Senkung der Kohlenstoffemissionen und zur Erreichung der Klimaziele von der Datenextraktion, -umwandlung und -analyse profitieren, um die beste Vorgehensweise zu bestimmen.

Die Digitalisierung hat bereits begonnen, traditionelle Praktiken zu durchdringen und voranzutreiben – Hersteller integrieren Technologien in industrielle Prozesse, um die Produktion zu optimieren, Gebäudemanager nutzen intelligente Technologien und Datenanalyse, um sicherzustellen, dass Energie nur dann verbraucht wird, wenn es nötig ist, und intelligente Verkehrssysteme analysieren Verkehrsdaten, um Staus, Kraftstoffverbrauch und Emissionen zu reduzieren. Andernorts haben viele digitale Dienste begonnen, traditionelle Methoden zu ersetzen, die oft einen höheren Energieverbrauch erfordern, wie z. B. Online-Meetings, um Geschäftsreisen zu reduzieren, was den CO2-Fußabdruck weltweit verringert.

Hat die Energieversorgung der Technologie ihren Preis?

Zu den kritischen Herausforderungen bei der globalen digitalen Transformation zählt der beträchtliche Energiebedarf für Hochleistungscomputer. Es ist wichtig, dass wir verstehen, wie hoch die mit der Technologie verbundenen Energiekosten tatsächlich sind und was getan werden kann, um den Gesamtenergieverbrauch zu senken.

Es besteht der Irrglaube, dass eine erhöhte Nutzung von Rechenzentren mit einem höheren Energiebedarf gleichzusetzen ist. Abbildung 1 macht deutlich, dass nach Angaben der Internationalen Energieagentur (IEA) der Energieverbrauch von Rechenzentren trotz des explosionsartigen Anstiegs der Nachfrage nach Rechenzentren und des Internetverkehrs gleich geblieben ist. Das ist effizienten Systemen und Prozessen zu verdanken. Grafikprozessoren minimieren die erhebliche Energiebelastung von Rechenzentren durch Hochleistungsrechner. Bei KI-Anwendungen können einige GPUs bis zu 42 Mal energieeffizienter sein als herkömmliche CPUs. Einige Hyperscale-Rechenzentren auf GPU-Basis benötigen nur 2% der Rackfläche und sind damit platzsparender als CPU-basierte Systeme. ²Kurz gesagt: GPUs haben es in sich. Sie ermöglichen eine intelligentere Energienutzung und tragen so ihren Teil dazu bei, den Energieverbrauch auf ein Minimum zu reduzieren.

Abbildung 1: Der Energieverbrauch von Rechenzentren bleibt konstant

Source: IEA, Global trends in internet traffic, data centres workloads and data centre energy use, 2010-2020, IEA, Paris https://www.iea.org/data-and-statistics/charts/global-trends-in-internet-traffic-data-centres-workloads-and-data-centre-energy-use-2010-2020

Der Weg zu Netto-Null

Wie alle Branchen muss auch die Technologie ihren Beitrag zur Bekämpfung des globalen Klimawandels leisten und ihren eigenen ökologischen Fußabdruck verringern, mit dem Ziel, Netto-Null-Emissionen zu erreichen. Im Jahr 2020 veröffentlichte die Internationale Energieagentur (IEA) ihren jährlichen Bericht Tracking Clean Energy Progress, in dem sie die wichtigsten Energietechnologien und -sektoren aufführt, die für die Verlangsamung der globalen Erwärmung entscheidend sind. Die IEA nannte Datenzentren und Datenübertragungsnetze als einen von nur sechs von 46 Sektoren, die auf dem besten Weg sind, ihr Szenario für eine nachhaltige Entwicklung zu erreichen. Der Anstieg der weltweiten Internetnutzung während COVID-19, der durch die Zunahme von Video- und Konferenz-Streaming, Online-Spielen und sozialen Netzwerken ausgelöst wurde, führte jedoch dazu, dass der Sektor im Bericht von 2021 in die Kategorie „stärkere Bemühungen erforderlich“ zurückgestuft wurde.³

Trotz dieses Rückschlags sind wir der Meinung, dass ein Fokus auf kontinuierliche Effizienzverbesserungen in der Infrastruktur von Rechenzentren unabdingbar ist, um die Netto-Null-Ziele zu erreichen, was die Rolle der GPUs bei der Schaffung einer nachhaltig digitalisierten Welt unterstreicht.

Ethische Gesichtspunkte in Verbindung mit KI

Der breite Einsatz von KI bringt zwar viele Vorteile mit sich, doch die zunehmende Verbreitung der Technologie bringt auch erhebliche ethische Risiken mit sich.

In Fällen, in denen KI billiger, schneller und intelligenter als menschliche Arbeitskräfte ist, kann sie eingesetzt werden, um vorhandene Arbeitskräfte zu ersetzen; Chatbots haben aufgrund der Fähigkeit von KI zur natürlichen Spracherkennung Mitarbeiter von Callcentern ersetzt, zahlreiche Fabrikarbeiter wurden durch automatisierte Fabrikmaschinen ersetzt, und Robotaxis könnten schon bald an die Stelle menschlicher Fahrer treten. Wir sind uns der Auswirkungen bewusst, die dies auf die Beschäftigung haben könnte, insbesondere in Ballungsgebieten, und halten es für wichtig, in diesen Fällen die langfristigen Auswirkungen auf die Gesellschaft zu berücksichtigen. Allerdings sehen wir auch einen Vorteil darin, bestimmte monotone Aufgaben an die KI zu übertragen. Durch die Freisetzung von Humankapital bietet sich dem Einzelnen die Möglichkeit, erfüllendere Aufgaben zu übernehmen, die KI nicht ausführen kann – persönliche Weiterbildung, kreatives Design und Erteilung von Unterricht. Das sehen wir als potenzielle Bereicherung für die Gesellschaft.

Es ist auch wichtig, zu erkennen, welche Möglichkeiten bestehen, die Technologie mit böser Absicht einzusetzen. Die US-Regierung hat kürzlich den Export von durch nVIDIA hergestellten GPU-Chips auf dem neuesten Stand der Technik nach China eingeschränkt, um zu verhindern, dass bestimmte chinesische Unternehmen GPUs zum Zweck der Massenüberwachung kaufen, insbesondere im Fall der uigurischen Muslime. Wir begrüßen alle Beschränkungen, die darauf abzielen, potenzielle ethische Bedrohungen für die Gesellschaft zu verringern.

Einige Unternehmen, darunter nVIDIA, haben auch ethische Rahmenwerke eingesetzt, um die Prinzipien der 'vertrauenswürdigen KI' im Produkt-Ökosystem des Unternehmens zu implementieren. Wir halten es für äußerst sinnvoll, ethische Prinzipien in den Mittelpunkt von Produktdesign und -entwicklung zu stellen, um einen positiven Wandel und Transparenz in der Entwicklung der KI zu fördern.

Fazit

Die Digitalisierung ist der Grundstein für unsere Zukunft. Die GPU hat sich seit ihren bescheidenen Anfängen zu einem der wichtigsten Faktoren für Innovation und digitale Transformation für die Gesellschaft entwickelt. Wir sind darüber hinaus der Meinung, dass die nächste Generation von Computern für die Erreichung der globalen Nachhaltigkeitsziele von entscheidender Bedeutung ist. Bei der Analyse einzelner Unternehmen sind wir davon überzeugt, dass die Umstellung auf ein kohlenstoffarmes Geschäftsmodell für langfristigen Erfolg wichtig ist, und wir sehen die Technologie als Mittel, um diesen Wandel zu ermöglichen.

 
¹ Nvidia Blog, 'World Record-Setting DNA Sequencing Technique Helps Clinicians Rapidly Diagnose Critical Care Patients’, 2022
² Nvidia, Bericht zur sozialen Verantwortung des Unternehmens, 2021
³ Internationale Energieagentur, Tracking Clean Energy Progress Report, 2022