Sparsamer Ansatz IA: Die Wahl des umweltbewussten Nomadia
- 23/06/2026
- 15:27
Lesezeit : 2 min
Lucie Monnot
Content Marketing Manager
Künstliche Intelligenz hält überall Einzug – zu einem immer höheren Verbrauch an Hardware-Ressourcen und Energie. Entdecken Sie, wie Nomadia den Umwelt-Impact seiner Lösungen begrenzt und deren operative Effizienz steigert – dank eines pragmatischen und durchdachten Frugal-AI-Ansatzes.
Inhaltsverzeichnis
KI beschränkt sich nicht auf LLMs!
Seit 2022 und dem Aufstieg von ChatGPT reduziert der mediale Diskurs Künstliche Intelligenz auf Large Language Models (LLM) und generative KI-Anwendungen. Dabei geraten 40 Jahre Fortschritt in Computer Vision, Speech-to-Text/Text-to-Speech, Analytik und Machine Learning allzu schnell in Vergessenheit – dank bewährter Algorithmen, die weit weniger energiehungrig sind als aktuelle LLM-basierte Lösungen.
Die einfache Zugänglichkeit zu LLMs sowie ihre Vielseitigkeit lassen leicht vergessen, welch massive physische Infrastrukturen sie tragen – und die überall einen wachsenden Anteil des verfügbaren Stroms beanspruchen, potenziell zum Nachteil anderer wesentlicher Anwendungen.
„Green AI" ist eine Illusion
Zu wissen, dass die Digital- und KI-Giganten direkt in die Stromerzeugung investieren – u. a. in Nukleartechnologien –, um ihre Super-Rechenzentren mit „grünem“ Strom zu versorgen, bestätigt nur ihre phänomenalen Entwicklungs- und Hegemonieambitionen. Alle setzen auf eine immer leistungsfähigere – und damit immer energiehungrigere – KI sowie auf weitere Ressourcen: Chips, Server, Kabel, Satelliten, Belüftungs- und Kühlsysteme für Rechenzentren – von den Baumaterialien der Rechenzentren selbst ganz zu schweigen.
LLM-Modelle werden tatsächlich immer leistungsfähiger – und dadurch attraktiver und kostengünstiger. Je weiter sich eine Technologie entwickelt und verbreitet, desto geringer werden ihre finanziellen Kosten, was zu einer immer intensiveren Nutzung verleitet – zum Preis eines untragbaren Umwelt-Impacts, dem die großen Akteure mit dem Begriff „Green AI“ Herr zu werden vorgeben.
Doch „Green AI“ ist keine tragfähige Antwort in einer Branche, deren kumulative CO₂-Emissionen bereits jährlich um 6 bis 8 % wachsen. Und wenn Jensen Huang, der CEO von Nvidia, ankündigt, dass die heutigen Rechenleistungen in den kommenden Jahren verzigfacht werden müssen, um den gesellschaftlichen KI-Bedarf zu decken, muss jedes sozial und ökologisch verantwortliche Unternehmen sich fragen: Muss KI wirklich überall eingesetzt werden? Für Nomadia lautet die Antwort klar: Nein.
Nomadias Philosophie: Besser mit weniger
Für einen Softwareanbieter wie Nomadia bedeutet der systematische Rückgriff auf LLMs – egal welches Problem zu lösen oder welcher Bedarf zu erfüllen ist – in vielen Fällen, mit Kanonen auf Spatzen zu schießen, wo eine einfache Fliegenklatsche und ein Mindestmaß an Geschick völlig ausreichten.
„Das ist der Grund, warum wir einen frugalen und durchdachten KI-Ansatz vertreten – im Einklang mit unserer Verantwortung als Unternehmen mit gesellschaftlicher Mission. Er besteht darin, wann immer möglich besser mit weniger zu machen – und dabei stets die Grenzen eines Systems zu berücksichtigen, das man für unendlich hält, obwohl es das offensichtlich nicht ist. Öko-Verantwortung ist ein Grundwert von Nomadia. Kein Wert zum Schmücken. Er leitet und bestimmt alle Entscheidungen, die wir in Bezug auf Konzeption, Entwicklung und Nutzung unserer Produkte treffen. Das erfordert radikale Entscheidungen – insbesondere gegenüber generativer KI.“
Stéphane Delbecque, Chief Product & AI Officer, Nomadia
Die Pfeiler von Nomadias Frugal AI
Ein durchdachter und frugaler KI-Einsatz beginnt notwendigerweise mit einer Reflexion über Anwendungsfälle – was voraussetzt, diese zu inventarisieren und nach ihrem Nutzen und ihrem Mehrwert für die Nutzer der Nomadia-Lösungen zu priorisieren. Die Identifizierung eines Bedarfs präjudiziert nicht, wie man ihn technisch lösen wird. Die Frage des „Wie“ kommt erst im zweiten Schritt und besteht darin, verschiedene Vorgehensweisen unter Einhaltung folgender Prinzipien zu testen:
- Sich nicht auf LLMs beschränken, sondern stets mögliche Alternativen in Betracht ziehen – typischerweise der Rückgriff auf Algorithmen, die Nomadia eigenständig und für sehr präzise Zwecke trainieren kann.
- Ausschließlich Open-Source-Technologien einsetzen, um die Kontrolle über Tools, Prozesse und Daten zu behalten – sowohl beim Testen als auch im Produktionsbetrieb.
- Soweit möglich lokal arbeiten, mit Technologien, die auf Nomadia-Servern in Frankreich betrieben werden – und nicht in fernen Rechenzentren –, aus Gründen der Datensouveränität und der Datensicherheit der Kunden.
Die Anwendung dieser Prinzipien führt Nomadia dazu, systematisch die sparsamsten KI-Technologien zu bevorzugen:
„Für uns ist die richtige Technologie, die optimale Lösung diejenige, die jeden identifizierten Anwendungsfall so frugal wie möglich erfüllt. Und wenn man die Dinge aus dieser Perspektive betrachtet, ist das nicht zwangsläufig generative KI. So haben wir etwa im Bereich der Bilderkennung bessere Ergebnisse erzielt, indem wir den richtigen Algorithmus eingesetzt und unser eigenes Modell trainiert haben, als mit einem LLM – und das bei einem 100-mal geringeren Energieverbrauch. Das nenne ich: besser mit weniger.“
Stéphane Delbecque, Chief Product & AI Officer, Nomadia
Nomadia verzichtet dennoch nicht auf die Möglichkeiten, die LLMs und generative KI bieten. Getreu seinen Prinzipien hat das Unternehmen beschlossen, mit dem französischen Unternehmen Mistral zusammenzuarbeiten, das neben seiner Herkunft den Vorteil bietet, einen vollständig Open-Source-LLM bereitzustellen, der den Anforderungen und Bedürfnissen von Nomadia bestens entspricht. Diese Lösung wird in Frankreich, bei Mistral, gehostet und von Nomadia nach Bedarf genutzt, um Modelle zu testen und zu betreiben, die die Funktionen seiner Lösungen bereichern und ihre Performance steigern.
Häufig gestellte Fragen
FAQ: Alles, was Sie über die Optimierung Ihres Außendienstes wissen müssen
Wie lange dauert es, bis sich die Investition auszahlt?
In der Regel zwischen 3 und 6 Monaten, je nach Reifegrad der Organisation und dem Grad der Umsetzung, wobei zunächst schnelle Kosteneinsparungen erzielt werden, gefolgt von einem allmählichen Umsatzwachstum.
Mit welchen Instrumenten lässt sich ein Vertriebsteam optimieren?
Ein CRM, eine Routenoptimierungssoftware und Tools für das Vertriebsmanagement.
Wie können wir die Leistung der Vertriebsmitarbeiter verbessern?
Mit klaren (SMART-)Zielen, Coaching und Tools, die die Zeit ohne Verkaufsaktivitäten reduzieren.
Warum sollte man seinen Kundenstamm segmentieren?
Um Ihre Vertriebsabdeckung zu verbessern und Ihre Effizienz zu steigern
Welche KPIs sollten Vorrang haben?
Konversionsrate, Anzahl der Besuche, Kosten pro Besuch und Umsatz pro Vertriebsmitarbeiter.
Verbessert die Optimierung die Einhaltung der Vorschriften?
Ja, insbesondere dank Rückverfolgbarkeit und optimierter Planung, die in bestimmten regulierten Branchen unverzichtbar sind.
Unsere neuesten Artikel:
