Mit KI zu GreenOps - Digitalisierung wird ökologisch nachhaltiger
Puzzle ITC
Puzzle ITC ist ein etabliertes Software- und Technologieunternehmen mit 25-jähriger Geschichte.
An den Standorten Bern, Zürich, Basel und Tübingen (DE) setzen über 140 engagierte Menschen anspruchsvolle IT-Projekte um.
Im Mittelpunkt unserer Geschäftstätigkeit stehen offene Standards und eine wirtschaftliche, resiliente IT.
Unternehmen und Organisationen erhalten kompetente Unterstützung – ganzheitlich oder bedarfsgerecht von der ersten Idee bis zum Betrieb einer digitalen Lösung.
Business Analyse, Projektleitung, das eigene User-Experience-Studio, Softwareentwicklung sowie System-, Container- und Platform-Engineers arbeiten Hand in Hand.
Wir entwickeln und implementieren agil, nutzen moderne Open Source Technologien und begleiten in die neue, sich schnell entwickelnde Welt der AI.
Massgeschneidert entstehen Cloud Native Anwendungen und moderne, zukunftssichere IT-Lösungen.
KONTEXT UND HINTERGRUND

Die digitale Transformation führt zu einem stetig steigenden Energieverbrauch in der IT. Gleichzeitig fehlt es Entwicklern und Operations-Teams oft an Tools und Unterstützung, um den ökologischen Fussabdruck ihrer Software zu verstehen und aktiv, transparent zu reduzieren. Während etwa die Spezifikation Software Carbon Intensity (SCI) ein wichtiger Massstab ist, mangelt es an handlungsleitenden Integrationen im Softwareentwicklungs- und Betriebsalltag. Die Herausforderung ist, Konzepte, Daten und Massnahmen für mehr Green IT näher zusammen zu bringen. Wir brauchen nicht nur Dashboards, die den CO2-Ausstoss visualisieren, sondern auch intelligente Tools, die unterstützen ökologische Entscheide zu treffen und Massnahmen umzusetzen.

BESCHREIBUNG DES PROBLEMS

Aufgabe / Ziele:

Eure Mission ist es, einen intelligenten Assistenten zu konzipieren, der Entwickler- und Betreiber-Teams dabei unterstützt, die Software Carbon Intensity (SCI) über den gesamten Lebenszyklus einer Software hinweg nachhaltig zu optimieren.

Rahmen / Vorgaben:

  • Technologie-Stack: Die Wahl des Technologie- und AI-Stacks ist frei, solange die Lösung weitestgehend offen und interoperabel wird. Frameworks für Chatbots und Programmiersprachen (Java, Ruby, Python, Go, JavaScript/TypeScript) sind willkommen.
  • Open Source & LLMs: Die Lösung soll möglichst offen sein, bevorzugt Open Source LLMs verwenden und als Open Source veröffentlicht werden.
  • SCI-Berechnung: Nutzt die Informationen der Green Software Foundation als Grundlage (ISO Standard).
  • Output: Ein cleveres Konzept, eine coole Präsentation und ein fassbarer Lösungsprototyp – damit punktet ihr nicht nur bei BärnHäckt.

ergänzende Ideen für Umsetzung:

Mit intelligenten, KI-gestützten Assistenten werden folgende Aspekte aufgegriffen:

  • Repository-Analyse & -Empfehlungen: Der Assistent ist in der Lage, Git Repositories zu analysieren und basierend auf Code, verwendeten Sprachen, Build-Prozessen und Abhängigkeiten konkrete Empfehlungen zur Reduzierung des Energieverbrauchs und der Ressourcen-Nutzung zu generieren. Einige Beispiele:
    • Vorschläge zur Code-Optimierung (effizientere Algorithmen, Reduktion von I/O-Operationen).
    • Empfehlungen für schlankere Container-Images.
    • Hinweise zur Optimierung von CI/CD-Pipelines (Vermeidung unnötiger Builds, Optimierung von Testläufen).
    • Vorschläge für den Einsatz energieeffizienterer Bibliotheken oder Frameworks.
    • Architektur-Tipps für mehr Nachhaltigkeit (z.B. Event-Driven Architectures, Serverless).
    • Optimierungen von Batch-Läufen basierend auf der Verfügbarkeit von grüner Energie.
  • SCI-Monitoring & -Empfehlungen (Kubernetes/OpenShift): Der Assistent kann sich mit einer Kubernetes-Umgebung (idealerweise OpenShift) verbinden, erfasst Echtzeit-Metriken (z.B. CPU-Auslastung, Memory-Usage, Netzwerk-Traffic) und berechnet/visualisiert daraus die Software Carbon Intensity (SCI) von laufenden Applikationen (bei fehlenden Informationen wird mit Annahmen gearbeitet oder diese können interaktiv eingegeben werden (bspw. embodied Carbon und CO2e pro KWh). Basierend auf diesen Live-Daten macht der Assistent Empfehlungen. Einige Beispiele:
    • Empfehlungen zur automatischen Skalierung von Pods basierend auf tatsächlichem Bedarf.
    • Identifikation von Workloads, die unnötig viele Ressourcen verbrauchen und Vorschläge zur Optimierung.
    • Hinweise zur Verschiebung von Workloads in Zeiten mit höherer Verfügbarkeit von grüner Energie.
    • Kontextbezogene Empfehlungen zur Anpassung von Ressourcenlimits und Quotas.
  • Interaktive Kommunikation & Lernfähigkeit: Der KI-Assistent kommuniziert interaktiv in einem Chat, stellt Fragen, macht kontextbezogen konkrete und proaktive Vorschläge und diskutiert mit dem Nutzer (Entwickler und Betreiber). Im Idealfall kann der Assistent aus diesen Interaktionen lernen und seine Empfehlungen über die Zeit verbessern.