1131 11th International Conference on Wirtschaftsinformatik, 27th February – 01st March 2013, Leipzig, Germany

Modellgestützte Analyse und Optimierung der Energieeffizienz betrieblicher Informations- und

Kommunikationstechnik

Steffen Vaupel und Jörg Leukel

Universität Hohenheim, Lehrstuhl Wirtschaftsinformatik 2, Stuttgart, Germany {steffen.vaupel,joerg.leukel}@uni-hohenheim.de

Abstract. Die Energieeffizienz von Informationssystemen (IS) wird zu einer wichtigen Kennzahl für Entscheider im Informationsmanagement. Derzeitige Unternehmensarchitekturmodelle (EAM) unterstützen allerdings nur unzurei-chend die automatisierte Bestimmung der Energieeffizienz und die Bewertung von Maßnahmen zur Erhöhung der Energieeffizienz. Der Grund liegt darin, dass diese Modelle auf die Planung und Dokumentation von Informationssys-temen ausgerichtet sind und hierzu die energieeffizienzrelevanten Informatio-nen nicht ausreichend erfasst werden. Folglich ist es notwendig, derzeitige EAM-Ansätze um eine Methode zur Energieeffizienzanalyse und -optimierung zu erweitern. Die vorliegende Arbeit schlägt eine Methode für die modellge-stützte Energieeffizienzanalyse und -optimierung im Rahmen von EAM vor. Die Evaluation durch ein Simulationsexperiment mit einem Prototyp zeigt die Wirksamkeit und Nützlichkeit der entwickelten Methode.

Keywords: Domänenspezifische Modellierungssprachen (DSML), Green-IT, Simulation, Unternehmensarchitekturmodelle (EAM)

1 Einführung

Die Energieeffizienz von Informationssystemen erfährt zunehmende Aufmerksamkeit des IT-Managements (Green-IT). Hierzu tragen vor allem der angestiegene Gesamt-energieverbrauch der IT und die dadurch entstehenden Energiekosten bei. Zusätzlich werden IT-Ressourcen mittlerweile als eine von drei Hauptfaktoren für die Entwick-lung von nachhaltigen Unternehmensstrategien angesehen [1]. Maßnahmen zu Green-IT spannen ein weites Handlungsfeld auf und betreffen sowohl IT-basierte Sachgüter und Dienstleistungen, Geschäftsprozesse, Planungs- und Steuerungsaufgaben in Un-ternehmen als auch die IT-Ressourcen im engeren Sinne [2]. Letztere können als Menge der unmittelbaren IT-Energieverbraucher Gegenstand von vielfältigen Green-IT-Maßnahmen sein (z. B. Serverkonsolidierung, dynamische Lastverteilung und Rechenzentrumsoptimierung unter Einbeziehung von Klimatisierung und Stromver-sorgung). Diese IT-Ressourcen sind Teil von betrieblichen IS und wir bezeichnen sie

1132

im Folgenden mit betrieblich genutzter Informations- und Kommunikationstechnik (IKT).

Green-IT-Strategien für betrieblich genutzte IKT basieren häufig auf Zielen zur Reduzierung des unternehmensweiten IKT-Energieaufwands. In der Typologie von Green-IT-Strategien gehört diese Strategie zur Vermeidung, Steuerung und Ökoeffi-zienz [3]. Notwendige Voraussetzung ist die Ermittlung der Energieeffizienz von gegebener oder geplanter IKT. Die Energieeffizienz ist das Verhältnis von Nutzen zu dem Energieaufwand einer Periode. Wird der Energieaufwand ermittelt und bei gleichbleibendem Nutzenniveau reduziert, so erhöht sich die Energieeffizienz. Wäh-rend der Energieaufwand durch Messung oder Schätzung relativ gut ermittelt werden kann, ist dies für den Nutzen schwieriger: Der Nutzen entsteht durch die Nutzung der IKT für betriebliche Aktivitäten eines oder mehrerer Geschäftsprozesse. Aufgrund der Schichtenarchitektur von IS z. B. Prozess-, Software-, Hardwareschicht, ist es nicht unmittelbar möglich, den auf der Prozessschicht entstehenden Nutzen den Elementen der IKT verursachungsgemäß zuzurechnen. Zudem ist der Nutzen, welchen die An-wender erzielen, von einer eher abstrakten Natur. Ein direktes Maß des Nutzens kann nicht abgeleitet werden. Infolgedessen ist eine vertikale Effizienzberechnung aus Nutzen und Energieaufwand kaum durchführbar.

Aufgrund der Zuordnungsproblematik sind schichtenspezifische Ansätze erfolg-versprechender. Daher wird in dieser Arbeit die Analyse und Optimierung auf die IKT eingeschränkt, die unter Aufrechterhaltung eines vorgegebenen Nutzens gleich-mäßig ausgelastet ist. Dann kann eine relative Bewertung der IKT-Objekte hinsicht-lich ihrer energetischen Attribute erfolgen. Zielsetzung der Arbeit ist die (1) Entwick-lung einer Methode zur modellgestützten Energieeffizienzanalyse und – optimierung im Rahmen von EAM und die (2) Überprüfung der Methode mit Hilfe eines Proto-typs, um die Wirksamkeit und Nützlichkeit der entwickelten Methode aufzuzeigen. Im Sinne der gestaltungsorientierten Forschung ist das Artefakt die entwickelte Me-thode, die zur Evaluation in einem Simulationsexperiment verwendet wird.

Die Intention der Methode ist es, dass IT-Management als Zielgruppe bei operatio-nellen Entscheidungen zu unterstützen. Die Optimierungsschritte entsprechen potenti-ellen operationalen Schritten bzw. stellen eine Auswahl von Handlungsempfehlungen dar. Die Methode dient zunächst der Optimierung der betrieblich genutzten IKT, die lokal beim Anwenderunternehmen betrieben wird. Ein weiteres Einsatzszenario be-steht in der Migration von Anwendungen zwischen zwei IKT, z. B. zwischen der lokalen IKT (on-premise) und der zentralen IKT eines Cloud-Anbieters (off-premise). Aus den Energieeffizienzangaben der Cloud-Anbieter (z. B. Power Usage Effictiveness, PUE) ist es möglich, homogene Vergleichsmodelle zu konstruieren. Die entwickelte Methode ist folglich analog beim Cloud-Anbieter anzuwenden und liefert dadurch Vergleichswerte für eine alternative Platzierung von Anwendungen.

Der Beitrag ist wie folgt gegliedert: In Kapitel 2 werden derzeitige EAM-Ansätze auf Eignung untersucht. In Kapitel 3 wird ein Modell betrieblich genutzter IKT einge-führt. Für dieses Modell werden in Kapitel 4 Analysefunktionen und in Kapitel 5 Optimierungsfunktionen vorgeschlagen und formal definiert. Die Evaluation erfolgt in Kapitel 6. Eine Schlussfolgerung wird in Kapitel 7 gezogen.

1133

2 Verwandte Arbeiten

Modelle zur Beschreibung betrieblich eingesetzter IKT müssen für Analysezwecke eine formale Syntax besitzen, energiebedarfsrelevante Attribute beinhalten und ener-gierelevante Auswertungsfunktion (z. B. Energiemetriken) bereitstellen oder zumin-dest die Erweiterung um solche Funktionen ermöglichen. Zum Zweck der Optimie-rung müssen Modifikationen der Instanzen möglich sein und zu einer automatischen Neuberechnung der Analyseergebnisse führen.

Die formale Syntax ist grundsätzlich notwendig um die Validität der Modellinstan-zen zu gewährleisten bzw. zu überprüfen. Die automatisierte Instanzanalyse benötigt zudem formale Modelle. Die energiebedarfsrelevanten Attribute sowie Auswertungs-funktionen können, sofern existierende Ansätze zur IKT-Modellierung dies unterstüt-zen, generisch spezifiziert werden. Nicht geeignet sind jedoch Ansätze, die aus-schließlich Planungs- und Dokumentationsaufgaben unterstützen. Für die Energieeffi-zienzanalyse ist ein Arbeitsmodell notwendig, das iterativ verbessert und automatisch analysiert werden kann. Zusammenfassend bestehen die Anforderungen aus Design-anforderungen des IKT Modells (formal, energiebedarfsrelevante Attribute und Aus-wertungsfunktionen) und Laufzeitanforderungen (Berechnung der Auswertungsfunk-tionen und Modifikationen).

Der Suchraum für Ansätze zu IKT-Modellierung wird zunächst auf die gesamte Unternehmensarchitektur (EAM) ausgeweitet, da die IKT nur einen Teil dieser dar-stellt. Es sind weit über siebzig Ansätze bekannt [4]. Hierzu zählen vor allem das Zachman-Framework [5], das Federal Enterprise Architecture Framework (FEAF) [6], das Treasury Enterprise Architecture Framework (TEAF) [7], The Open Group Architecture Framework (TOGAF) [8], Architecture of Integrated Information Sys-tems (ARIS) [9], Multi-perspective Enterprise Modeling (MEMO) [10], ArchiMate [11], Semantic Object Model (SOM) [12] und ADOben [13]. Eine generelle Referenz für den Entwurf solcher Rahmenwerke kann der Generalised Enterprise Reference Architecture and Methodology (GERAM) [14] entnommen werden.

In [15] wird über die Relevanz von EAM in Unternehmen berichtet. Hierzu werden der Abbildungsbereich von EAM, die verfügbaren Analysetechniken und die unter-stützten Szenarien und Benutzergruppen untersucht. Die Ergebnisse zeigen einen beträchtlichen Unterschied zwischen den Anforderungen und Erwartungen der An-wender gegenüber den existierenden EAM-Ansätzen. Insbesondere bei der automati-sierten Analyse und Transformation von erstellten EAM liegt die Umsetzung noch weit hinter den Erwartungen der Benutzer zurück. Im Einzelnen bedeutet dies, dass Modellierungssprachen und Softwarewerkzeuge für die Transformation von EAM selbst weiterzuentwickeln sind. Die Ermittlung und Bewertung möglicher Soll-EAM und zugehöriger Entwicklungspfade sind derzeit nur in Ansätzen vorhanden.

Das Multi-perspective Enterprise Modeling (MEMO) Framework berücksichtigt bereits viele der gestellten Anforderungen. Dieser Ansatz vereinigt verschiedene Mo-delltypen im Zuge einer multiperspektivischen Unternehmensmodellierung. In Anbe-tracht der gewählten Zielsetzung ist das Teilmodell MEMO-OML (Object Modeling Language) von besonderem Interesse. MEMO-OML ist formal über ein (Meta-)Metamodell definiert, enthält typisierte Attribute und eine visuelle Repräsentation

1134

[16]. Damit ist MEMO-OML eine domänenspezifische (visuelle) Sprache ((V)DSL). Dieser konzeptionelle Ansatz lässt sich für das angestrebte Ziel nutzen.

Ein weiterer Suchraum für Ansätze zur Modellierung der IKT hinsichtlich der Energieeffizienzanalyse und Optimierung bieten die Betrieblichen Umweltinformati-onssysteme (BUIS). Praktisch werden BUIS selbständig implementiert, in andere Informationssysteme integriert oder an vorhandene Informationssysteme angegliedert. Für viele Bereiche eines Unternehmens fehlen wesentliche umweltrelevante Daten (z. B. der IKT) als Datengrundlage für die Konstruktion eines BUIS. Ansätze für BUIS, die eine maschinelle Analyse und Transformation von IKT-Modellen ermöglichen, konnten nicht identifiziert werden.

Basierend auf der Analyse der bestehenden Arbeiten, insbesondere des Multi-perspective Enterprise Modeling (MEMO) Frameworks, wird der deklarative Ansatz für IKT-Modelle gewählt. Während in MEMO-OML ein eigenes (Meta-)Metamodell spezifiziert wird, soll das Metamodell der IKT-Modelle eine Instanz eines bereits gegebenen (Meta-)Metamodells sein (EMOF/Ecore). Zur Analyse und Optimierung sollen Methoden aus dem modellbasierten Software Engineering adaptiert werden. Hierbei handelt es sich im Einzelnen um Modellqualitätskriterien (Metriken) und Modelltransformationsregeln (Modell-Refactoring).

3 Physikalisches Architekturmodell (PAM)

Das Modell der IKT wird in diesem Abschnitt als deklaratives Modell beschrieben, gefolgt von einer alternativen Beschreibung als graphbasiertes mathematisches Mo-dell. Das PAM ist ein Metamodell. PAM-Instanzen sind konkrete Modelle von IKT.

3.1 Deklaratives Modell

Dem Ansatz folgend wird ein deklaratives Metamodell der IKT als Beschreibung von physischen Architekturen (PAM) definiert. Das PAM Metamodell enthält sieben Enti-täten: Room (R), Uninterruptible Power Supply (U), Cooling (T), Client Node (C), Server Node (S), Network Node (N) und Network Object Link (L). Abbildung 1 zeigt die Entitäten, ihre Assoziationen, Aggregationen, Vererbungsstrukturen und Kardinalitäten. Jede Entität (mit der Ausnahme von Room und Network Object Link) lässt sich energetisch sortieren d. h. für zwei typgleiche Instanzen kann das energieef-fizientere Gerät ermittelt werden. Das PAM Metamodell stellt wiederum eine Instanz eines (Meta-)Metamodells dar. Dabei handelt es sich um das Ecore-Metamodell als Implementierung der (Essential) Meta Objects Facility ((E)MOF).

Entscheidend für die Auswahl des Ecore-Metamodells ist die modellgetriebene Entwicklungsunterstützung des Eclipse Modeling Frameworks (EMF). Ausgehend von dem Metamodell der IKT als Instanz des Ecore-Metamodells kann direkt domä-nenspezifischer Modell-Code insbesondere für Modelleditoren generiert werden.

1135

Abb. 1. PAM-Metamodell

3.2 Mathematisches Modell

Eine alternative Definition, die bei der Modellanalyse hilfreich ist, erfolgt als mathe-matisches Modell. Dabei werden die Modellelemente auf einen Graphen abgebildet.

1136

3.3 Implementierung

Durch das Graphical Modeling Framework (GMF) besteht die Möglichkeit einen visuellen Modelleditor zur Ansicht und Modellierung von PAM-Instanzen zu generie-ren. In Abbildung 2 ist eine visualisierte PAM-Instanz dargestellt. Die Definition einer PAM-Instanz kann direkt in dem visuellen Editor erfolgen. Das Softwaresystem hält das Diagramm (Visualisiere PAM-Instanz) und das logische Modell (PAM-Instanz) konsistent.

Abb. 2. Visualisierte PAM-Instanz (Beispiel)

4 Analysefunktionen

Die Analyse der PAM-Instanzen erfolgt über die Auswertung von Metrikfunktionen (oder verkürzt Metriken). Die Metriktypen werden vor der Definition der Metriken eingeführt. Das Ergebnis einer Metrik wird durch eine generische Statistikfunktion in die Klassen Unterdurchschnittlich, Regulär, Überdurchschnittlich eingestuft. So las-sen sich abweichende Teile der Modellinstanz identifizieren. Abschließend wird auf die Implementierung der definierten Metriken eingegangen.

1137

4.1 Metriktypen

Vier Metriktypen lassen sich nach Guerra et al. [17] unterscheiden: Modell-, Element-, Gruppen- und Pfadmetriken. Dabei sind die mit ‚Energy Efficient Ratio‘, ‚Operati-ons per Watt‘, ‚Energy Consumption Ratio‘, ‚Capacity per Watt‘ und ‚Charge retenti-on loss‘ bezeichneten Metriken Elementmetriken. Eine Modellmetrik stellt die ‚Power usage effectiveness‘ Metrik dar. Gruppen- und Pfadmetriken werden gegenwärtig nicht definiert. Die Resultate der Elementmetriken lassen sich anhand der Statistik-funktion einstufen.

4.2 Definition der Metriken

1. Energy Efficient Ratio (EER)

Die EER-Metrik ist das Verhältnis zwischen der maximal absorbierten Wärmeenergie (Cooling_Capacity) und der maximalen Leistungsaufnahme (Max_Watt) einer Kli-makomponente. Die Metrik kann nur auf Klimakomponenten angewendet werden.

2. Operations per Watt

Die Operationen pro Watt stellen das Verhältnis der prozessorspezifischen maximalen Anzahl von Rechenoperationen (MFLOPs) und der maximalen Leistungsaufnahme (Max_Watt) dar. Die Metrik kann auf Server und Clients angewendet werden.

3. Energy Consumption Ratio (ECR)

Die ECR-Metrik ist das Verhältnis zwischen dem maximalen Datendurchsatz (Max_Throughput) und der maximalen Leistungsaufnahme (Max_Watt) einer Netz-werkkomponente. Die Metrik kann nur auf Netzwerkkomponenten angewendet wer-den.

4. Capacity per Watt

Die Kapazität pro Watt stellt das Verhältnis der maximalen Speicherkapazität (Max_Capacity) und der minimalen Leistungsaufnahme (Idle_Watt) dar. Die Metrik kann nur auf Server angewendet werden.

1138

5. Charge Retention Loss (CRL)

Die CRL-Metrik beziffert die Ladeerhaltungsenergie einer unterbrechungsfreien Stromversorgung (USV). Die Metrik kann nur auf unterbrechungsfreie Stromversor-gungen angewendet werden.

6. Power Usage Effectiveness (PUE)

Die PUE-Metrik ist das Verhältnis des gesamten maximalen Energiebedarfs und dem Energiebedarf, der ausschließlich von Informations- und Kommunikationskomponen-ten benötigt wird. Die Metrik kann nur auf Räume angewendet werden.

4.3 Generische Statistikfunktion

Die generische Statistikfunktion stuft das Ergebnis einer Metrik anhand der mittleren absoluten Abweichung e vom Mittelwert AVG(f, M) aller Metriken dieser Typen ein. Die generische Statistikfunktion ist wie folgt definiert:

Dabei bezeichnet f die Metrik und M die Grundmenge der Metrik.

4.4 Implementierung.

Die Auswahl des Ecore-Metamodells zur Definition des PAM-Metamodells bietet die Möglichkeit von der Object Constraint Language (OCL) zur PAM-Instanzprüfung Gebrauch zu machen. Ein entsprechendes Laufzeitsystem ist im EMF/GMF vorhan-

1139

den. Die Implementierung der Metriken in OCL erfolgt analog zu der mathematischen Definition (siehe Tabelle 1). Die Implementierung der generischen Statistikfunktion erfolgt analog mit OCL. Abbildung 3 zeigt eine visuell aufbereitete Modellanalyse in tabellarischer Form. Die Ergebnisse der Metriken werden dabei gemäß der Klassifika-tion gefärbt.

Abb. 3. Visuell aufbereitete Analyse einer PAM-Instanz

Tabelle 1. Implementierung der Metriken

Metrik OCL-Ausdruck

EER self.Cooling_Capacity / self.Max_Watt

MFLOPs/Max_Watt self.MFLOPs / self.Max_Watt

Max_Watt/Max_Throughput self.Max_Watt / self.Max_Throughput

Max_Capacity/Idle_Watt self.Max_Capacity / self.Idle_Watt

CRL ((self.Out_Watt/self.Efficiency)*100)-

self.Out_Watt

PUE (self -> closure(subrooms).includes.Max_Watt ->

sum() + self -> closure(subrooms).applies -> iter-

ate (w; var:Real = 0 | var +

(((w.Out_Watt/w.Efficiency)*100)-w.Out_Watt))+

self -> closure(subrooms).contains.Max_Watt ->

sum()) / self -> clo-

sure(subrooms).contains.Max_Watt -> sum()

1140

5 Optimierungsfunktionen

Die automatische Analyse eines IKT-Modells erlaubt es, Bestandteile mit geringer Energieeffizienz zu identifizieren. Der Anwender hat die Möglichkeit durch manuelle Transformation d. h. durch Veränderung der PAM-Instanz eine Simulation der Aus-wirkungen der vorgenommen Änderungen durchzuführen. Dabei nutzt er die automa-tische Analyse wiederholt, um die Wirksamkeit seiner manuellen Änderungen zu bewerten. Die automatische Transformation stellt dem Benutzer einen Katalog vorge-fertigter Transformationsregeln zur Verfügung.

5.1 Manuelle Transformation

Die manuelle Transformation kann als triviale Optimierungsmöglichkeit genutzt wer-den. Bei dieser Verfahrensweise stehen dem Benutzer alle Modifikationsmöglichkei-ten der PAM-Instanz zur Verfügung. Ob die Modifikationen tatsächlich eine Optimie-rung der Energieeffizienz generiert haben, zeigt sich allerdings erst nach einer erneu-ten Modellanalyse. Der Anwender hat bei der manuellen Transformation die meisten Freiheitsgrade, muss aber den optimierenden Effekt seiner Modifikationen durch eine folgende Analyse sicherstellen.

5.2 Automatische Transformation

Die automatische Transformation verwendet ein Transformationssystem und einen Katalog von Metaregeln zur Optimierung. Die Regeln leiten sich aus den Operationen her, die im Rahmen des IKT-Managements (z. B. Beschaffung, Ablösung, Konsoli-dierung) vollzogen werden. Die Anforderung an die Metaregeln in dem Regelkatalog besteht in einer tatsächlichen Reduzierung des Energiebedarfs. Neben dieser Optimie-rungsanforderung muss außerdem die Funktionsanforderung weiterhin Gültigkeit behalten. Eine Funktionsanforderung kann sich auf den verfügbaren Speicher oder die Rechenleistung eines Gerätes beziehen.

Die Abbildung 4 zeigt eine Menge von Geräten (Knoten) sowie Optimierungs- und Funktionsanforderungen (Kanten) modelliert als Graph (O/F Graph). Dabei stellt der Kantentyp の (ci, cj) = -1 die energetische Ordnungsfunktion dar (Vergleiche Definiti-on 20). Besteht zwischen zwei Geräten ci, cj eine Kante の (ci, cj) = -1 (O-Kante) so benötigt das Gerät ci weniger Energie als das Gerät cj. Existiert zusätzlich eine entge-gengesetzte Kante (F-Kante) zwischen cj und ci so ist die Funktionsanforderung hin-sichtlich eines Attributes oder einer Attributmenge erfüllt. Der Austausch von cj durch ci liefert eine äquivalente energieoptimierte PAM-Instanz.

1141

Abb. 4. Optimierungs- und Funktionsanforderungen (O/F Graph)

In Abbildung wird das Gerät c3 von den Geräten c2 und c1 sowohl optimiert als auch funktional abgedeckt. Um die Optimierung zu maximieren wird das nach der Ord-nungsfunktion の kleinste Gerät (c1) gewählt.

Für beliebige PAM-Instanzen werden die O/F-Graphen dynamisch konstruiert. Fügt ein Anwender einen neuen Gerätetyp in die PAM-Instanz ein, so wird diese automatisch erfasst. Der Katalog von Metaregeln zur Optimierung setzt sich daher zunächst nur aus abstrakten Regeln zusammen, die für eine gegebene PAM-Instanz entsprechend instanziiert werden. Eine abstrakte Ersetzungsregel für einen Client ci durch cj (im Zeichen [ci\cj]) ist in Definition 21 zu sehen.

Neben Ersetzungsregeln können Instanzen geteilt, vereint und gelöscht werden, ohne dass funktionale Einschränkungen der PAM-Instanz entstehen. Für die Instanziierung der Teilungs-, Vereinigungs- und Löschregeln sind weitere Funktionsanforderungen zu erfüllen. Diese Funktionsanforderungen beziehen sich auf topologische Eigen-schaften z. B. den Verknüpfungsgrad einer Netzwerkkomponente. Der Katalog be-steht aus insgesamt 15 Ersetzungs-, Teilungs-, Vereinigungs- und Löschregeln. In Abbildung 5 ist eine instanziierte visualisierte Teilungsregel dargestellt. Aufgrund der Optimierungsanforderung ist die Menge der anwendbaren Regeln endlich.

1142

Abb. 5. Visualisierte Teilungsregel für eine Stromversorgungskomponente

6 Evaluation

Die Evaluation der Methode für die Analyse und Optimierung der Energieeffizienz wird mit dem Ziel geführt, die Wirksamkeit der iterativen Optimierungsschritte zu ermitteln. Zusätzlich zeigt die Simulation grundsätzlich die Anwendbarkeit der Me-thode durch den Prototypen und den Nutzen für IT-Entscheider. Bei der Datenerhe-bung werden Gerätetypen heutiger IKT ausgewählt. Die Datenerhebung erzeugt eine Mindestmenge von Instanzen der Modellentitäten. Dadurch wird definiert was sich in einer PAM-Testinstanz befindet. Anschließend muss beschrieben werden wie sich die Komponenten zusammenfügen (Topologie). Hierfür werden Testtopologien definiert, da Topologieerhebungen aufgrund der mangelnden Datenquellen zu nicht repräsenta-tiven Testinstanzen führen. Die generierten Testinstanzen fügen bereits erhobene realweltliche Instanzen in einer parametrisierten Topologie zusammen. Ergebnis die-ser beiden Schritte sind valide PAM-Instanzen. Für diese können Optimierungsschrit-te durchgeführt werden. Die bereits beschriebene Modellanalyse liefert Testergebnis-se in Form von Differenzaufzeichnungen zwischen den Optimierungsschritten.

6.1 Datenerhebung

Für die Entitäten Uninterruptible Power Supply (U), Cooling (T), Client Node (C), Server Node (S), Network Node (N) wurden bei der Datenerhebung die entsprechen-den Kennzahlen erhoben. Die Daten stammen aus verschiedenen Datenquellen und Datenbanken. Für die Entitäten Network Node (N), Uninterruptible Power Supply (U) und Cooling (T) wurden Herstellerangaben ausgewertet. Bei der Erhebung der Instan-zen des Typs Server Node (S) wurden unabhängige Messungen der Standard Perfor-mance Evaluation Corporation (SPEC) ausgewertet. Zur vollständigen Wertbelegung der Attribute war die Auswertung des Energieperformancetests SPECPower 2008 [18] sowie des Performancetests SPEC CPU 2006 [19] notwendig. Dabei konnten nur Gerätekonfigurationen berücksichtigt werden, die in beiden Testdatenbanken geführt werden. Bei der Datenakquisition der Instanzen des Typs Client Node (C) wurde ebenfalls SPEC CPU 2006 für die Performanceinformationen und die Messmethode sowie Ergebnisse der EU Energy Star Kommission [20] für die Energiebedarfsinfor-

1143

mation herangezogen. Dabei können ebenfalls nur Gerät berücksichtig werden, die in beiden Testdatenbanken verzeichnet sind. Insgesamt wurden 10 Instanzen vom Typ Client Node (C), 20 Instanzen vom Typ Server Node (S), 15 Instanzen vom Typ Net-work Node (N), 10 Instanzen vom Typ Uninterruptible Power Supply (U) und 10 Instanzen vom Typ Cooling (T) für die Evaluation ausgewählt.

6.2 Testinstanzen

Die generierten PAM-Testinstanzen verwenden die erhobenen Instanzen der einzel-nen Modellentitäten bzw. fügen diese in einer Topologie zusammen. Die PAM-Testinstanzen werden auf Grund des Umfangs von einem Generator erzeugt, der die zuvor erhobenen Einzelinstanzen sowie einen Satz von Argumenten erhält. Die Ar-gumente erlauben die Variation der Modelle in drei definierten Dimensionen. Diese Dimensionen lauten Heterogenität, Quantität und Assoziativität.

Die Dimension Heterogenität variiert indirekt die Größe eines O/F Graphen (Ab-bildung 4) und bestimmt dadurch den Umfang der Anwendung von Ersetzungsregeln. Verfügt die abgebildete IKT nicht über ausreichend heterogene Elemente so können der Modellinstanz weitere beliebige (potenziell einsetzbare) Elemente hinzugefügt werden. Die Dimension Quantität erlaubt eine Variation der Anzahl von Instanzduplikaten. Skalierungseffekte und –muster werden dadurch erkennbar. Die Dimension der Assoziativität bestimmt den Grad der Kopplung und variiert damit die Anzahl der topologisch abhängen Regelinstanziierungen.

Diese Dimensionen wurden gewählt, um die notwendige Repräsentanz der Testin-stanzen sicherzustellen, da eine vollständige Erhebung von Anwenderinfrastrukturen insbesondere der Topologie nur bedingt durchführbar ist.

6.3 Testergebnisse

Anhand der generierten Testinstanzen wurden die in Kapitel 5 beschriebenen Optimierungen durchgeführt. Die Ergebnisaufzeichnung schließt die Energiebedarfs-veränderung für den primären Energiebedarf einer IKT (d. h. Client Node, Server Node, Network Node) sowie den sekundären Energiebedarf (d. h. Uninterruptible Power Supply und Cooling) ein. Ferner wird die Anzahl der instanziierten Regeln und die klassifizierten Metriken in aggregierte Form aufgezeichnet. Die Abbildung 6 zeigt eine Aufzeichnung der Optimierung für eine PAM-Instanz mit 150 Clients, 60 Ser-vern und 30 Netzwerkknoten. Die Optimierung terminiert nach 185 Optimierungs-schritten. Die Menge der Regelinstanziierungen fällt streng monoton, aufgrund der Optimierungsanforderung. Zum Zeitpunkt t0 beträgt der PUE ~1,6684 d. h. 35.410 Watt primärer und 23.540 Watt sekundärer Energiebedarf. Die Optimierung kann beide Werte reduzieren. Nach 185 Optimierungsschritten (t185) hat die PAM-Instanz einen primären Energiebedarf von 28.657 Watt (-19,07 % / - 6.753 Watt) und einen sekundären Energiebedarf von 14.477 Watt (-38,50 % / -9.063 Watt). Der Wert des PUEs kann auf ~ 1,5052 verbessert werden.

Nach einer konservativen Schätzung (220 Betriebstage á 8 Stunden) ergibt sich für den Anwendungsfall eine Reduktion des Energiebedarfs von 103.752 kWh auf 75.916

1144

kWh. Unter den gemittelten Emissionszahlen (2008-2010) von 577 CO2 (g/kWh) ergibt sich eine Emissionsvermeidung von 9,13 Tonnen CO2 pro Betriebsjahr.

Abb. 6. Aufzeichnung der aggregierten Metriken (links) und des Energieaufwands (rechts)

7 Schlussfolgerung

Es wurde eine Methode für die modellgestützte Energieeffizienzanalyse und -optimierung von betrieblich eingesetzter IKT entwickelt. Diese Methode ist in einem prototypischen Softwarewerkzeug implementiert. Die Evaluation anhand eines Simu-lationsexperiments zeigt die Anwendbarkeit der Methode, die Validität der Analyse- und Optimierungsergebnisse sowie die Entscheidungsunterstützung für IKT-zentrierte Green-IT-Maßnahmen. Die Methode kann im Rahmen von Migrationsentscheidungen angewendet werden. Konkurrierende IKT werden einer einheitlichen Analyse unter-zogen, die so vergleichbare Kennzahlen zur Energieeffizienz liefert. Das von der Me-thode verwendete EAM verfügt über vergleichsweise wenige Attribute und bildet keine Informationen über den tatsächlichen, d. h. gemessenen Energieaufwand ab. Der Zusammenhang zwischen geschätzten und gemessenen Einsparungen muss noch hergestellt werden. Weiterhin beschränkt sich die Betrachtung auf betriebliche ge-nutzte IKT. Höherliegende IS-Schichten fehlen. Aus Sicht der operationalen Prozesse (z. B. Beschaffung) des Informationsmanagements muss die energetische Optimie-rung in existierende Prozesse integriert werden, da der Aufwand andernfalls die Ein-sparungseffekte übersteigt. Die Auswahl der Optimierungsschritte unter der Menge der instanziierten Transformationsregeln erfolgt willkürlich. Dadurch ist unklar ob optimale Lösungen durch die willkürliche Auswahl eventuell nicht mehr erreicht werden können. In diesem Fall wäre eine Regelpräzedenz oder alternativ der Nach-weis von Konfluenz der Transformationsschritte notwendig.

Danksagung. Diese Arbeit ist im Rahmen des Projektes "MIGRATE! Modelle, Ver-fahren und Werkzeuge für die Migration in Cloud-basierte energieoptimierte Anwen-derinfrastrukturen und deren Management“ entstanden. Das Projekt wird mit Mitteln

1145

des Bundesministeriums für Wirtschaft und Technologie gefördert (Technologiepro-gramm IT2Green, Förderkennzeichen 01ME11052).

Literatur

1. Dao, V., Langella, I., Carbo, J.: From green to sustainability: Information Technology and an integrated sustainability framework. J. Strategic Inf. Syst. 20, 63–79 (2011)

2. Corbett, J.: Unearthing the value of green IT. In: ICIS 2010 Proceedings, Paper 198 (2010) 3. Jenkin, T.A., Webster, J., McShane, L.: An agenda for 'Green' information technology and

systems research. Inf. Organ. 21, 17–40 (2011) 4. Matthes, D.: Enterprise Architecture Frameworks Kompendium. Springer, Berlin (2011) 5. Zachman, J.A.: A framework for information systems architecture. IBM Syst. J. 26, 276–

292 (1987) 6. Office of Management and Budget: FEA Consolidated Reference Model Document Ver-

sion 2.3 (2007) 7. US Department of Treasury: TEAF - Treasury Enterprise Architecture Framework Version

1.0 (2000) 8. The Open Group: TOGAF 9 - The Open Group Architecture Framework Version 9 (2009) 9. Scheer, A.-W.: Architektur Integrierter Informationssysteme: Grundlagen der Unterneh-

mensmodellierung. Springer, Berlin (1992) 10. Frank, Ulrich: Multi-perspective Enterprise Modeling (MEMO) – Conceptual Framework

and Modeling Languages. In: HICSS-35 Proceedings (2002) 11. The Open Group: ArchiMate 1.0 Specification. Van Haren Series (2009) 12. Ferstl, K.O., Sinz, E.J.: Handbook on Architectures of Information Systems - Modeling of

Business Systems Using SOM (2006) 13. Aier, S., Kurpjuweit, S., Saat, J., Winter, R.: Coherency Management: Architecting the En-

terprise for Alignment, Agility and Assurance - Business Engineering Navigator: A 'Business to IT' Approach to Enterprise Architecture Management. AuthorHouse (2008)

14. Bernus, P., Nemes, L.: A framework to define a generic enterprise reference architecture and methodology. Comput. Integr. Manuf. 9, 179–191 (1996)

15. Aier, S., Riege, C., Winter, R.: Unternehmensarchitektur Literaturüberblick und Stand der Praxis. Wirtschaftsinformatik 50, 292–304 (2008)

16. Frank, U.: The MEMO Meta-Metamodel, Arbeitsberichte des Institut für Wirtschaftsin-formatik der Universität Koblenz-Landau, Nr. 9 (1998)

17. Guerra, E., Diaz, P., de Lara, J.: Visual Specification of Metrics for Domain Specific Vis-ual Languages. Electron. Notes Theor. Comp. Sci 211, 99–110 (2006)

18. Standard Performance Evaluation Corporation: SPEC – Power and Performance : Run and Reporting Rules SPECpower_ssj2008 (2008)

19. Henning, J.L.: SPEC CPU2006 Benchmark Descriptions. ACM SIGARCH Newsletter, Computer Architecture News 34 (4) (2006)

20. Official Journal of the European Union. Commission Decision 2009/489/EC (2009)