Der Bericht informiert Milchproduzenten, Berater und Planer über den Energiebedarf konventioneller Melkanlagen sowie Anlagen zur Kühlung von Milch. Enthalten sind sowohl die Ergebnisse von Praxismessungen mit vielen Details als auch Modellkalkulationen. Im Ergebnis werden Empfehlungen für eine Optimierung der Energieeffizienz abgeleitet.

The Institute of Resource Ecology (IRE) is one of the eight institutes of the Helmholtz-Zentrum Dresden – Rossendorf (HZDR). The research activities are mainly integrated into the program “Nuclear Waste Management, Safety and Radiation Research (NUSAFE)” of the Helmholtz Association (HGF) and focused on the topics “Safety of Nuclear Waste Disposal” and “Safety Research for Nuclear Reactors”. Additionally, various activities have been started investigating chemical and environmental aspects of processing and recycling of strategic metals, namely rare earth elements. These activities are located in the HGF program “Energy Efficiency, Materials and Resources (EMR)”. Both programs, and therefore all work which is done at IRE, belong to the research sector “Energy” of the HGF. The research objectives are the protection of humans and the environment from hazards caused by pollutants resulting from technical processes that produce energy and raw materials. Treating technology and ecology as a unity is the major scientific challenge in assuring the safety of technical processes and gaining their public acceptance. We investigate the ecological risks exerted by radioactive and nonradioactive metals in the context of nuclear waste disposal, the production of energy in nuclear power plants, and in processes along the value chain of metalliferous raw materials. A common goal is to generate better understanding about the dominating processes essential for metal mobilization and immobilization on the molecular level by using advanced spectroscopic methods. This in turn enables us to assess the macroscopic phenomena, including models, codes, and data for predictive calculations, which determine the transport and distribution of contaminants in the environment.

Virtualisierte Cloud Datenzentren stellen nach Bedarf Ressourcen zur Verfügu-ng, ermöglichen agile Ressourcenbereitstellung und beherbergen heterogene Applikationen mit verschiedenen Anforderungen an Ressourcen. Solche Datenzentren verbrauchen enorme Mengen an Energie, was die Erhöhung der Betriebskosten, der Wärme innerhalb der Zentren und des Kohlendioxidausstoßes verursacht. Der Anstieg des Energieverbrauches kann durch ein ineffektives Ressourcenmanagement, das die ineffiziente Ressourcenausnutzung verursacht, entstehen. Die vorliegende Dissertation stellt detaillierte Modelle und neue Verfahren für virtualisiertes Ressourcenmanagement in Cloud Datenzentren vor. Die vorgestellten Verfahren ziehen das Service-Level-Agreement (SLA) und die Heterogenität der Auslastung bezüglich des Bedarfs an Speicherzugriffen und Kommunikationsmustern von Web- und HPC- (High Performance Computing) Applikationen in Betracht. Um die präsentierten Techniken zu evaluieren, verwenden wir Simulationen und echte Protokollierung der Auslastungen von Web- und HPC- Applikationen. Außerdem vergleichen wir unser Techniken und Verfahren mit anderen aktuellen Verfahren durch die Anwendung von verschiedenen Performance Metriken. Die Hauptbeiträge dieser Dissertation sind Folgendes: Ein Proaktives auf robuster Optimierung basierendes Ressourcenbereitstellungsverfahren. Dieses Verfahren erhöht die Fähigkeit der Hostes zur Verfüg-ungsstellung von mehr VMs. Gleichzeitig aber wird der unnötige Energieverbrauch minimiert. Zusätzlich mindert diese Technik unerwünschte Ände-rungen im Energiezustand des Servers. Die vorgestellte Technik nutzt einen auf Intervall basierenden Vorhersagealgorithmus zur Implementierung einer robusten Optimierung. Dabei werden unsichere Anforderungen in Betracht gezogen. Ein adaptives und auf Intervall basierendes Verfahren zur Vorhersage des Arbeitsaufkommens mit hohen, in kürzer Zeit auftretenden Schwankungen. Die Intervall basierende Vorhersage ist implementiert in der Standard Abweichung Variante und in der Median absoluter Abweichung Variante. Die Intervall-Änderungen basieren auf einem adaptiven Vertrauensfenster um die Schwankungen des Arbeitsaufkommens zu bewältigen. Eine robuste VM Zusammenlegung für ein effizientes Energie und Performance Management. Dies ermöglicht die gegenseitige Abhängigkeit zwischen der Energie und der Performance zu minimieren. Unser Verfahren reduziert die Anzahl der VM-Migrationen im Vergleich mit den neu vor kurzem vorgestellten Verfahren. Dies trägt auch zur Reduzierung des durch das Netzwerk verursachten Energieverbrauches. Außerdem reduziert dieses Verfahren SLA-Verletzungen und die Anzahl von Änderungen an Energiezus-tänden. Ein generisches Modell für das Netzwerk eines Datenzentrums um die verzö-gerte Kommunikation und ihre Auswirkung auf die VM Performance und auf die Netzwerkenergie zu simulieren. Außerdem wird ein generisches Modell für ein Memory-Bus des Servers vorgestellt. Dieses Modell beinhaltet auch Modelle für die Latenzzeit und den Energieverbrauch für verschiedene Memory Frequenzen. Dies erlaubt eine Simulation der Memory Verzögerung und ihre Auswirkung auf die VM-Performance und auf den Memory Energieverbrauch. Kommunikation bewusste und Energie effiziente Zusammenlegung für parallele Applikationen um die dynamische Entdeckung von Kommunikationsmustern und das Umplanen von VMs zu ermöglichen. Das Umplanen von VMs benutzt eine auf den entdeckten Kommunikationsmustern basierende Migration. Eine neue Technik zur Entdeckung von dynamischen Mustern ist implementiert. Sie basiert auf der Signal Verarbeitung des Netzwerks von VMs, anstatt die Informationen des virtuellen Umstellung der Hosts oder der Initiierung der VMs zu nutzen. Das Ergebnis zeigt, dass unsere Methode die durchschnittliche Anwendung des Netzwerks reduziert und aufgrund der Reduzierung der aktiven Umstellungen Energie gespart. Außerdem bietet sie eine bessere VM Performance im Vergleich zu der CPU-basierten Platzierung. Memory bewusste VM Zusammenlegung für unabhängige VMs. Sie nutzt die Vielfalt des VMs Memory Zuganges um die Anwendung vom Memory-Bus der Hosts zu balancieren. Die vorgestellte Technik, Memory-Bus Load Balancing (MLB), verteilt die VMs reaktiv neu im Bezug auf ihre Anwendung vom Memory-Bus. Sie nutzt die VM Migration um die Performance des gesamtem Systems zu verbessern. Außerdem sind die dynamische Spannung, die Frequenz Skalierung des Memory und die MLB Methode kombiniert um ein besseres Energiesparen zu leisten. / Virtualized cloud data centers provide on-demand resources, enable agile resource provisioning, and host heterogeneous applications with different resource requirements. These data centers consume enormous amounts of energy, increasing operational expenses, inducing high thermal inside data centers, and raising carbon dioxide emissions. The increase in energy consumption can result from ineffective resource management that causes inefficient resource utilization. This dissertation presents detailed models and novel techniques and algorithms for virtual resource management in cloud data centers. The proposed techniques take into account Service Level Agreements (SLAs) and workload heterogeneity in terms of memory access demand and communication patterns of web applications and High Performance Computing (HPC) applications. To evaluate our proposed techniques, we use simulation and real workload traces of web applications and HPC applications and compare our techniques against the other recently proposed techniques using several performance metrics. The major contributions of this dissertation are the following: proactive resource provisioning technique based on robust optimization to increase the hosts' availability for hosting new VMs while minimizing the idle energy consumption. Additionally, this technique mitigates undesirable changes in the power state of the hosts by which the hosts' reliability can be enhanced in avoiding failure during a power state change. The proposed technique exploits the range-based prediction algorithm for implementing robust optimization, taking into consideration the uncertainty of demand. An adaptive range-based prediction for predicting workload with high fluctuations in the short-term. The range prediction is implemented in two ways: standard deviation and median absolute deviation. The range is changed based on an adaptive confidence window to cope with the workload fluctuations. A robust VM consolidation for efficient energy and performance management to achieve equilibrium between energy and performance trade-offs. Our technique reduces the number of VM migrations compared to recently proposed techniques. This also contributes to a reduction in energy consumption by the network infrastructure. Additionally, our technique reduces SLA violations and the number of power state changes. A generic model for the network of a data center to simulate the communication delay and its impact on VM performance, as well as network energy consumption. In addition, a generic model for a memory-bus of a server, including latency and energy consumption models for different memory frequencies. This allows simulating the memory delay and its influence on VM performance, as well as memory energy consumption. Communication-aware and energy-efficient consolidation for parallel applications to enable the dynamic discovery of communication patterns and reschedule VMs using migration based on the determined communication patterns. A novel dynamic pattern discovery technique is implemented, based on signal processing of network utilization of VMs instead of using the information from the hosts' virtual switches or initiation from VMs. The result shows that our proposed approach reduces the network's average utilization, achieves energy savings due to reducing the number of active switches, and provides better VM performance compared to CPU-based placement. Memory-aware VM consolidation for independent VMs, which exploits the diversity of VMs' memory access to balance memory-bus utilization of hosts. The proposed technique, Memory-bus Load Balancing (MLB), reactively redistributes VMs according to their utilization of a memory-bus using VM migration to improve the performance of the overall system. Furthermore, Dynamic Voltage and Frequency Scaling (DVFS) of the memory and the proposed MLB technique are combined to achieve better energy savings.

High Performance Computing (HPC) has become an indispensable tool for the scientific community to perform simulations on models whose complexity would exceed the limits of a standard computer. An unfortunate trend concerning HPC systems is that their power consumption under high-demanding workloads increases. To counter this trend, hardware vendors have implemented power saving mechanisms in recent years, which has increased the variability in power demands of single nodes. These capabilities provide an opportunity to increase the energy efficiency of HPC applications. To utilize these hardware power saving mechanisms efficiently, their overhead must be analyzed. Furthermore, applications have to be examined for performance and energy efficiency issues, which can give hints for optimizations. This requires an infrastructure that is able to capture both, performance and power consumption information concurrently. The mechanisms that such an infrastructure would inherently support could further be used to implement a tool that is able to do both, measuring and tuning of energy efficiency. This thesis targets all steps in this process by making the following contributions: First, I provide a broad overview on different related fields. I list common performance measurement tools, power measurement infrastructures, hardware power saving capabilities, and tuning tools. Second, I lay out a model that can be used to define and describe energy efficiency tuning on program region scale. This model includes hardware and software dependent parameters. Hardware parameters include the runtime overhead and delay for switching power saving mechanisms as well as a contemplation of their scopes and the possible influence on application performance. Thus, in a third step, I present methods to evaluate common power saving mechanisms and list findings for different x86 processors. Software parameters include their performance and power consumption characteristics as well as the influence of power-saving mechanisms on these. To capture software parameters, an infrastructure for measuring performance and power consumption is necessary. With minor additions, the same infrastructure can later be used to tune software and hardware parameters. Thus, I lay out the structure for such an infrastructure and describe common components that are required for measuring and tuning. Based on that, I implement adequate interfaces that extend the functionality of contemporary performance measurement tools. Furthermore, I use these interfaces to conflate performance and power measurements and further process the gathered information for tuning. I conclude this work by demonstrating that the infrastructure can be used to manipulate power-saving mechanisms of contemporary x86 processors and increase the energy efficiency of HPC applications.

Data centers hosting internet-scale services consume megawatts of power. Mainly for cost reasons but also to appease environmental concerns, data center operators are interested to reduce their use of energy. This thesis investigates if and how hardware virtualization helps to improve the energy efficiency of modern cloud data centers. Our main motivation is to power off unused servers to save energy. The work encompasses three major parts: First, a simulation-driven analysis to quantify the benefits of known reservation times in infrastructure clouds. Virtual machines with similar expiration times are co-located to increase the probability to power down unused physical hosts. Second, we propose and prototyped a system to deliver truly on-demand cloud services. Idle virtual machines are suspended to free resources and as a first step to power off the physical server. Third, a novel block-level data synchronization tool enables fast and efficient state replication. Frequent state synchronization is necessary to prevent data unavailability: powering down a server disables access to the locally attached disks and any data stored on them. The techniques effectively reduce the overall number of required servers either through optimized scheduling or by suspending idle virtual machines. Fewer live servers translate into proportional energy savings, as the unused servers must no longer be powered.

Der Bericht informiert Milchproduzenten, Berater und Planer über den Energiebedarf konventioneller Melkanlagen sowie Anlagen zur Kühlung von Milch. Enthalten sind sowohl die Ergebnisse von Praxismessungen mit vielen Details als auch Modellkalkulationen. Im Ergebnis werden Empfehlungen für eine Optimierung der Energieeffizienz abgeleitet.

The ever-increasing demand for scalable database systems is limited by their energy consumption, which is one of the major challenges in research today. While existing approaches mainly focused on transaction-oriented disk-based database systems, we are investigating and optimizing the energy consumption and performance of data-oriented scale-up in-memory database systems that make heavy use of the main power consumers, which are processors and main memory. We give an in-depth energy analysis of a current mainstream server system and show that modern processors provide a rich set of energy-control features, but lack the capability of controlling them appropriately, because of missing application-specific knowledge. Thus, we propose the Energy-Control Loop (ECL) as an DBMS-integrated approach for adaptive energy-control on scale-up in-memory database systems that obeys a query latency limit as a soft constraint and actively optimizes energy efficiency and performance of the DBMS. The ECL relies on adaptive workload-dependent energy profiles that are continuously maintained at runtime. In our evaluation, we observed energy savings ranging from 20% to 40% for a real-world load profile.

Iran ist einer der größten Ölexporteure der Welt, sieht sich aber trotzdem mit zahlreichen Energieproblemen konfrontiert (z. B. stark steigender und subventionierter Energieverbrauch). Gemein mit anderen OPEC-Staaten hat Iran außerdem das so genannte Dutch Disease. Für Iran wurden Langzeit-Energieszenarien berechnet, die den Einsatz von Energieeffizienz und erneuerbaren Energien in unterschiedlich hohen Graden abbilden. Es wird gezeigt, dass in Iran unter Beibehaltung des bisherigen energieintensiven Entwicklungspfads binnen weniger Jahrzehnte mehr Erdöl und Erdgas verbraucht werden, als heimisch produziert werden kann. Nur unter Annahme hoher Effizienzsteigerungen wird es möglich sein, dass Iran auch noch im Jahr 2050 Erdöl und Erdgas exportiert. Unter Annahme von Preiskurven wird deutlich, dass Energieeffizienz für den iranischen Staat sehr hohe (ökonomische) Gewinne ermöglicht. Die Nutzung erneuerbarer Energien in Iran ermöglicht ebenfalls hohe ökonomische Gewinne: Durch deren heimischen Einsatz kann Erdgas eingespart und exportiert werden. Außerdem tragen sie zu einer Diversifizierung des heimischen Energiemix sowie des Exportportfolios bei. Kernenergie ist dagegen für die Herstellung iranischer Versorgungssicherheit nicht notwendig. Der großmaßstäbliche Einsatz erneuerbarer Energien als Exportgut könnte innerhalb der OPEC einen Prozess der Disaggregation gemeinsamer Interessen einleiten. Dennoch sprechen zahlreiche Gründe dafür, dass die OPEC eine weitreichende Strategie für erneuerbare Energien und Energieeffizienz entwickelt, die langfristig ihren eigenen Interessen dient und sie zu einem Klimaschutz-Vorreiter machen kann.

In der vorliegenden Arbeit wird eine simulationsbasierte Methodik zur Energie- und Kostenoptimierung der Kühlung von Rechenzentren mit Kalt-/Warmluft-Separation vorgestellt. Dabei wird die spezifische Charakteristik der Luftseparation für einen wesentlich einfacheren und schnelleren Simulationsansatz genutzt, als das mit herkömmlichen, strömungsmechanischen Methoden möglich ist. Außerdem wird der Energiebedarf des Lufttransports – einschließlich der IT-Ventilatoren – in der Optimierung berücksichtigt. Beispielhaft entwickelte Komponentenmodelle umfassen die IT-Systeme und alle für die Kühlung relevanten Anlagen in einer dem aktuellen Stand der Technik entsprechenden Ausführung. Die besonders wichtigen Aspekte Freikühlbetrieb und Verdunstungskühlung werden berücksichtigt. Anhand verschiedener Konfigurationen eines Modellrechenzentrums wird beispielhaft die Minimierung der jährlichen verbrauchsgebunden Kosten durch Anpassung von Temperatursoll- werten und anderen Parametern der Regelung demonstriert; bestehendes Einsparpotenzial wird quantifiziert. Da die Kalt-/Warmluft-Separation in modernen Installationen mit hoher Leistungsdichte auch Auswirkungen auf bauliche Anforderungen hat, wird ein für diesen Anwendungsfall optimiertes Gebäudekonzept vorgeschlagen und praktisch untersucht, das sich insbesondere durch Vorteile hinsichtlich Energieeffizienz, Flexibilität und Betriebssicherheit auszeichnet.:1 Einleitung 1.1 Motivation 1.2 Kategorisierung von Rechenzentren 1.3 Effizienzmetriken für Rechenzentren 1.4 Wissenschaftlicher Beitrag und Abgrenzung 2 Luftgekühlte IT-Systeme: Anforderungen und Trends 2.1 Anforderungen an das Raumklima 2.1.1 Lufttemperatur 2.1.2 Luftfeuchte 2.1.3 Luftzustand im Warmgang 2.1.4 Schalldruckpegel und Schadgase 2.1.5 Betriebsabläufe und Personal 2.2 Kühllasten 2.2.1 Leistungsbedarf der IT-Systeme 2.2.2 Lastgänge und Teillastbetrieb der IT-Systeme 2.2.3 Flächenspezifische Kühllasten 2.3 Leckströme 2.4 Entwicklungstendenzen 3 Rechenzentrumskühlung: Übliche Lösungen und Optimierungskonzepte 3.1 Anlagenkonzepte zur Entwärmung von Rechenzentren 3.1.1 Freie Kühlung 3.1.2 Maschinelle Kälteerzeugung 3.1.3 Umluftkühlung von Rechnerräumen 3.2 Umluftkühlung mit Separation von Kalt- und Warmluft 3.2.1 Konzept 3.2.2 Umsetzung 3.2.3 Regelung der Umluftkühlgeräte 3.2.4 Effizienzoptimierung durch Anhebung der Lufttemperatur 3.2.5 Betriebssicherheit 3.3 Modellbasierte Untersuchungen in der Literatur 3.4 Zwischenfazit 4 Modellbildung 4.1 Struktur des Modells und Ablauf der Simulation 4.2 Annahmen und Randbedingungen 4.3 Modellierung der IT-Systeme 4.3.1 Testsysteme und -software 4.3.2 Testaufbau und Messung der relevanten physikalischen Größen 4.3.3 Drehzahl der internen Ventilatoren 4.3.4 Leistungsaufnahme der internen Ventilatoren 4.3.5 Luftvolumenstrom 4.3.6 Leistungsaufnahme der IT-Systeme ohne Lüfter 4.3.7 Ausblastemperatur 4.4 Modellierung der Kühlsysteme 4.4.1 Pumpen, Rohrnetz und Ventilatoren 4.4.2 Wärmeübertrager 4.4.3 Umluftkühlgeräte 4.4.4 Pufferspeicher 4.4.5 Kältemaschinen 4.4.6 Rückkühlwerke 4.4.7 Freie Kühlung 4.5 Regelstrategien, Sollwertvorgaben und Lastprofile 4.5.1 Kaltluft 4.5.2 Kaltwasser 4.5.3 Kühlwasser 4.5.4 Kälteerzeuger 4.5.5 Lastprofil der IT-Systeme 4.5.6 Wetterdaten 4.5.7 Standortspezifische Kosten für sonstige Betriebsstoffe 4.6 Validierung der Simulationsumgebung 4.6.1 Stichprobenartige experimentelle Prüfung der ULKG-Modellierung 4.6.2 Stichprobenartige experimentelle Prüfung der Modellierung der Kälteerzeugung 4.6.3 Plausibilitätskontrolle und Modellgrenzen 4.7 Zwischenfazit 5 Variantenuntersuchungen und Ableitung von Empfehlungen 5.1 Konfiguration und ausgewählte Betriebspunkte des Modellrechenzentrums 5.2 Optimierung des Jahresenergiebedarfs mit konstanten Kühlmedientemperaturen 5.2.1 Jahresenergiebedarf des Modell-RZs und Optimierung nach Best Practices 5.2.2 Bestimmung der optimalen (konstanten) ULKG-Ausblastemperatur 5.2.3 Einfluss von Last und Typ der IT-Systeme 5.2.4 Einfluss von Standortfaktoren 5.2.5 Einsparpotenzial Pumpenenergie 5.3 Optimierung mit variablen Kühlmedientemperaturen, RKW trocken 5.3.1 Dynamische Sollwertschiebung der Luft- und Kaltwassertemperaturen 5.3.2 Sollwertschiebung der Kühlwassertemperaturen im Kältemaschinenbetrieb 5.3.3 Kombination der Optimierungen und Übertragung auf andere Standorte 5.4 Optimierung mit variablen Kühlmedientemperaturen, RKW benetzt 5.4.1 Dynamische Sollwertschiebung der Luft- und Kaltwassertemperaturen 5.4.2 Optimierung eines modifizierten Modells ohne Kältemaschinen 5.4.3 Betriebssicherheit der Konfiguration ohne Kältemaschinen 5.4.4 Optimierung der Betriebssicherheit durch Eisspeicher 5.5 Zwischenfazit 6 Vorstellung und Diskussion eines neuen Gebäudekonzepts für Rechenzentren 6.1 Gebäudekonzepte und Anforderungen an Sicherheit, Effizienz und Flexibilität 6.1.1 Limitierungen klassischer Konstruktionsprinzipien 6.1.2 Alternative Konzepte für Umluftkühlung in Rechenzentren 6.1.3 Rechenzentren mit Installationsgeschoss statt Doppelboden 6.2 Plenum statt Doppelboden: Konzept und Umsetzung 6.2.1 Aufgabenstellung und konzeptionelle Anforderungen 6.2.2 Lösung mit dem Plenums-Konzept 6.2.3 Anforderungen an die Regelung der Umluftkühlgeräte 6.3 Experimentelle Leistungsbestimmung und Optimierung 6.3.1 Testaufbau und Messung der relevanten physikalischen Größen 6.3.2 Regelung von Luftvolumenstrom und -Temperatur bei konstanter Last 6.3.3 Optimierung der Kaskadenschaltung der Umluftkühlgeräte bei Lastwechseln 6.3.4 Optimierung der Betriebssicherheit der Umluftkühlung bei Stromausfällen 6.3.5 Ermittlung der Leistungsgrenzen 6.4 Zwischenfazit und weiteres Optimierungspotenzial 7 Zusammenfassung und Ausblick

Neben einer kurzen Ausführungszeit rückt bei der Optimierung von Anwendungen und Algorithmen ein geringer Energieverbrauch der genutzten Rechenressourcen in den Fokus der aktuellen Forschung. Eine hohe Energie-Effizienz von Programmen wird dabei erreicht, indem der Energieverbrauch von Programmen und Technologien reduziert wird, ohne dafür die Ausführungszeit übermäßig zu erhöhen. Im parallelen wissenschaftlichen Rechnen ist der Bedarf an energie-effizienten Programmausführungen vor allem für Algorithmen der linearen Algebra gegeben, die als Unterfunktionen in einer Vielzahl von Anwendungen eingesetzt werden. Die Vektorisierung von Programmen durch die Prozessor- und Instruktionssatzerweiterung AVX zeigt Potenzial zur energie-effizienten Ausführung von Algorithmen der linearen Algebra, wobei die erzielte Energie-Effizienz von der Umsetzung der Implementierung abhängt. Für die gezeigten Untersuchungen werden drei repräsentativ ausgewählte Algorithmen der linearen Algebra für die Ausführung auf AVX-Vektoreinheiten genutzt. Bei der AVX-Vektorisierung der Algorithmen werden verschiedene Programmvarianten erstellt, mit denen Ausführungszeit und Energieverbrauch bei der Ausführung ermittelt werden. Die Programmvarianten unterscheiden sich dabei unter anderem in der Anwendung von Programmtransformationen, wie Loop Tiling oder einer veränderten Speicherzugriffsstruktur. Zusätzlich wird gezeigt, wie die Umsetzung verschiedener Programmieransätze, wie Autovektorisierung oder unterschiedlicher Instruktionssätze, sowie Implementierungsvarianten durch die Auswahl der verwendeten Instruktionen, die Ausführungszeit und den Energieverbrauch der Programmausführung beeinflussen. Die so erstellten Programmvarianten werden auf modernen Prozessoren verschiedener Architekturfamilien mit unterschiedlichen Ausführungsparametern, wie der eingestellten Prozessorfrequenz, ausgeführt. Die Untersuchungen zeigen, dass sich Ausführungszeit und Energieverbrauch von Programmen durch die Vektorisierung reduzieren lassen. Die Auswahl der Programmtransformationen, des Programmieransatzes und der Ausführungsparameter für die energie-effiziente Ausführung von vektorisierten Programmen kann dabei anwendungsspezifisch aufgrund der Eigenschaften des ausgewählten Algorithmus getroffen werden.