Messung des CO2-Fußabdrucks von KI-Modellen mit der Methode von Ecologits.ai
Fortgeschritten
Dies ist ein AI Summarization, Multimodal AI-Bereich Automatisierungsworkflow mit 7 Nodes. Hauptsächlich werden Set, ManualTrigger, ChainLlm, LmChatOpenAi und andere Nodes verwendet. CO2-Fußabdruck von KI-Modellen mit der Methode von Ecologits.ai messen
Voraussetzungen
- •OpenAI API Key
Verwendete Nodes (7)
Kategorie
Workflow-Vorschau
Visualisierung der Node-Verbindungen, mit Zoom und Pan
Workflow exportieren
Kopieren Sie die folgende JSON-Konfiguration und importieren Sie sie in n8n
{
"nodes": [
{
"id": "e374f8b8-ff4a-4b98-af50-d609338ec38f",
"name": "Bei Klick auf 'Workflow ausführen'",
"type": "n8n-nodes-base.manualTrigger",
"position": [
0,
-160
],
"parameters": {},
"typeVersion": 1
},
{
"id": "6cce6b66-bd1a-419b-86c1-b76aa257e96c",
"name": "Einfache LLM-Kette",
"type": "@n8n/n8n-nodes-langchain.chainLlm",
"position": [
608,
-160
],
"parameters": {
"text": "Enter here your user prompt",
"batching": {},
"messages": {
"messageValues": [
{
"message": "Enter here the system prompt"
}
]
},
"promptType": "define"
},
"typeVersion": 1.7
},
{
"id": "d0ea8139-307d-4de6-9f29-11216958f362",
"name": "OpenAI Chat-Modell",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [
672,
64
],
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4o",
"cachedResultName": "gpt-4o"
},
"options": {}
},
"credentials": {
"openAiApi": {
"id": "dMiSy27YCK6c6rra",
"name": "Duv's OpenAI"
}
},
"typeVersion": 1.2
},
{
"id": "0fca2f27-8a0b-46d0-9dfc-27967afe2ae5",
"name": "gCO₂e berechnen",
"type": "n8n-nodes-base.set",
"position": [
960,
-160
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "cc17f2be-ce12-488f-89c7-de200b4c4869",
"name": "AI output",
"type": "string",
"value": "={{ $json.text }}"
},
{
"id": "c396e3b8-f07f-4153-9892-1b499a724dbc",
"name": "AI output gCO₂e",
"type": "number",
"value": "={{ Math.ceil($json.text.length / 4) * $('Conversion factor').item.json['Conversion factor (in gCO₂e/token)'] }}"
}
]
}
},
"typeVersion": 3.4
},
{
"id": "5c25ded0-c24d-455b-82fb-d54d267ca591",
"name": "Haftnotiz",
"type": "n8n-nodes-base.stickyNote",
"position": [
-624,
-384
],
"parameters": {
"width": 560,
"height": 672,
"content": "# Measure Your AI's Carbon Footprint\n\nThis workflow demonstrates a technique to calculate the gCO₂e (grams of CO₂ equivalent) of an AI model's output, based on the methodology from **Ecologits.ai**.\n\n## How it works\n\nA dedicated **Conversion factor** node makes it easy to set your parameters. The **Calculate gCO₂e** node then uses this factor and the AI's text output to estimate the carbon footprint.\n\n## How to use this snippet\n\n1. **Set your conversion factor (Important!):** The default factor is for **GPT-4o in the US**. You **must** visit **ecologits.ai/latest** to find the correct factor for *your model and server region* and update the value in the **\"Conversion factor\"** node.\n2. **Connect the snippet:** Place the **\"Conversion factor\"** node before your AI node and the **\"Calculate gCO₂e\"** node after it.\n3. **Update the calculation:** Modify the **\"Calculate gCO₂e\"** node to use the output text from *your* AI node.\n\n**Pro-Tip:** For higher accuracy, use the direct `output_tokens` value from your AI node's data if it's available."
},
"typeVersion": 1
},
{
"id": "941043b0-01ee-4553-87ec-1246a4cb2f2b",
"name": "Umrechnungsfaktor",
"type": "n8n-nodes-base.set",
"position": [
304,
-160
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "a2c5484b-173e-4647-8dc1-23c32a899f75",
"name": "Conversion factor (in gCO₂e/token)",
"type": "number",
"value": 0.0612
}
]
}
},
"typeVersion": 3.4
},
{
"id": "430fc390-50b7-4feb-8c8f-be196a342d60",
"name": "Haftnotiz1",
"type": "n8n-nodes-base.stickyNote",
"position": [
224,
-240
],
"parameters": {
"color": 5,
"width": 272,
"height": 336,
"content": "### Adapt this value to your model & settings\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUse the expert mode here to find the factor that fits best:\nhttps://huggingface.co/spaces/genai-impact/ecologits-calculator"
},
"typeVersion": 1
}
],
"connections": {
"6cce6b66-bd1a-419b-86c1-b76aa257e96c": {
"main": [
[
{
"node": "0fca2f27-8a0b-46d0-9dfc-27967afe2ae5",
"type": "main",
"index": 0
}
]
]
},
"941043b0-01ee-4553-87ec-1246a4cb2f2b": {
"main": [
[
{
"node": "6cce6b66-bd1a-419b-86c1-b76aa257e96c",
"type": "main",
"index": 0
}
]
]
},
"d0ea8139-307d-4de6-9f29-11216958f362": {
"ai_languageModel": [
[
{
"node": "6cce6b66-bd1a-419b-86c1-b76aa257e96c",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"e374f8b8-ff4a-4b98-af50-d609338ec38f": {
"main": [
[
{
"node": "941043b0-01ee-4553-87ec-1246a4cb2f2b",
"type": "main",
"index": 0
}
]
]
}
}
}Häufig gestellte Fragen
Wie verwende ich diesen Workflow?
Kopieren Sie den obigen JSON-Code, erstellen Sie einen neuen Workflow in Ihrer n8n-Instanz und wählen Sie "Aus JSON importieren". Fügen Sie die Konfiguration ein und passen Sie die Anmeldedaten nach Bedarf an.
Für welche Szenarien ist dieser Workflow geeignet?
Fortgeschritten - KI-Zusammenfassung, Multimodales KI
Ist es kostenpflichtig?
Dieser Workflow ist völlig kostenlos. Beachten Sie jedoch, dass Drittanbieterdienste (wie OpenAI API), die im Workflow verwendet werden, möglicherweise kostenpflichtig sind.
Verwandte Workflows
Arbeite mit GPT-4 und Airtable, um Workflow-Logs automatisch zu erfassen und zu sichern
Automatische Protokollierung und Sicherung von Workflows mithilfe von GPT-4 und Airtable
If
N8n
Set
+
If
N8n
Set
38 NodesGuillaume Duvernay
KI-Zusammenfassung
Dynamischer KI-Netzwerkforscher: Von reinem Text zu benutzerdefiniertem CSV
Dynamischer KI-Netzwerk-Forscher zur Umwandlung von reinem Text in benutzerdefinierte CSV mit GPT-4 und Linkup
Set
Code
Split Out
+
Set
Code
Split Out
16 NodesGuillaume Duvernay
Verschiedenes
Artikel basierend auf Fakten aus Wissensquellen mit Lookio und OpenAI GPT erstellen
Erstellen Sie faktenbasierte Artikel aus Wissensquellen mit Lookio und OpenAI GPT
Set
Split Out
Aggregate
+
Set
Split Out
Aggregate
19 NodesGuillaume Duvernay
Content-Erstellung
Artikel basierend auf Fakten aus Wissensquellen mit Super RAG und GPT-5 erstellen
Erstellen Sie faktenbasierte Artikel aus Wissensquellen mit Super RAG und GPT-5
Set
Split Out
Aggregate
+
Set
Split Out
Aggregate
19 NodesGuillaume Duvernay
KI RAG
Erstellung von unterstützenden Artikeln mit KI-Planung, Linkup-Suche und GPT-5
Erstellen Sie forschungsbasierte Artikel mit KI-Planung, Linkup-Suche und GPT-5
Set
Split Out
Aggregate
+
Set
Split Out
Aggregate
19 NodesGuillaume Duvernay
Content-Erstellung
Täglicher Jira-Ticket-Zusammenfassungs-Generator (GPT-5 + Jira API)
Täglicher Jira-Ticket-Zusammenfassungs-Generator mit GPT-5 und Jira API
Set
Code
Jira
+
Set
Code
Jira
24 NodesBilly Christi
KI-Zusammenfassung
Workflow-Informationen
Schwierigkeitsgrad
Fortgeschritten
Anzahl der Nodes7
Kategorie2
Node-Typen5
Autor
Externe Links
Auf n8n.io ansehen →
Diesen Workflow teilen