Time Shifting bezeichnet im Sustainability-Kontext das gezielte Verschieben von Workloads in Zeitfenster, in denen der Stromnetzmix möglichst CO₂-arm ist – beispielsweise nachts mit hohem Windanteil oder mittags mit hohem Solaranteil. Es ist ein zentrales Muster im Carbon-aware Computing.
In der Praxis kommt Time Shifting bei Batch-Workloads wie ML-Training, Daten-ETL, Backup-Jobs, Reporting und vielen Wartungsaufgaben zum Einsatz. Auf Plattformen wie Kubernetes oder Cloud-Schedulern werden Jobs an Carbon-aware-Daten gekoppelt, etwa über den Carbon Aware SDK der Green Software Foundation.
Einsatzzweck ist die Reduktion von Emissionen ohne Veränderung der Funktionalität: Ein nachts ausgeführtes Training mit überwiegend Windstrom kann pro Recheneinheit deutlich weniger CO₂ verursachen als das gleiche Training in Spitzenlastzeiten mit fossilem Stromanteil.
Die Idee, Stromnachfrage zeitlich zu steuern, ist aus dem Energiebereich seit Jahrzehnten bekannt (Demand-Side-Management). Die Übertragung auf Software-Workloads ist jedoch ein Phänomen der 2010er Jahre, das mit der Verfügbarkeit volatiler erneuerbarer Energien stark an Relevanz gewonnen hat.
Google dokumentiert in seinem Blog mehrfach, wie firmeninterne Tools für Time Shifting in echten Workloads eingesetzt werden – etwa für ML-Trainings und nicht zeitkritische Batch-Verarbeitung. Auch Microsoft beschreibt in Whitepapers zu Microsoft 365 entsprechende Verschiebungen bei Indexierung und Auswertung – ein klares Indiz, dass Time Shifting bereits aus dem Forschungs- in den Produktionseinsatz angekommen ist.
bluehands ist Pioneer in diese Bereich und unterstützt Entwickler sowohl mit Open Data als auch Open Source Tools, um Demand Shaping in ihren Anwendungen zu implementieren.