In der schnelllebigen Welt der Künstlichen Intelligenz (KI) spielt die Effizienz der verwendeten Hardware eine zentrale Rolle. An diesem Punkt setzt die technische Innovation an, die von der Technischen Universität München (TUM) entwickelt wurde. Ein neuartiger Chip namens „AI Pro“ wurde in Zusammenarbeit mit Global Foundries in Dresden gefertigt. Dieser Chip zeichnet sich durch seine besonderen Eigenschaften aus, die ihn von herkömmlichen KI-Chips abheben.
Der „AI Pro“-Chip kombiniert Rechen- und Speichereinheit, was eine signifikante Verbesserung gegenüber den traditionellen Architekturen darstellt. Er operiert nach dem Prinzip des „hyperdimensional computing“, das es ihm erlaubt, Ähnlichkeiten und Muster zu erkennen, ohne dass dafür Millionen von Datensätzen notwendig sind. Zum Beispiel kann der Chip erkennen, dass ein Auto vier Räder hat und auf der Straße fährt, ohne unzählige Bilder zu benötigen. Diese Fähigkeit führt nicht nur zu einem schnelleren Verarbeiten von Daten, sondern auch zu einem enormen Energieeinsparpotenzial.
Energieeffizienz im Fokus
Mit einem Energieverbrauch von nur 24 Mikrojoule pro definiertem Training, benötigt der „AI Pro“-Chip im Vergleich zu anderen Chips, die 10 bis 100 Mal mehr Energie verbrauchen, äußerst wenig. Aktuelle KI-Technologien, vor allem die leistungsstarken Chips von Nvidia, weisen einen erheblichen Energiehunger auf. Diese Chips treiben große Datenzentren an, die so viel Strom verbrauchen wie Kleinstädte – ein typisches Datenzentrum benötigt etwa so viel Energie wie 100.000 Haushalte. In diesem Kontext ist das Bestreben, neuromorphe Computer zu entwickeln, die nach dem Vorbild des menschlichen Gehirns arbeiten, besonders relevant. Das menschliche Gehirn kommt mit der Energie einer Glühbirne aus, was einen gewaltigen Unterschied zu den heute erforderlichen Energiekosten darstellt.
Ingenieure in Dresden arbeiten an Lösungen, um die Energieeffizienz signifikant zu steigern. Diese neuromorphen Computer nutzen künstliche Neuronen, die nur dann aktiviert werden, wenn sie gebraucht werden. Steve Furber, ein Verfechter neuromorpher Systeme, sieht in dieser Technologie eine potenzielle Lösung für den hohen Energieverbrauch, der gegenwärtig mit KI-Entwicklungen assoziiert wird. Hierbei wird insbesondere auf die Innovationsfähigkeit von Geräten verwiesen, die direkt am Edge, also nah am Nutzer, agieren. Dies führt nicht nur zu geringeren Kosten, sondern minimiert auch die Notwendigkeit, Daten in die Cloud zu übertragen.
Überlegungen zur Datensicherheit
Ein weiterer Vorteil des „AI Pro“-Chips ist die Verarbeitung der Daten direkt auf dem Gerät. Sensible Daten bleiben an Bord, was Bedenken hinsichtlich Cybersicherheit und Internetverbindung reduziert. Solche Chips sind besonders für Anwendungen wie die Vitaldatenverarbeitung über Smartwatches oder die Navigation von Drohnen maßgeschneidert. Professor Amrouch von der TUM betont, dass die Zukunft den Personen gehört, die die Hardware besitzen, was die Wichtigkeit der lokalen Datenverarbeitung unterstreicht.
Zusammen mit dem Fortschritt in der neuromorphen Technologie zeigen sich immer mehr Anwendungen, die spezialisierte Chips benötigen. Das französische Unternehmen Spinncloud hat mit dem neuromorphen Supercomputer Spinnaker 2 einen weiteren bedeutenden Schritt in Richtung der Nachahmung menschlicher Gehirnfunktionen unternommen. Dieses System wird ab Mai 2025 verfügbar sein und ermöglicht es, bis zu zehn Milliarden künstliche Neuronen zu simulieren, um noch effizienter arbeiten zu können. Dennoch bleibt die Technologie hinter den GPU-Computern zurück – insbesondere in der Leistungsfähigkeit bei trainingsintensiven Aufgaben wie Sprachmodellen. Hier wird an der Verbesserung der Reaktionszeiten gearbeitet, doch eine „Killer-App“, die die Vorteile eindeutig demonstriert, steht noch aus.
Die weltweite Nachfrage nach nachhaltigeren Technologien wird zunehmen, da das Datenvolumen kontinuierlich wächst. Neuromorphes Computing bietet daher nicht nur eine vielversprechende Lösung zur Energieeffizienz, sondern auch eine Möglichkeit zur Integration von KI in batteriebetriebene Endgeräte. Initiativen wie das Projekt „Neuromorphes Computing“ vom Fraunhofer IIS zeigen den Fokus auf die Entwicklung skalierbarer und konfigurierbarer Lösungen, die sich im Einklang mit Moores Gesetz weiterentwickeln sollen. Die Idee, ressourcenintensive KI-Aufgaben lokal zu verarbeiten, könnte künftig den Datenschutz und die Energiemenge, die für Datenzentren erforderlich ist, erheblich verbessern.
Somit stehen wir möglicherweise am Beginn eines neuen Zeitalters der Energieeffizienz in der KI, die durch die fortschreitende Entwicklung neuromorpher Systeme und die Optimierung von Chips wie dem „AI Pro“ entscheidend geprägt wird.
