Neuromorphe Chips und Analog-Computing: Der nächste Effizienzsprung für KI
Digitale Von-Neumann-Architekturen stoßen an physikalische Grenzen. Wie gehirnähnliche Prozessoren den Energieverbrauch von Inferenz um den Faktor 1.000 senken.

In 30 Sekunden
Neuromorphe Prozessoren arbeiten ereignisgesteuert (Event-based) und verbrauchen im Ruhezustand nahezu null Strom.
Für Drohnen, autonome Roboter und Sensorik ermöglichen analoge Inferenz-Chips jahrelangen Batteriebetrieb.
Europäische Forschungsinstitute halten in diesem Zukunftsfeld wichtige Patente und technologische Spitzenpositionen.
Seit den Anfängen der Computertechnik basieren praktisch alle Rechner auf der Von-Neumann-Architektur: Prozessor und Arbeitsspeicher sind getrennt, und Daten müssen permanent über Busse hin und her geschaufelt werden (Von-Neumann-Flaschenhals). Bei rechenintensiven KI-Workloads verbraucht dieser Datentransport bis zu 90 Prozent der gesamten Energie.
Das menschliche Gehirn hingegen leistet unglaubliche Rechenarbeit bei einer Leistungsaufnahme von gerade einmal 20 Watt. Neuromorphe Chips ahmen diese synaptische Verschaltung nach: Speicher und Rechenwerk verschmelzen, und Informationen werden als feine elektrische Pulse übertragen. Für Edge-Anwendungen und Robotik steht damit die nächste Revolution vor der Tür.