(Frankfurt a. M., 01.11.2024) Durch die zunehmende Digitalisierung steigt der Energiebedarf – mit entsprechenden Folgen für unser Klima. Insbesondere die generative Künstliche Intelligenz (KI) ist alles andere als grün. Denn um die riesigen Datenmengen zu verarbeiten, ist Rechenpower gefragt, die die Energieaufnahme in die Höhe schnellen lässt, sowohl beim Training von KI-Modellen als auch im laufenden Betrieb. Neuromorphic Computing (NMC) soll hier Abhilfe schaffen. Das Konzept: Computer, die auf den Prinzipien von biologischen neuronalen Systemen basieren und damit vergleichbar energieeffizient funktionieren. Zwar gibt es aktuell viele Forschungsansätze, allerdings mangelt es an Standardisierung. Das hemmt den Transfer von der Forschung in die Praxis. Um das zu ändern, haben Expertinnen und Experten aus dem akademischen und industriellen Feld verschiedener Fachdisziplinen eine VDE SPEC entwickelt. Deren Ziel: in Zeiten rasanten technischen Fortschritts Innovationen und Technologien aus der Elektro- und Informationstechnik schneller auf den Markt bringen.
Grenzen überwinden: Rechenpower mit Köpfchen
„Von der Natur über die Theorie in die Praxis – und dann schnellstmöglich ins Kaufregal. So unsere Vision für Neuromorphic Computing“, sagt Dr. Damian Dudek, Geschäftsführer der Informationstechnischen Gesellschaft im VDE (VDE ITG). Er betont: „Völlig neue Technologien sind gefragt, da heutige Computer allmählich an ihre Grenzen stoßen, vor allem wenn es um Anwendungen von generativer KI geht.“
Das Problem: Bei klassischen Computersystemen sind Rechen- und Speichereinheiten getrennt (sog. von-Neumann-Architektur). Der dadurch notwendige Austausch von Daten zwischen Prozessor und Speicher kostet Energie und Zeit.
Um das zu ändern und die nächste Generation von Computern zu entwickeln, orientieren sich Forschende beispielsweise am menschlichen Gehirn. Der Grund: Neuronen im Gehirn können Signale lokal verarbeiten und speichern. Aufgrund der dadurch möglichen Parallelität der Datenverarbeitung kommt das Gehirn mit einem winzigen Bruchteil der Energie aus, die heutige KI-Systeme verbrauchen. Ähnlich ist auch die Informationsverarbeitung in anderen biologischen neuronalen Systemen in der Natur.