Neuromorphes Rechnen
Neuromorphe und alternative Rechnerarchitekturen
Neuromorphic & Alternative Compute
Diese Chips arbeiten anders als normale Prozessoren: „Neuromorphe“ Chips feuern wie Nervenzellen, andere rechnen direkt im Speicher oder mit Licht. Das Ziel ist, dieselbe Arbeit mit viel weniger Strom zu erledigen, denn Strom wird zur Grenze für KI. Das größte neuromorphe System hat rund 1,15 Milliarden künstliche Neuronen, ist aber ein Forschungsprototyp. Die Chips funktionieren; das Nadelöhr ist die Software, mit der man sie nutzt, und kaum jemand kauft sie bisher.
Reife
Wo dieser Enabler wirkt
Wo Ihnen das schon begegnet ist
2023 verbuchte BrainChip, ein in Australien börsennotierter Hersteller neuromorpher Chips, einen Umsatz von 232.004 US-Dollar, nach 5,1 Millionen US-Dollar im Jahr davor, und einen Verlust von 28,9 Millionen US-Dollar. Das größte neuromorphe System der Welt, Hala Point von Intel, hat 1,15 Milliarden künstliche Neuronen und steht als Forschungsprototyp bei Sandia. Die Chips funktionieren. Bezahlen will dafür bisher kaum jemand.
Wenn er reifer wird
Ließen sich gewöhnliche KI-Modelle auf diesen Chips ausführen, ohne sie von Hand umzubauen, würde das Energieargument endlich außerhalb des Labors geprüft. Die Automatisierung geistiger Arbeit bliebe trotzdem bei 2, denn auch Digitale Transformation, Managementkompetenz, Rechtssicherheit und Vertrauen der Belegschaft halten sie dort. Die Energiewende bliebe bei 1, gehalten von den Konsumnormen.
Worauf Sie achten sollten
Ein Zeichen wäre ein verbreitetes KI-Framework, das Standardmodelle ohne manuelle Umwandlung für neuromorphe Hardware übersetzt. Ein weiteres wären neuromorphe Chips oder Chips mit Rechnen im Speicher in einem Produkt, das Menschen im Handel kaufen, und nicht in einem Entwicklungskit.
Nicht zu verwechseln mit
Quantencomputing. Quantenrechner nutzen Quantenzustände für bestimmte mathematische Probleme; neuromorphe Chips sind gewöhnliche Elektronik, so angeordnet, dass sie rechnen, wie Nervenzellen Signale geben.
Worum es geht
Prozessorarchitekturen, die vom herkömmlichen Modell abweichen: neuromorphe Chips, analoges Rechnen und Rechnen im Speicher sowie photonische Verarbeitung.
So funktioniert es
- 01Speicher neben die Logik legenHerkömmliche Chips schieben Daten zwischen Prozessor und Speicher hin und her, und dieses Hin und Her kostet einen großen Teil der Energie. Neuromorphe Designs legen den Speicher jedes „Neurons“ direkt neben seine Logik.
- 02Ruhig bleiben, bis etwas passiertIm Leerlauf verbrauchen die Schaltkreise kaum Strom und werden erst aktiv, wenn ein Signal eintrifft.
- 03Einen Impuls abgebenÜberschreiten die eingehenden Signale eine Schwelle, sendet der Schaltkreis einen kurzen Impuls an seine Nachbarn.
- 04Die Verbindungen gewichtenJede Verbindung skaliert den Impuls mit einem gespeicherten Wert, so wie eine Synapse ein Signal verstärkt oder abschwächt.
- 05Die Software neu bauenGängige KI-Modelle sind nicht so aufgebaut. Sie müssen umgewandelt oder neu trainiert werden, und das geschieht heute weitgehend von Hand.
Aktueller Stand
- Hala Point von Intel vereint 1.152 Loihi-2-Prozessoren, 1,15 Milliarden Neuronen und 128 Milliarden Synapsen in einem Gehäuse mit sechs Höheneinheiten, das höchstens 2.600 W aufnimmt. Das System wurde an den Sandia National Laboratories als „Forschungsprototyp“ in Betrieb genommen (Intel, 17. Apr. 2024).
- Intel meldet für das System mehr als 15 Billionen 8-Bit-Operationen pro Sekunde und Watt; erreicht wurde der Wert ohne Stapelverarbeitung in einem Netz zur Machbarkeitsprüfung (Intel, 17. Apr. 2024; EE Times, 30. Apr. 2024).
- Der Leiter des neuromorphen Labors von Intel nennt die Skalierbarkeit der Softwarekompilierung „ein Nadelöhr“ und sagt, die Umwandlung von Modellen sei „eher ein manueller Prozess“, als ihm lieb sei (Mike Davies in EE Times, 30. Apr. 2024).
- BrainChip meldete für 2023 einen Umsatz von 232.004 US-Dollar, nach 5.071.252 US-Dollar im Jahr 2022, und einen Nettoverlust von 28,9 Millionen US-Dollar (BrainChip Holdings, Geschäftsbericht 2023).
- Sony kündigte zwei ereignisbasierte Bildsensoren an, die mit Prophesee entwickelt wurden und deren Pixel nur Helligkeitsänderungen melden statt ganzer Bilder (Sony Semiconductor Solutions, 9. Sept. 2021).
Warum das wichtig ist
Sie setzen an der Grenze an, an die herkömmliche Architekturen stoßen: der Energie pro Rechenoperation. Wenn das Wachstum der KI durch Strom begrenzt ist und nicht durch Silizium, liegt die Antwort in der Architektur und nicht in schrittweiser Verbesserung.
- Sie gehören zu den Enablern, die die Automatisierung geistiger Arbeit auf 2 halten. Diese Rolle teilen sie mit vier menschlichen und organisatorischen Enablern, deshalb bewegt sich nichts, wenn nur sie sich verbessern.
- Sie sind die Antwort der Architektur auf eine Energiegrenze. Offen ist, ob diese Grenze greift, bevor es die Software gibt.
- Sie sind ein Problem der Komplementarität in Reinform: Das Gerät funktioniert, und alles um es herum ist auf ein anderes Gerät ausgelegt.
Was ihn bremst
Werkzeugketten
Es gibt keinen gemeinsamen Weg, ein gängiges KI-Modell für diese Chips zu kompilieren. Jeder Hersteller pflegt seine eigene Software.
Umwandlung der Modelle
Modelle für herkömmliche Hardware müssen umgewandelt oder neu trainiert werden, und das ist heute Handarbeit für Fachleute.
Zugang zur Fertigung
Moderne Chips werden an sehr wenigen Orten gefertigt, und experimentelle Architekturen stehen hinter den Aufträgen für den Massenmarkt an.
Begriffe
- Gepulstes neuronales Netz (SNN)
- Ein Netz, das Informationen als kurze, zeitlich gesetzte Impulse weitergibt statt als kontinuierliche Zahlen.
- Von-Neumann-Flaschenhals
- Der Aufwand an Energie und Zeit, wenn Daten zwischen einem Prozessor und einem getrennten Speicher hin und her bewegt werden.
- Rechnen im Speicher
- Berechnungen direkt im Speicher, damit die Daten nicht bewegt werden müssen.
- Ereignisbasierter Sensor
- Ein Kamerasensor, dessen Pixel sich nur melden, wenn sich die Helligkeit ändert, statt ganze Bilder zu senden.
- TOPS/W
- Billionen Operationen pro Sekunde und Watt, ein Maß dafür, wie viel Rechenarbeit ein Chip für seinen Strom leistet.
Treibt diese Megatrends an
| Megatrend | Gewicht | Rolle |
|---|---|---|
| Automatisierung geistiger Arbeit | mittel | gemeinsamer Engpass (mit 5 weiteren) |
| Energiewende und Elektrifizierung | mittel | |
| Präzision überall | nachrangig | nachrangig: zählt nicht als Engpass |
Die Steigung verhält sich wie ein zähes Gummiband: Der schwächste Enabler zieht sie am stärksten zu sich. Nachrangige Verbindungen werden gezeigt, ziehen aber nicht mit.
Eine Stufe höher: was sich ändert
Berechnet aus der Karte in ihrem jetzigen Stand: dieser Wert von 2 auf 3 angehoben, alle anderen Werte unverändert. Eine reine Rechnung, keine Vorhersage.
Hebt man nur ihn um eine Stufe an, löst er bei keinem Megatrend den Engpass; die Steigungen, in die er einfließt, steigen höchstens leicht.
Teil eines gemeinsamen Engpasses
Hier liegt er gleichauf mit anderen Enablern ganz unten. Hebt man ihn allein an, bleibt der Engpass bestehen und die Steigung nimmt nur leicht zu; die Enabler, mit denen er gleichauf liegt, müssen mitziehen.
- Automatisierung geistiger Arbeit2,7/5 , 2,8/5gleichauf mit Daten und Datafizierung, Digitale Transformation, Managementkompetenz, Rechtssicherheit, Vertrauen der Belegschaft
Steiler wird es bei
- Energiewende und Elektrifizierung2,3/5 , 2,3/5
Was die Steigung verändern würde
Ein Gedankenspiel, keine Prognose. Keine Zeitpunkte, keine Wahrscheinlichkeiten.
- 01Eine Software-Werkzeugkette, die nicht verlangt, alles neu zu schreiben
- 02Energiekosten pro Operation als entscheidende kommerzielle Grenze, die den Wechsel erzwingen würde
- 03Zugang zur Fertigung, die derzeit an sehr wenigen Orten konzentriert ist
Verbreiteter Irrtum
Viele halten das für ein Nischenthema der Forschung. Es ist der plausibelste Weg um eine Energiegrenze herum, die schon heute bestimmt, wo Rechenzentren gebaut werden können.
Talin, B. (2026). Neuromorphe und alternative Rechnerarchitekturen. The Future Explorer, dataset v0.4.0 (16. November 2026). https://explorer.talin.digital/e/neuromorphic-and-alternative-compute/