20 Watt gegen das Rechenzentrum: Warum Forscher die KI beim Gehirn abschauen
Große KI-Systeme werden fähiger – und hungriger nach Strom. Ein Forschungsansatz aus Graz setzt auf ein anderes Vorbild: das menschliche Gehirn, das mit rund 20 Watt auskommt. Was hinter der gehirninspirierten KI steckt und wo ihre Grenzen liegen.
Die Rechnung, die selten mitgeliefert wird
Wenn über künstliche Intelligenz gesprochen wird, geht es meist um das, was sie kann: Texte schreiben, Bilder erzeugen, Muster erkennen. Seltener ist die Rede davon, was das kostet – nicht in Euro, sondern in Kilowattstunden. Jede Anfrage an ein großes Sprachmodell läuft über Rechenzentren, die im Dauerbetrieb enorme Mengen Strom ziehen und aufwendig gekühlt werden müssen. Mit jeder neuen Modellgeneration steigt der Bedarf weiter. Die Internationale Energieagentur rechnet damit, dass sich der weltweite Stromverbrauch von Rechenzentren bis 2030 in etwa verdoppelt – KI ist der wichtigste Treiber dahinter.
Vor diesem Hintergrund gewinnt eine Frage an Gewicht, die lange akademisch klang: Muss künstliche Intelligenz eigentlich so viel Energie verbrauchen? Ein Vergleich, der in der Fachdebatte immer wieder auftaucht, macht das Missverhältnis anschaulich. Das menschliche Gehirn leistet komplexe Denkarbeit mit einer Leistungsaufnahme von nur rund 20 Watt – weniger als eine helle Glühbirne. Digitale KI-Prozessoren brauchen für vergleichbare Aufgaben ein Vielfaches davon.
Was gehirninspirierte KI anders macht
Genau an diesem Punkt setzt die Forschung an, die unter Begriffen wie neuromorphes Rechnen oder gehirninspirierte KI zusammengefasst wird. Aktuell hat eine Arbeitsgruppe der TU Graz einen solchen Ansatz vorgestellt, bei dem ein System flexibel planen und Probleme lösen soll – nach Angaben der Beteiligten deutlich energieeffizienter als herkömmliche Verfahren. Die Details solcher Systeme sind komplex, das Grundprinzip lässt sich aber gut nachvollziehen.
Herkömmliche Computer trennen Rechenwerk und Speicher strikt voneinander. Daten müssen ständig zwischen beiden hin- und hergeschoben werden, was Zeit und vor allem Energie kostet. Das Gehirn kennt diese Trennung nicht: In den Nervenzellen fallen Speichern und Verarbeiten zusammen. Zudem arbeiten Neuronen ereignisgesteuert – sie feuern nur, wenn es etwas zu verarbeiten gibt, statt permanent im Takt zu laufen. Neuromorphe Chips versuchen, genau diese Eigenschaften nachzubilden: Rechnen dort, wo die Daten liegen, und Aktivität nur bei Bedarf. In Laborversuchen mit spezialisierter Hardware wurden dadurch erhebliche Einsparungen erzielt.
Vom Labor bis zum Alltag ist es weit
So vielversprechend die Zahlen klingen, so wichtig ist die Einordnung. Vieles davon stammt aus Forschung und eng umrissenen Testszenarien. Beeindruckende Effizienzwerte gelten oft für bestimmte Aufgabentypen und lassen sich nicht ohne Weiteres auf die gesamte KI-Landschaft übertragen. Neuromorphe Systeme sind bislang kein Ersatz für die etablierten Grafikprozessoren, auf denen heutige Sprach- und Bildmodelle trainiert werden, sondern eher eine Ergänzung für spezielle Anwendungen – etwa dort, wo Sensordaten direkt am Gerät und mit wenig Strom ausgewertet werden sollen.
Auch die Software steht vor Hürden. Ein großer Teil der KI-Werkzeuge ist auf klassische Rechnerarchitekturen zugeschnitten. Neuromorphe Hardware verlangt zum Teil andere Programmiermodelle, für die es noch keine breit etablierten Standards gibt. Der Weg von einem funktionierenden Prototyp zu einem Produkt, das sich im großen Maßstab lohnt, ist entsprechend lang.
Warum sich der Blick trotzdem lohnt
Für die Praxis heißt das: Wer kurzfristig auf einen radikalen Effizienzsprung der KI hofft, dürfte enttäuscht werden. Interessant ist die Entwicklung dennoch, weil sie eine grundsätzliche Debatte anstößt. Bislang wurde der wachsende Energiehunger der KI vor allem als Frage des Ausbaus behandelt – mehr Rechenzentren, mehr Strom, mehr Kühlung. Der gehirninspirierte Ansatz stellt eine andere Frage: ob sich die Rechenarbeit selbst nicht viel sparsamer organisieren lässt.
Ob neuromorphe Chips diesen Anspruch je flächendeckend einlösen, ist offen. Sicher ist nur, dass die Energiefrage nicht kleiner wird, je mehr KI in Alltag und Wirtschaft einzieht. Ein Vorbild, das mit 20 Watt auskommt, bleibt in dieser Lage ein reizvoller Maßstab – auch wenn die Technik noch weit davon entfernt ist, ihn zu erreichen.
Dieser Beitrag fasst einen Forschungs- und Technologietrend redaktionell zusammen. Angaben zu einzelnen Systemen beruhen auf Darstellungen der beteiligten Einrichtungen; belastbare Vergleichswerte hängen vom jeweiligen Anwendungsfall ab.