Ein Team der Technischen Universität München (TUM) unter der Leitung von Prof. Hussam Amrouch hat einen KI-Chip entwickelt, der ohne Internetverbindung oder Cloud-Server auskommt. Der Chip mit dem Namen AI Pro orientiert sich in seiner Architektur am menschlichen Gehirn. Seine neuromorphe Struktur erlaubt es, Daten direkt auf dem Gerät zu verarbeiten – das erhöht die Datensicherheit erheblich und spart gleichzeitig Energie. Erste Prototypen wurden bereits beim Halbleiterhersteller GlobalFoundries in Dresden gefertigt.
Im Unterschied zu klassischen Prozessoren, bei denen Rechen- und Speichereinheit getrennt sind, kombiniert der AI Pro beide Komponenten. Möglich wird das durch das sogenannte hyperdimensionale Rechnen: Der Chip erkennt Muster und Ähnlichkeiten, ohne auf große Mengen an Trainingsdaten angewiesen zu sein. Anstatt – wie bei Deep-Learning-Modellen üblich – Millionen von Bildern zu analysieren, verarbeitet er abstrakte Merkmale, etwa dass Autos vier Räder haben und sich auf Straßen bewegen. Prof. Amrouch, der in seinem Garchinger Labor im Siemens-Technologiezentrum an zukünftigen Chip-Generationen erklärt: „Menschen lernen durch Verknüpfungen – unser Chip tut genau das.“
Für Prof. Hussam Amrouch, Inhaber der Professur für „AI Processor Design“ an der TUM, ist klar: „Die Zukunft gehört denjenigen, die die Hardware kontrollieren.“ . (© Andreas Heddergott/TUM)
Besonders bemerkenswert ist der geringe Energiebedarf. Beim Training eines einfachen Beispiels verbrauchte der Chip lediglich 24 Mikrojoule – deutlich weniger als herkömmliche KI-Chips, die das Zehn- bis Hundertfache benötigen. Damit setzt der AI Pro neue Maßstäbe in der Energieeffizienz. Prof. Amrouch sieht darin eine wichtige Grundlage für spezialisierte, nachhaltige KI-Anwendungen.
Im Gegensatz zu universellen Cloud-KI-Plattformen wie denen von NVIDIA setzt der AI Pro auf individuelle Lösungen. Zwar ist der Chip mit rund 10 Millionen Transistoren deutlich weniger komplex als High-End-GPUs, doch das ist laut Amrouch bewusst so gewählt: „Unser Fokus liegt auf dezentraler Intelligenz – direkt im Gerät, ohne Umweg über die Cloud.“ Dies reduziert nicht nur die Latenzzeit, sondern auch den CO₂-Fußabdruck durch entfallene Rechenzentrumsnutzung.
Ein weiterer Vorteil: Die Chips können gezielt für bestimmte Anwendungen angepasst werden, und weil die Daten das Gerät nicht verlassen, sind Datenschutzprobleme und instabile Internetverbindungen kein Thema. (oe)
