Wir wissen, dass das menschliche Gehirn beim Verarbeiten von Informationen einem elektrischen Chip überlegen ist. Insbesondere beim Energieaufwand, der mit Einsatz von künstlicher Intelligenz (KI) ins Unermessliche wächst. Klar, dass Forscher hier nach mehr Nähe zum menschlichen Gehirn trachten. Schon eine Weile arbeitet die Physikerin Heidemarie Krüger an einem Chip, einem neuromorphen Chip, der Informationen verarbeitet wie das menschliche Gehirn.
Die Technologie: Informationen werden gleich dort verarbeitet und gespeichert, wo sie entstehen. Ohne dass – mit viel Energieaufwand – Daten zwischen Prozessor und Speicher übertragen werden.
Zur Erinnerung: Der Prozessor ist zuständig fürs Rechnen und Steuern. Speicherchips wiederum konservieren Daten.

Neuromorpher Chip denkt wie ein Mensch: verarbeitet und speichert Informationen gleichzeitig
Das Herzstück des Chips, der sozusagen denkt wie ein Mensch, sind ‚Memristoren‘: Diese Bauelemente verfügen über Gedächtnis und Lernfähigkeit. Und sie ähneln den Synapsen unseres Gehirns, speichern und verarbeiten Informationen gleichzeitig. So dass
Eine zufällige Entdeckung im Labor 2011 – ein Bauteil „erinnerte“ sich an eine Rechenoperation und setzte komplexe Berechnungen direkt um – führte zur Idee der künstlichen Synapsen. Verwendet wurde eine Materialkombi aus Bismut und Eisenoxid.
Sicherheit in selbstfahrenden Autos – und optimal vorausschauende Wartung
Perspektiven der künstlichen Synapsen sind etwa Echtzeitanalysen in selbstfahrenden Autos. Vielversprechend bei der vorausschauenden Maschinenwartung.
Vorausschauende Instandhaltung (Wartung gehört zum Vorgang der Instandhaltung einer Maschine) erfasst und analysiert Daten der Anlage oder der Maschine in Echtzeit. So können Probleme, Dysfunktionen vorweggenommen werden, bevor sie zu einem Ausfall führen.
Hier mein Blogbeitrag dazu.
Neuromorphe Chips können die industrielle Sensorik derart optimieren, dass sie bereits erste Anzeichen von Verschleiß erfasst.
Mehr lokale Speicherung, weniger Cloud
Memristoren sind Schlüsselkomponenten für das ‚Edge-Computing‘. Hierbei müssen Daten nicht an zentrale Cloud-Systeme übertragen werden. „Das bedeutet mehr Sicherheit und Unabhängigkeit, da sensible Daten lokal bleiben“, betont Krüger.
Großes Plus: Bei wachsender Datenflut weniger Energiebedarf
Klassische Prozessoren benötigen immer mehr Transistoren, um die wachsende Datenflut zu bewältigen. Das herkömmliche Chipdesign stößt an physikalische Grenzen und fordert immer mehr Energie ein. Der neuromorphe Ansatz nun senkt den Energiebedarf. Künstliche Intelligenz kann unbedenklicher und leichter genutzt werden..
Datensätze werden analysiert, Muster erkannt, flexibel kann auf neue Situationen reagiert werden – ohne permanente Verbindung zum Rechenzentrum. Rechenzentren sparen Energie ein, KI-Anwendungen verbrauchen weniger Ressourcen.
Comments