Die Idee
Künstliche Intelligenz (KI) zählt zu den wichtigsten Zukunftstechnologien. Doch ihr Siegeszug könnte ausgebremst werden, noch bevor er wirklich begonnen hat: weil die Rechner sehr viel Strom verbrauchen. Semiconductor Research prognostiziert, dass Computer um 2044, getrieben durch das KI-Wachstum, mehr Strom benötigen werden als heute produziert wird. Autobauer trifft es schon früher: Schon bald dürften Sensoren und Rechner autonomer Wagen genauso viel Strom fressen, wie fürs Fahren notwendig ist.
An Auswegen aus dem Dilemma forschen Fachleute der RWTH Aachen und vom Forschungszentrum Jülich. Sie entwerfen eine neue Computerarchitektur, die sich besser für KI eignet: neuromorphes Computing. In heutigen Rechnern arbeiten Prozessoren und Speicher separat, Daten müssen mit viel Energieverlust hin- und hergeschaufelt werden. Künftig sollen die Funktionen in einem Chip verschmelzen, was viel Strom spart. Hinzu kommt: Während neuronale Netze, wie sie unser Gehirn bildet, heute nur simuliert werden können, sollen sich bald die Schaltkreise lernender Chips verändern können – etwa wenn eine Information immer wieder auftaucht.
Die Köpfe
Max Lemme, Professor für elektronische Bauelemente, ist einer von 20 Professoren der RWTH und aus Jülich, die an dem Vorhaben arbeiten, darunter Experten für neue Materialien, Chipdesign, Bild- und Sprachverarbeitung, auch eine Ethikerin, ein Soziologe und ein Betriebswirt. Start-ups und Konzerne wie Siemens und Mercedes begleiten das Projekt. Lemme selbst forscht seit sieben Jahren am neuromorphen Computing.
Schneller schlau: So lernen Maschinen das Denken
Mit Kameras, Mikrofonen und Sensoren erkunden die Maschinen ihre Umwelt. Sie speichern Bilder, Töne, Sprache, Lichtverhältnisse, Wetterbedingungen, erkennen Menschen und hören Anweisungen. Alles Voraussetzungen, um etwa ein Auto autonom zu steuern.
Neuronale Netze, eine Art Nachbau des menschlichen Gehirns, analysieren und bewerten die Informationen. Sie greifen dabei auf einen internen Wissensspeicher zurück, der Milliarden Daten enthält, etwa über Personen, Orte, Produkte, und der immer weiter aufgefüllt wird. Die Software ist darauf trainiert, selbstständig Muster und Zusammenhänge bis hin zu subtilsten Merkmalen zu erkennen und so der Welt um sie herum einen Sinn zuzuordnen. Der Autopilot eines selbstfahrenden Autos würde aus dem Auftauchen lauter gelber Streifen und orangefarbener Hütchen zum Beispiel schließen, dass der Wagen sich einer Baustelle nähert.
Ist das System zu einer abschließenden Bewertung gekommen, leitet es daraus Handlungen, Entscheidungen und Empfehlungen ab – es bremst etwa das Auto ab. Beim sogenannten Deep Learning, der fortschrittlichsten Anwendung künstlicher Intelligenz, fließen die Erfahrungen aus den eigenen Reaktionen zurück ins System. Es lernt zum Beispiel, dass es zu abrupt gebremst hat und wird dies beim nächsten Mal anpassen.
Die Umsetzung
Auf der Basis klassischer Siliziumtechnologie baut das Team Chips mit neuen Architekturen. Erste Anwendungen soll es spätestens in sechs Jahren geben. Daneben experimentieren die Forscher mit neuen Werkstoffen, etwa sogenannten zweidimensionalen Materialien. Sie ermöglichen Schaltkreise, die nur ein Molekül hoch sind. In einen Chip ließen sich unzählige stapeln; die Leistungsfähigkeit stiege enorm. Der Chip, der alles auf den Kopf stelle, werde allerdings kaum vor 2035 fertig, so Lemme. Die Zeit drängt. Das Projekt ist in seiner Größe einmalig in Europa. Aber der Wettlauf, etwa mit China, sei eng.
„Ich träume von einer KI, die europ��ische Werte widerspiegelt“, sagt der Forscher. Er wünscht sich von der Politik, die das finanziert, einen langen Atem. Nur so werde Europa digital souverän.
Lesen Sie auch: Lasersensoren, die Luftlöcher erkennen und Jets stabilisieren
