Rechnen mit Licht Photonischer Prozessor NPU 2.0 soll Energieproblem lösen

Anbieter zum Thema

Q.ANT GmbH

Bürklin GmbH & Co. KG

MicroConsult Academy GmbH

Mit der zweiten Generation seines photonischen Prozessors bringt Q.ANT die NPU 2.0 auf den Markt. Der Energieverbrauch soll 30-mal geringer sein als bei CMOS-Prozessoren und die Performance ist 50-mal höher.

Die rasante Entwicklung der künstlichen Intelligenz stößt an eine fundamentale Grenze: den Energieverbrauch. Moderne KI-Anwendungen wie ChatGPT benötigen bereits heute täglich über 564 Megawattstunden. Das entspricht dem 100-fachen Jahresverbrauch eines deutschen Haushalts. GPU-basierte Rechenzentren verbrauchen inzwischen bis zu 40 % ihrer Energie allein für die Kühlung der überhitzten Hardware. Während die Rechenleistung exponentiell steigt, wächst der Strombedarf noch schneller. Diese Entwicklung ist nicht nachhaltig und bringt die gesamte KI-Revolution in Gefahr.

Vor diesem Hintergrund präsentiert das Stuttgarter Unternehmen Q.ANT einen spannenden Ansatz: die zweite Generation seiner photonischen Native Processing Unit (NPU 2.0). Diese Technologie verspricht, das Energieproblem der KI grundlegend zu lösen durch Rechnen mit Licht statt mit Elektronen.

Licht statt Silizium: Ein physikalischer Paradigmenwechsel

Das Grundprinzip der photonischen Datenverarbeitung durchbricht die physikalischen Gesetzmäßigkeiten der herkömmlichen Halbleitertechnik. Während CMOS-Prozessoren komplexe mathematische Operationen durch Millionen von Transistorschaltungen ausführen, nutzen photonische Prozessoren die Eigenschaften des Lichts für native analoge Berechnungen. Licht bewegt sich nicht nur schneller als Elektronen, es erzeugt auch nahezu keine Wärme und benötigt deutlich weniger Energie für die Signalübertragung.

„Seit Jahren prescht die Entwicklung der KI voran, während wir mit ihrer Energieversorgung kaum hinterherkommen. Energie ist die neue Herausforderung bei der Leistungssteigerung“, erklärt Dr. Michael Förtsch, CEO von Q.ANT. Mit der NPU 2.0 demonstriert das Unternehmen einen bis zu 30-mal geringeren Energieverbrauch bei gleichzeitig 50-mal höherer Performance für komplexe KI- und HPC-Workloads im Vergleich zu herkömmlichen Silizium-Prozessoren.

Erweiterte nichtlineare Verarbeitung eröffnet neue Anwendungsfelder

Die zweite Generation der Q.ANT NPU bietet entscheidende Verbesserungen gegenüber der ersten Version. Der verbesserte nichtlineare Verarbeitungskern wurde speziell für neuronale Netzwerkmodelle optimiert und reduziert die benötigte Parameteranzahl und Trainingstiefe. Gleichzeitig steigt die Genauigkeit bei Bildlernen, Klassifizierung und Physiksimulation.

Diese Eigenschaften eröffnen völlig neue Anwendungsfelder, die mit digitalen Schaltungen nicht realisierbar sind. Dazu gehören physikalische KI, Robotik, Computer Vision der nächsten Generation, industrielle Intelligenz, physikbasierte Simulation sowie Datenanalyse und automatische Mustererkennung. Besonders in der Fertigung, Logistik und Inspektion können photonische Prozessoren nichtlineare neuronale Netzwerke weitaus effizienter ausführen als herkömmliche Systeme.

Sofortige Integration in bestehende Infrastrukturen

Ein entscheidender Vorteil der Q.ANT-Lösung ist die nahtlose Integration in bestehende Rechenzentrumsumgebungen. Der Native Processing Server (NPS) wird als schlüsselfertiger 19-Zoll-Server für die Rackmontage geliefert und enthält mehrere NPUs der zweiten Generation. Über PCIe- und C/C++/Python-APIs lässt er sich problemlos mit CPUs und GPUs in bestehende HPC-Infrastrukturen integrieren.

Diese Kompatibilität ermöglicht es Unternehmen, die Vorteile der photonischen Verarbeitung zu nutzen, ohne ihre gesamte IT-Infrastruktur erneuern zu müssen. Die Q.PAL-Bibliothek (Q.ANT Photonic Algorithm Library) stellt Entwicklern dabei effiziente, nichtlineare Algorithmen und Funktionen für komplexe Workloads zur Verfügung.

Die Fortschritte in der photonischen Datenverarbeitung sind bemerkenswert. Während die digitale Datenverarbeitung Jahrzehnte für ihre Entwicklung benötigte, vollzog Q.ANT innerhalb nur eines Jahres den Schritt von der einfachen Ziffernerkennung über die Bildklassifikation bis hin zum Lernen von Bildern. „Was in der digitalen Datenverarbeitung zehn Jahre gedauert hat, haben wir mit Photonik in nur einem Jahr erreicht“, betont Dr. Förtsch.

Diese Geschwindigkeit zeigt das enorme Potenzial der Technologie und deutet darauf hin, dass photonisches Computing schneller skaliert als herkömmliche CMOS-Technologie. Auf der Supercomputing 2025 in St. Louis demonstriert Q.ANT live, wie die NPU 2 mithilfe eines nichtlinearen neuronalen Netzwerks Bilder innerhalb von Sekunden lernt.

Wirtschaftliche und ökologische Auswirkungen

Die drastische Reduzierung des Energieverbrauchs macht nicht nur KI-Anwendungen nachhaltiger, sondern auch wirtschaftlicher. Computer-Vision-Systeme, die bisher als zu rechenintensiv galten, werden durch photonische Prozessoren plötzlich rentabel. In der Fertigung können Fehlererkennungssysteme, Objektverfolgung und Bestandsoptimierung mit weniger Parametern realisiert werden, was die Energiekosten drastisch senkt.

Gleichzeitig eröffnen photonische Prozessoren neue Möglichkeiten für hybride KI-Modelle, die statistische Logik mit physikalischer Modellierung kombinieren. Dies ermöglicht Fortschritte in Bereichen wie Arzneimittelforschung, Materialdesign und adaptiver Optimierung, wo sowohl nichtlineare Komplexität als auch extreme Energieeffizienz entscheidend sind.

Die Q.ANT-Server mit der neuesten Prozessorgeneration NPU 2 sind ab sofort bestellbar und können im ersten Halbjahr 2026 bezogen werden. Die schlüsselfertigen Server sind in jedem Rechenzentrum einsetzbar und markieren den Beginn einer neuen Ära des nachhaltigen, hochleistungsfähigen Rechnens. (heh)

Photonisches Computing

Wie überlegen ist das Rechnen mit Licht?

Rechnen mit Licht

Weltweit erster photonischer KI-Rechner geht am Leibniz-Rechenzentrum in Betrieb

(ID:50637085)