Neue Chip-Chance Forscherin tüftelt an neuromorphen Chips für die Industrie

Anbieter zum Thema

SAB Bröckskes GmbH & Co KG

dataTec AG

PEAK-System Technik GmbH

Neuromorphe Chips, die Informationen verarbeiten wie unser Gehirn, sind das Steckenpferd der Physikerin Heidemarie Krüger. Doch welchen nutzen hätten die neuartigen Chips für die Industrie?

Gemeinsam mit ihrem Team entwickelt Krüger auf sogenannten Memristoren basierende Bauteile, die, wie man betont, neue Maßstäbe in Sachen Energieeffizienz und Rechenleistung setzen können. Diese echtzeittauglichen und ressourceneffizienten Systeme könnten etwa selbstfahrende Autos und Industrieanlagen unterstützen. „Unser Ziel ist es, das Gehirn als Vorbild zu nutzen, um etwas zu schaffen, das mit minimalem Energieverbrauch komplexe Entscheidungen logisch nachvollziehen kann“, sagt die Physikerin Heidemarie Krüger.

Der neuromorphe Chip basiert demnach auf Memristoren. Das sind Bauelemente, die ähnlich wie Synapsen im Gehirn arbeiten. Sie speichern nicht nur Informationen, sondern können diese gleichzeitig verarbeiten, heißt es präziser. Während konventionelle Computer die Daten permanent zwischen Speicher und Prozessor austauschen, arbeitet diese Art von Chips lokal, was Energieverluste erheblich reduziert und eine schnelle, dezentrale Datenanalyse erlaubt. Ein wesentlicher Unterschied sei die Fähigkeit der Memristoren, kontinuierliche Zwischenzustände zu verarbeiten – also nicht nur 0 und 1 – sondern auch Werte dazwischen. Diese flexible Datenverarbeitung eröffnet neue Möglichkeiten für Algorithmen, die neuronale Netzwerke nachbilden. Anwendungen reichen von der vorausschauenden Maschinenwartung bis hin zu Echtzeitanalysen in sicherheitskritischen Bereichen wie dem autonomen Fahren.

Neuromorphe Chips reagieren hochsensibel auf Veränderungen in Maschinen

Die Architektur der Memristoren ermöglicht es, Daten direkt an der Quelle zu verarbeiten, was eine Schlüsselkomponente für das sogenannte Edge-Computing darstellt, bei dem Daten nicht an zentrale Cloud-Systeme übertragen werden müssen. So steige die Sicherheit und Unabhängigkeit, weil sensible Daten eben lokal blieben. Und speziell im Rahmen der industriellen Sensorik könne das ein großer Vorteil sein, um beispielsweise erste Anzeichen von Verschleiß zu erfassen, um Systemausfälle zu vermeiden.

In ersten Pilotprojekten testet Krügers Team die Technik mit der Technischen Universität Bergakademie Freiberg bereits unter realen Bedingungen, wie man betont. Dabei habe sich gezeigt, dass der neuromorphe Chip sogar kleinste Veränderungen zuverlässig erkennen und Verschleißmuster präzise prognostizieren könnten.Während klassische Prozessoren immer mehr Transistoren benötigten, um die wachsende Datenflut zu bewältigen, stoße das traditionelle Chipdesign langsam an seine physikalischen und energetischen Grenzen.

Neuromorphe Ansätze aber kombinieren Speicher- und Recheneinheit, was den Energiebedarf senkt und das Potenzial für KI-Systeme erheblich erweitert, wie Krüger erklärt. Das Ziel der Forschungen ist es, nicht nur Datensätze zu analysieren, sondern so auch zu lernen, Muster zu erkennen, um flexibel auf neue Situationen reagieren zu können, ohne eine ständige Verbindung zu externen Rechenzentren zu benötigen. Krügers derzeitiger Prototyp arbeitet übrigens mit 32 Memristoren. Der nächste Version soll 200 Stück haben.

(ID:50287129)