aktuelles

KI-Stromverbrauch senken mit neuromorphem Computer auf LED-Basis

16
Feb
2026

Ziel ist es, den gigantischen Stromverbrauch von KI-Anwendungen zukünftig dramatisch zu reduzieren. Unter dem Projektnamen „Bringing Light to Microelectronics“ (BRIGHT) entwickelt der niedersächsische Mikroelektronik-Verbund „Nitride Technology Center“ unter Federführung der Technischen Universität Braunschweig dafür unter anderem einen neuromorphen Computer auf der Basis von LEDs.

Das Team aus Wissenschaftler:innen an der Technischen Universität Braunschweig, der Leibniz Universität Hannover, der Physikalisch-Technischen Bundesanstalt und der Ostfalia Hochschule für angewandte Wissenschaften hat eine klare Vision: Mit einem neuartigen Computerdesign den Energiehunger von Künstlicher Intelligenz auf ein Minimum reduzieren. Statt Transistoren stehen dabei mikroskopisch kleine LEDs im Rechenzentrum.

Zwei Männer schauen sich einen technischen Aufbau an

Prof. Andreas Waag (TU Braunschweig, links) und Prof. Christian Werner (Ostfalia) am ersten Demonstrator des neuromorphen Computeraufbaus.

„Die LEDs geben uns die einmalige Chance massiver, paralleler Vernetzung, vergleichbar mit den Neuronen-Netzwerken im menschlichen Gehirn. Bereits unsere aktuellen Plattformen zählen bis zu einer Viertelmillionen LEDs, denen ebenso viele Sensoren gegenüber liegen können. Auf diese Art und Weise können wir unser Computer-Design auf typische KI-Anwendungen wie die Mustererkennung optimieren,“ sagt Prof. Andreas Waag von der TU Braunschweig, Sprecher des NTC.

Die Forschenden bringen dafür die Stärken von zwei bisher getrennten Bereichen der Mikroelektronik zusammen. Auf der einen Seite stehen integrierte Schaltungen auf Silizium-Basis (CMOS), das Rückgrat für Chipproduktion rund um den Globus. Die vielseitigen Schaltungen realisieren für unterschiedlichste Zwecke Hochtechnologie auf kleinstem Raum. Silizium-Chips können allerdings kein Licht emittieren, aus grundlegend physikalischen Gründen.

zur prognostizierten Energieersparnis

Infografik zur prognostizierten Energieersparnis.

Lichtstark sind auf der anderen Seite Chips auf der Basis von Materialien wie Galliumnitrid. Das NTC will die Vorteile der beiden Technologien in einem System zusammenbringen. Von dieser hybriden Integration profitieren perspektivisch nicht nur der Neuromorphe Computer des Forschungsverbunds, sondern eine ganze Reihe neuer Anwendungen in der Mikroelektronik.

Hintergrund: Neuromorphic Computing

Der weltweite Energiebedarf von Rechenzentren wächst – angetrieben durch KI-Anwendungen – viermal so schnell wie in allen anderen Sektoren. Im Szenario der Internationalen Energieagentur (IEA) werden die Rechenzentren 2030 drei Prozent des weltweiten Stroms verbrauchen – etwa das doppelte des aktuellen gesamtdeutschen Verbrauchs. Der enorme Energiehunger geht vor allem auf das Simulieren neuronaler Netze zurück. Um etwa ein Muster erkennen zu können, müssen klassische Computer alle Daten in 0 und 1 aufschlüsseln, möglichst viele Trainingsdurchläufe mit großen Datensätzen absolvieren und in einem mehrstufigen Prozess verarbeiten.

Demonstrator eines neuromorphen Computers liest handgeschriebene Zahlen aus

Bringen mehr als Licht ins Dunkle: Die Mikro-LEDs des Demonstrators erkennen Muster direkt, statt sie in 0 und 1 umzuwandeln. In diesem Fall identifizieren sie handgeschriebene Zahlen.

Neuromorphe Computer hingegen sollen die benötigten Netze direkt auf der Hardware-Ebene umsetzen, anstatt sie mit 0 und 1 zu simulieren. Das neuromorphe System des NTC-Konsortiums nutzt dafür LEDs, die ähnlich wie Neuronen im menschlichen Gehirn parallele Vernetzung ermöglichen. Gleichzeitig kommen die mikroskopischen LEDs perspektivisch mit minimalen Energieressourcen aus.

Über das Projekt

Das Land Niedersachsen und die Volkswagenstiftung fördern das Projekt NTC BRIGHT mit rund 15 Millionen Euro aus zukunft.niedersachsen. Die Sprecher des Verbunds, Prof. Andreas Waag und Prof. Bernhard Wicht (Co-Speaker), leiten das interdisziplinäre Team. Mit dem Start zum 1. April 2026 läuft die Förderung über 5 Jahre bis 2031.

Mehr dazu lesen Sie in der Pressemitteilung der TU Braunschweig