Seite - 40 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

40 A Technologie Die aktuell gängigen Implementationen von KNN basieren darauf, dass im Wesentli- chen sehr viele Matrixoperationen ausgeführt werden. Wie am Beispiel der Matrix- multiplikation gezeigt, sind solche Aufgaben inhärent parallelisierbar, lassen sich also in viele recht einfache Rechnungen zerlegen, die größtenteils gleichzeitig stattfinden können. Von den Optimierungen moderner, auch leistungsfähiger CPUs mit ihrer noch begrenzten Fähigkeit zum Parallelrechnen kann solch eine Anwendung aller- dings kaum profitieren. Vielmehr können GPUs, ursprünglich für Grafikhardware bzw. Beschleunigerkarten entwickelt, hier ihr Potenzial voll ausspielen. Dies ist auch der wesentliche Grund dafür, dass viele KI-Anwendungen erst mit der Nutzung von GPUs den Durchbruch schafften. Zuvor waren nur sehr teure Großrechner in der Lage, entsprechende Berechnungen in angemessener Zeit durchzuführen. Großes Zukunftspotenzial haben auch auf Matrixoperationen spezialisierte ASICs, wie sie gegenwärtig schon nach und nach zum Einsatz kommen. Die Unterschiede in der Effizienz sind dabei deutlich: So gibt Google für die eigens entwickelte TPU – ein ASIC für Vektoroperationen – bei KI-relevanten Berechnungen etwa die 80-fache Rechenleistung gegenüber einer CPU und die 30-fache Rechenleistung gegenüber einer GPU an, wobei diese Werte auf die aufgenommene elektrische Leistung, also pro Watt, normiert sind (Jouppi et al. 2017; Hot Chips 2017: A Closer Look At Goo- gles TPU v2). Die skizzierten Unterschiede in den Prozessor-Architekturen verdeutlichen, welch wichtige Rolle der verwendeten Hardware für den Erfolg von KI-Konzepten zukommt. Im folgenden Abschnitt wird deshalb ein genauerer Überblick gegeben, welche Akteure hier mit welcher Hardware im Markt aktiv sind. Grundsätzlich lässt sich fest- halten, dass sich die Rechentechnik für KI-Anwendungen immer weiter von der klas- sischen von-Neumann-Rechenmaschine entfernt. Ein interessanter Aspekt der Ent- wicklung, denn von Neumann hatte für sein Konzept der Rechenmaschine eigentlich das zentrale Nervensystem des Menschen durchaus als ein Vorbild betrachtet und die Gemeinsamkeiten und Unterschiede in seinem Buch „Die Rechenmaschine und das Gehirn“ (Neumann 1960) schon vor Jahrzehnten präzise durchdacht. Marktübersicht Zahlreiche Hersteller bieten bereits für KI-Anwendungen optimierte Rechenhardware an und es kommt stetig neue hinzu. Die erste große wirtschaftliche Erfolgsgeschichte einer KI-Hardware ist mit dem Namen Nvidia Corporation verbunden: Das in Kalifor- nien beheimatete Unternehmen wurde 1993 gegründet und begann mit der Kom- merzialisierung von GPUs, die sich speziell für den Einsatz in der 3D-Computergrafik eigneten und mit denen sich zahlreiche Aspekte computergenerierter Bilder parallel rechnen ließen. Um die Jahrtausendwende hatte sich das Unternehmen in diesem Bereich sehr erfolgreich am Markt positioniert. Es folgten Firmenübernahmen und