KI-Stromverbrauch explodiert: Bezos sucht Lösung im Gehirn

Das menschliche Gehirn leistet jeden Tag, woran die größten KI-Systeme noch scheitern: Es lernt aus wenigen Erfahrungen, passt sich neuen Situationen an und verbraucht dabei nur rund 20 Watt. Moderne KI braucht für Training und Betrieb dagegen Rechenzentren, Spezialchips und enorme Mengen Strom. Der KI-Stromverbrauch wird deshalb zu einer der großen Kostenfragen der Branche.

Das US-Magazin Wired berichtet nun von einem Start-up, das diese Schwäche heutiger KI anders angehen will: Die Firma Flourish will keine immer größeren Sprachmodelle bauen, sondern sucht im Aufbau echter Nervenzellen nach einer neuen Grundlage für künstliche Intelligenz. Hinter dem Vorhaben stehen Rob Williams, früher Topmanager bei Amazon, und Thomas Reardon, der einst an Microsofts erstem Webbrowser mitarbeitete. Amazon-Gründer Jeff Bezos finanzierte den Start zunächst mit 50 Millionen Dollar.

Warum der KI-Stromverbrauch Forschern so schwer zu schaffen macht

Inzwischen verfügt Flourish über 500 Millionen Dollar Kapital. Die Bewertung liegt bei rund 2,5 Milliarden Dollar. Das Geld soll Labore, Mikroskope, KI-Forscher und Neurowissenschaftler zusammenbringen. Das Ziel ist ambitioniert: Eine künstliche Intelligenz soll so sparsam lernen wie das menschliche Gehirn. „Wir wollen ein synthetisches künstliches Intelligenz-Gehirn bauen, das mit 50 Watt oder weniger läuft“, erklärt Reardon.

Große KI-Modelle verschlingen riesige Textmengen. Sie lernen nicht fortlaufend wie Menschen, sondern brauchen aufwendige Trainingsphasen. Danach bleibt ihr Wissen weitgehend auf diesem Stand. Das Gehirn arbeitet anders. Ein Kind lernt Sprache aus Alltag, Wiederholung und sozialer Erfahrung. Reardon hält den Abstand zur heutigen Technik für falsch angelegt. „Es stimmt etwas grundsätzlich nicht an der Aussage: Ich muss im Grunde jedes Buch, das je geschrieben wurde, 20-mal lesen, um Englisch zu lernen“, sagt er.

Was eine Studie über Fruchtfliegen mit KI zu tun hat

Flourish sucht nach dem, was Investoren und Forscher im Unternehmen den „Algorithmus des Gehirns“ nennen. Dabei geht es nicht um eine fertige Formel. Das Team untersucht, wie Nervenzellen Informationen weitergeben, speichern und neu ordnen. Eine wichtige Spur kommt aus der Hirnforschung an Tieren.

Joshua Vogelstein, Mitgründer von Flourish, arbeitete kürzlich an einer Studie zum neuronalen Netzwerk einer Fruchtfliege mit. Die Analyse kam zu einem auffälligen Befund: Das Netzwerk der Fruchtfliege arbeitet zehnmal effizienter als der sogenannte Transformer, eine Grundstruktur vieler großer Sprachmodelle.

Solche Vergleiche liefern noch keinen Bauplan für die nächste KI. Sie erklären aber, warum Tech-Investoren wieder so stark auf Neurowissenschaften achten. Das Gehirn kann mit wenig Energie Reize verarbeiten, Muster erkennen und Erlerntes auf neue Situationen übertragen. Daran hapert es allerdings bei vielen KI-Systemen. Sie wirken leistungsstark, solange enorme Rechnerleistung dahintersteht. Ohne diese Infrastruktur verlieren viele Anwendungen schnell an Tempo, Wirtschaftlichkeit oder Reichweite.

KI-Stromverbrauch soll mit gehirnähnlicher Technik sinken

Flourish setzt deshalb auf eine enge Verbindung von Labor und Softwareentwicklung. Neurowissenschaftler sollen Schaltkreise des Gehirns untersuchen. KI-Forscher sollen daraus neue Modelle bauen. Im Blick stehen unter anderem sogenannte kortikale Säulen – das sind Strukturen in der Großhirnrinde. Sie gelten in der Forschung als mögliche Recheneinheiten des Gehirns.

Sparsamere KI könnte viele Anwendungen verändern:

KI-Modelle könnten häufiger direkt auf Smartphones, Brillen oder anderen kleinen Geräten laufen.
Rechenzentren bräuchten weniger Energie für bestimmte Aufgaben.
Systeme könnten schneller auf neue Informationen reagieren, statt immer wieder neu trainiert zu werden.

Noch bleibt vieles offen. Das Start-up baut seine Labore in New York erst auf. Einige Geräte kosten mehrere Millionen Dollar. Die geplanten Experimente sollen verschiedene Ebenen des Gehirns erfassen, von Molekülen über Synapsen bis zu größeren Zellverbänden. Greg Wayne, langjähriger DeepMind-Forscher und Berater von Flourish, bringt die Hoffnung knapp auf den Punkt: „Das Gehirn hat ein Geheimnis, das wir noch nicht gefunden haben.“

Warum Bezos auf eine unsichere Idee wettet

Bezos investierte, obwohl Flourish noch keinen sicheren Weg zum Ziel vorweisen kann. Der mögliche Gewinn wäre jedenfalls enorm: Wenn KI-Systeme ähnlich sparsam lernen könnten wie menschliche Gehirne, würden sich Kosten, Energiebedarf und Geräteklassen verändern. Williams sieht den Zeithorizont offen. „In drei Jahren bekommt man nicht sehr viel geschafft“, sagt er. Große Fortschritte entstünden bei Vorhaben, die über sieben bis zehn Jahre geplant würden.

Flourish denkt trotzdem an erste Produkte. Reardon spricht von einer Speichertechnik, die sich am Hippocampus orientiert. Dieser Hirnbereich hilft beim Lernen und Erinnern. Außerdem arbeite das Team an einem Modell, das fortlaufend lernen könne und auf Geräten für die Hosentasche laufen soll. Konkrete Leistungsdaten sind nicht bekannt.

Doch auch Skepsis begleitet das Projekt von Anfang an. Ben Recht von der University of California in Berkeley berät Flourish, bleibt aber vorsichtig. „Ich bin nicht überzeugt, dass es funktionieren wird“, sagt er. „Aber wenn es funktioniert, wäre es erstaunlich.“ Damit steht Flourish vor einer großen Aufgabe: Das Unternehmen muss nicht einfach bessere KI entwickeln. Es muss verstehen, warum das Gehirn mit so wenig Energie so viel schafft.

Kurz zusammengefasst:

Der Stromverbrauch durch KI wird zum Problem, weil heutige Modelle riesige Rechenzentren, viele Spezialchips und sehr viel Energie brauchen.
Das Start-up Flourish will vom Gehirn lernen, weil dieses mit rund 20 Watt arbeitet, fortlaufend dazulernt und deutlich weniger Daten benötigt.
Jeff Bezos finanziert die riskante Idee mit viel Geld, doch ein Durchbruch ist offen, weil die Forscher erst verstehen müssen, welche Gehirnprinzipien sich technisch nachbauen lassen.

Übrigens: Während Jeff Bezos im Gehirn nach der Lösung für den KI-Stromverbrauch sucht, arbeiten Forscher im Saarland an einem direkteren Weg: Sie machen KI-Modelle kleiner, sparsamer und trotzdem leistungsfähig. Ihre Methode soll den Energiebedarf um bis zu 90 Prozent senken. Mehr dazu in unserem Artikel.