KI-Prozessoren: Das bringen KI-PCs wirklich

Definition von KI-PCs: Rechner mit spezieller Hardware für künstliche Intelligenz, inklusive CPU, GPU und NPU.

Hauptbestandteile eines KI-Prozessors:

• CPU: Allgemeine Aufgaben und Steuerungsfunktionen.
• GPU: Beschleunigung von KI-Aufgaben durch parallele Verarbeitung.
• NPU: Effiziente Verarbeitung bestimmter KI-Berechnungen.

Marktentwicklung: Bis 2027 könnten 60 Prozent aller jährlich ausgelieferten PCs KI-fähig sein.

Vorteile von KI-PCs:

• Lokale KI-Funktionen ohne Datenübertragung in die Cloud.
• Energieeffizienz und längere Batterielaufzeit.
• Echtzeit-Bild- und Sprachverarbeitung.

Gegenüberstellung NPU vs. GPU:

• Lokale KI-Hardware vs. leistungsstarke Cloud-basierte GPU-Cluster.
• Benchmarks zu KI-Prozessoren zeigen häufige Überlegenheit der GPU.

Ein KI-PC ist ein Rechner, der speziell für Anwendungen im Bereich der künstlichen Intelligenz optimiert ist. Das bedeutet, er hat leistungsstarke Komponenten, die KI-Algorithmen besonders schnell verarbeiten. Dazu gehören PCs mit dedizierten Grafikkarten – und immer häufiger auch PCs mit sogenannten KI-Prozessoren, die für maschinelles Lernen und neuronale Netze optimiert sind.

Ein KI-Prozessor besteht aus drei Hauptbestandteilen:

1. CPU (zentrale Recheneinheit): Die zentrale Verarbeitungseinheit des Computers, die allgemeine Aufgaben und Steuerungsfunktionen übernimmt. Sie koordiniert die Aktivitäten der anderen Komponenten.
2. GPU (Grafikeinheit): Obwohl sie hauptsächlich für Grafikberechnungen entwickelt wurden, eignen sich GPUs oft zur Beschleunigung von KI-Aufgaben. Sie können viele Aufgaben gleichzeitig erledigen, was für das Ausführen von großen neuronalen Netzwerken hilfreich ist.
3. NPU (neuronale Recheneinheit): Diese Einheit ist im Vergleich zu herkömmlichen Prozessoren neu. Sie führt parallele Berechnungen sehr effizient aus und ist für spezifische Operationen wie Matrizenmultiplikationen und Vektoroperationen optimiert, die in neuronalen Netzwerken verwendet werden.

Die NPU hilft dem Computer, aus großen Datenmengen zu lernen (maschinelles Lernen) und kreative Inhalte zu erstellen (generative KI). Nähere Informationen zu NPUs liest du in unserem Beitrag NPU: Der KI-Beschleuniger im Prozessor erklärt.

KI-Chips sind bereits in Smartphones und Smartwatches eingebaut. Zum Beispiel erkennt die Apple Watch Series 9 dank NPU die Bewegungen deines Handgelenks besser. Im Google Pixel 8 sorgt eine TPU (vergleichbar mit NPU) für einen sehr genauen Diktiermodus.

Laut Bericht des Marktforschungsunternehmens Canalys (12/2023) werden etwa 19 Prozent der im Jahr 2024 ausgelieferten PCs KI-fähig sein. Dieser Anteil soll bis 2027 auf 60 Prozent steigen. Der Grund dafür sei eine steigende Nachfrage.

Ein PC mit KI-Prozessor hat einige Vorteile:

• Lokale KI-Funktionen: Mit einem KI-Prozessor kannst du Funktionen nutzen, ohne dass sensible Daten den Computer verlassen.
• Geringerer Energieverbrauch: KI-Prozessoren sind bei bestimmten Aufgaben energieeffizienter als herkömmliche Prozessoren. Das kann die Batterielaufzeit bei mobilen Geräten verlängern und die Betriebskosten bei stationären PCs reduzieren.
• Bessere Bild- und Sprachverarbeitung: KI-PCs können Bilder und Sprache in Echtzeit erkennen und verarbeiten. Das ist nützlich, wenn du oft Texte diktierst oder dein Gesicht in Videokonferenzen automatisch zentrieren möchtest.

Allerdings können wir PCs mit KI-Prozessoren derzeit noch nicht uneingeschränkt empfehlen.

Die großen KI-Datencenter von Unternehmen wie OpenAI, Meta, Google und Microsoft nutzen ganze Netzwerke von leistungsstarken Grafikkarten (GPUs), sogenannte Cluster. Auch die stärksten KI-PCs können nicht mit diesen GPU-Clustern in der Cloud mithalten.

Für bestimmte Anwendungen kann die lokale KI-Hardware zwar nützlich sein – doch es lohnt sich, genauer hinzuschauen. Die tatsächliche Leistung hängt davon ab, wie gut die Technik implementiert wurde und für welche Anwendungen du sie nutzt. Und leider ist die Software-Unterstützung für KI-Prozessoren noch nicht vollständig ausgereift.

Erste Benchmark-Tests von PC World (01/2024) zu Intels Meteor-Lake-Chips zeigen außerdem, dass die GPU in der Praxis für einen größeren Teil der KI-Leistung verantwortlich ist als die NPU. Das deutet darauf hin, dass eine leistungsstarke Grafikeinheit für viele KI-Anwendungen wichtiger ist. Tatsächlich setzen viele KI-Forscher selbst auf dedizierte Grafikkarten von Nvidia – sie bieten derzeit eine bessere Software-Unterstützung als AMD.

Für stationäre KI-PCs empfehlen sich also dedizierte Grafikkarten. In unserem Beitrag KI und Grafikkarten: Das bringen sie für Gaming & Anwendungen liest du mehr über die Nutzung von KI auf Grafikkarten. Als platzsparende Alternative für Laptops haben die KI-Chips aber definitiv eine Zukunft.

Künstliche Intelligenz dürfte bei unserer Arbeit mit dem PC in Zukunft eine wichtige Rolle spielen. Es erscheint sinnvoll, dass wir unsere Geräte darauf vorbereiten. Der aktuelle Ansatz, bei dem KI-Funktionen in der Cloud verarbeitet werden, birgt Risiken – vor allem hinsichtlich Datenschutzes und Verlässlichkeit. Wenn du deine KI lokal auf dem Gerät hast, behältst du die Kontrolle über deine Daten.

Allerdings wird es noch eine Weile dauern, bevor du das volle Potenzial der lokalen KI-Chips nutzen kannst. Hersteller möchten ihre Geräte zukunftssicher machen, aber die Software-Integration hinkt noch hinterher. Die Probleme können jedoch durch zukünftige Updates behoben werden.

Lohnt sich der Kauf eines KI-PCs heute? Wenn du ohnehin einen neuen Laptop kaufst, kann ein Modell mit KI-Prozessor eine zukunftssichere Wahl sein. Aktuell profitieren hauptsächlich KI-Enthusiasten von einem Umstieg. Für stationäre PCs empfehlen wir eine dedizierte Grafikkarte.

Analysten erwarten, dass die PCs der Zukunft überwiegend KI-fähig sein werden. Mit stärkerem Wettbewerb könnten auch die Preise für solche Geräte sinken.