Künstliche Intelligenz braucht enorm viel Strom. Das Trainieren eines grossen Sprachmodells verbraucht so viel Energie wie Hunderte Haushalte in einem Jahr. Doch eine neue Technologie könnte das grundlegend ändern: Spiking Neural Networks, kurz SNN – auf Deutsch: pulsierende neuronale Netze.

Was steckt dahinter?

Das menschliche Gehirn ist ein Energiewunder. Es verbraucht nur etwa 20 Watt – weniger als eine Glühbirne – und übertrifft dabei die leistungsstärksten Supercomputer in vielen Aufgaben. Das Geheimnis liegt in der Art, wie Nervenzellen kommunizieren: nicht als dauernder Datenstrom, sondern in kurzen elektrischen Impulsen, den sogenannten Spikes.

SNNs ahmen genau dieses Prinzip nach. Statt ständig zu rechnen, werden sie nur aktiv, wenn ein Impuls eintrifft – genau wie echte Neuronen. Das macht sie drastisch effizienter als herkömmliche KI.

Was ist neu in 2025/2026?

Die Technologie verlässt gerade die Forschungslabors und kommt in die reale Welt. Die wichtigsten Entwicklungen:

• Licht statt Strom: Forscher haben einen photonischen SNN-Chip entwickelt, der mit Lichtsignalen arbeitet. Er ist rund 100-mal schneller als herkömmliche Ansätze – und erkennt Bewegungen in Videos in Echtzeit.
• Winzige, schlaue Chips für Alltagsgeräte: Das Startup Innatera hat einen Prozessor entwickelt, der SNN direkt auf kleinen Sensoren ausführt – ohne Cloud, ohne viel Strom. Ideal für Hörgeräte, Smartwatches oder Industriesensoren.
• KI in der Cloud mit Gehirn-Architektur: BrainChip hat 2025 seinen neuromorphen Chip über die Cloud zugänglich gemacht. Entwickler können SNN-Modelle damit testen, ohne eigene Hardware zu kaufen.
• Flexibler im Umgang mit Zeit: Neue Algorithmen ermöglichen es SNNs, Bewegungen oder Sprache unabhängig vom Tempo korrekt zu erkennen – ob jemand langsam oder schnell gestikuliert, spielt keine Rolle mehr.

Für wen ist das relevant?

Die Anwendungsmöglichkeiten sind breit:

• Medizin: Gehirnaktivitäten analysieren, Epilepsie oder Parkinson frühzeitig erkennen
• Industrie: Sensoren, die selbstständig und stromsparend Anomalien erkennen
• Mobilität: Autonome Fahrzeuge, die schneller auf visuelle Ereignisse reagieren
• Drohnen & Schwärme: SNN ermöglichen selbstlernende Drohnen, die in Echtzeit auf ihre Umgebung reagieren – ohne Cloud-Anbindung. Mehrere Drohnen können als Schwarm koordiniert agieren, sich gegenseitig abstimmen und gemeinsam Aufgaben lösen, etwa bei Sucheinsätzen, Kartografierung oder Präzisionslandwirtschaft
• Autonome Roboter: Roboter mit SNN-Chips lernen kontinuierlich aus neuen Situationen, passen sich an veränderte Umgebungen an und treffen Entscheidungen in Millisekunden – ohne Verbindung zu externen Servern. Ideal für Logistik, Pflege oder schwer zugängliches Gelände
• Smart Home & Wearables: Geräte, die dauerhaft auf Sprachbefehle hören – mit einem Bruchteil des heutigen Stromverbrauchs

KI direkt auf dem Gerät – sicher und privat

Ein oft übersehener Vorteil von SNN ist, wo die Intelligenz arbeitet: direkt auf dem Chip, im Gerät selbst – ohne Umweg über die Cloud. Dieses Prinzip nennt sich Edge Computing. Für Nutzer bedeutet das vor allem eines: mehr Sicherheit und Datenschutz.

Wer heute einen Sprachassistenten nutzt, schickt seine Stimme an fremde Server. Mit SNN-basierten Chips könnte dasselbe auf dem Smartphone passieren – lokal, schnell, ohne dass persönliche Daten das Gerät verlassen. Das ist nicht nur technisch interessant, sondern auch rechtlich und ethisch ein grosser Schritt vorwärts.

Die Konsequenz für den Alltag: Ein Smartphone mit SNN-Chip könnte dauerhaft zuhören, kontextbezogen reagieren und dabei kaum Akku verbrauchen. Kein ständiges Aufladen, kein Datenleck – dafür ein Assistent, der mitdenkt, ohne alles weiterzumelden. Langfristig öffnet das die Tür zu einem wirklich persönlichen intelligenten Begleiter: ein Gerät, das den eigenen Rhythmus, Gewohnheiten und Vorlieben kennt – und dabei vollständig unter der Kontrolle seines Besitzers bleibt.

Wo stehen Entwickler heute – das Beispiel Intel

Intel Labs ist einer der führenden Akteure im Bereich neuromorpher Hardware. Mit dem Chip Loihi 3 – angekündigt Mitte 2025, kommerziell verfügbar seit Januar 2026 – hat Intel eine neue Messlatte gesetzt: 8 Millionen Neuronen und 64 Milliarden Synapsen auf einem einzigen 4-nm-Chip, der bei nur 100 Milliwatt läuft – weniger Strom als ein Bluetooth-Radio. Zudem liefert das grosse Forschungssystem „Hala Point“ mit 1,15 Milliarden Neuronen beeindruckende Zahlen: 100-mal geringerer Energieverbrauch und bis zu 50-mal schnellere Verarbeitung gegenüber herkömmlichen CPU- und GPU-Architekturen. Für Entwickler hat Intel mit Lava ein quelloffenes Framework bereitgestellt, das SNN-Modelle über Python und PyTorch zugänglich macht – ein wichtiger Schritt, damit nicht nur Spezialisten mit der Technologie arbeiten können. Neuromorphic Computing and Engineering with AI (Intel).

Von bestehender KI zu SNN: Wie läuft die Umwandlung ab?

Ein praktischer Weg zu SNNs ist die sogenannte ANN-zu-SNN-Konvertierung: Ein bereits trainiertes konventionelles KI-Modell wird automatisch in ein pulsierendes Netz überführt – ohne von Grund auf neu trainieren zu müssen. Neue Frameworks ermöglichen dies mit reiner Inferenz-Komplexität: Ein vortrainiertes Modell wird mithilfe eines lokalen Schwellenwert-Algorithmus konvertiert, ohne zusätzliches Nachtraining – und das bei vernachlässigbarem Genauigkeitsverlust.

Noch einen Schritt weiter geht die verlustfreie Konvertierung ganzer Sprachmodelle: Das Verfahren „LAS“ ermöglicht eine vollständig verlustfreie Umwandlung von Large Language Models in SNN – auf sechs Sprachmodellen und zwei Bild-Sprach-Modellen getestet, teils sogar mit leicht verbesserter Genauigkeit gegenüber dem Original.

Die Automatisierung schreitet voran, aber es gibt noch Hürden: Komplexe Architekturen wie Transformer benötigen spezielle Anpassungen, und das Toolchain-Ökosystem ist für Entwickler ausserhalb der Forschungsgemeinschaft noch nicht vollständig zugänglich. Der Trend ist jedoch eindeutig – die Konvertierung wird schneller, präziser und zunehmend werkzeuggestützt.

Reif für die Praxis

SNN sind keine Science-Fiction mehr. Wer heute Produkte mit KI entwickelt oder nutzt – ob in der Medizintechnik, im Maschinenbau oder in der Unterhaltungselektronik – sollte diese Technologie auf dem Radar haben. Die Frage ist nicht mehr ob, sondern wann pulsierende neuronale Netze den Alltag erreichen. Und 2026 zeigt: Es geht schneller als gedacht.