Guides · Thema

Future Computing: Was kommt nach CPU und GPU?

Compute-in-Memory, Neuromorphic, Photonik, Reservoir und Quantencomputer: welche Rechnerarchitekturen nach CPU und GPU erforscht werden — mit Evidenzstufe für jede tragende Aussage.

Ganz neu im Homelab? Der Einstiegspfad in 8 Schritten ordnet das Thema in den Gesamtaufbau ein.

Die Landkarte

Warum klassische Rechner an Grenzen stoßen und welche Architekturen gerade erforscht werden — der Überblick, von dem aus alle Themenfelder abzweigen.

01
GUIDEWas kommt nach CPU und GPU? Eine Landkarte der neuen RechnerarchitekturenCompute-in-Memory, Neuromorphic, Photonik, Reservoir und Quantencomputer: was davon heute im Labor funktioniert, was Herstellerangabe ist — und was offen bleibt.

Die Themenfelder

Jedes Feld hat einen eigenen Lernpfad — vom Grundprinzip bis zum Reality Check.

THEMALokale KI im HomelabKI im Homelab statt in der Cloud: lokale Sprachmodelle mit Ollama, die passende Hardware dafür — und ein ehrlicher Blick darauf, wann die Cloud doch die bessere Wahl ist.THEMAMemory Wall & Compute-in-MemoryWarum Datenbewegung KI-Hardware stärker bremst als Rechenleistung — und wie Compute-in-Memory, Memristoren und analoges Rechnen das Problem angehen.THEMANeuromorphic Computing: Was Computer vom Gehirn lernenWas Chips vom Gehirn lernen: Spiking Neural Networks, neuromorphe Prozessoren und die Frage, warum das Gehirn mit rund 20 Watt auskommt.THEMAPhotonic Computing: Kann Licht rechnen?Rechnen mit Licht: optische Matrixmultiplikation, photonische Chips, Glasfaser als Speicher — getrennt nach Laborergebnis, Herstellerangabe und Theorie.THEMAReservoir & Physical ComputingReservoir Computing und physikalisches Rechnen: Netze, bei denen nur der Ausgang lernt, und Systeme, in denen die Physik selbst die Rechnung übernimmt.THEMAQuantencomputing ohne HypeQuantencomputer verständlich und ohne Hype: Qubits, Fehlerkorrektur, echte Anwendungsfelder — und was Post-Quanten-Kryptografie fürs Homelab bedeutet.THEMAKI-Energie & RechenzentrenWie viel Strom KI wirklich braucht, wo er entsteht und wie Kühlung, Abwärme und Rechenzentren sich dafür verändern.THEMAKI in der ForschungWie KI Forschung beschleunigt: von AlphaFold über Self-driving Labs bis zum Feedback-Loop, in dem KI bessere KI, Chips und Energie entwickelt.

Chips der Zukunft

Transistoren am Limit, Chiplets, Wafer-Scale und neue Materialien: wie Prozessoren weiter besser werden sollen — und was davon Laborstand ist.

In Vorbereitung: Was kommt nach dem klassischen Transistor? · Wie klein können Transistoren noch werden – und was bedeutet „3 nm“? · Gate-All-Around-Transistoren erklärt und 16 weitere Beiträge

Dieser Hub wächst Stück für Stück. Jede Aussage trägt eine Evidenzstufe — was nur simuliert oder vom Hersteller behauptet ist, steht auch so da.

Passende Tools

TOOLLocal-AI-RechnerWelche LLM-Größe läuft auf deiner Hardware? Eignung von 3B bis 70B ablesen oder ein eigenes Modell durchrechnen: Gewichte, KV-Cache und Gesamtbedarf von FP32 bis Q2_K.TOOLServer-Stromkosten-RechnerIdle- und Lastverbrauch, Laufzeit und Strompreis eingeben — Stromkosten pro Monat und Jahr für Homeserver und NAS berechnen.

Aus dem LAB

LABReservoir Computing gegen neuronales Netz: 27-mal schneller trainiert — mit HakenEin Echo State Network, bei dem nur die Ausgangsschicht lernt, gegen ein klassisch trainiertes MLP: gleiche Zeitreihe, gleicher Rechner, fünf Läufe. Das Reservoir trainiert in 0,35 statt 9,2 Sekunden — braucht aber dreimal so viel RAM und rechnet Vorhersagen langsamer.

Auch interessant: Wie viel RAM und VRAM braucht ein LLM? Die ehrliche Rechnung · Quantisierung und GGUF