KI-Modell GCML: TU Graz senkt Energieverbrauch durch Gehirn-Nachahmung

In der aktuellen KI-Forschung gewinnen Ansätze an Bedeutung, die sich an der Effizienz biologischer Systeme orientieren. Ende Juli 2026 präsentierte die Technische Universität Graz (TU Graz) mit dem Generative Cognitive Map Learner (GCML) ein neues Modell, das die Funktionsweise des menschlichen Gehirns imitiert, um den Energieverbrauch bei kognitiven Aufgaben massiv zu senken. Die Entwicklung markiert einen Richtungswechsel weg von rechenintensiven Großmodellen hin zu spezialisierten, ressourcensparenden Systemen.

Biologische Mechanismen als Grundlage der Effizienz

Das GCML-Modell der TU Graz basiert auf drei zentralen Mechanismen, die der Arbeitsweise des menschlichen Gehirns entlehnt sind: kognitive Karten, stochastische neuronale Berechnungen und kompositionelle Kodierung. Durch diese Kombination ist das System in der Lage, Informationen effizienter zu verarbeiten als herkömmliche mehrschichtige neuronale Netze oder weit verbreitete Large Language Models (LLMs).

Ein wesentliches Merkmal von GCML ist die Fähigkeit zur zielgerichteten Planung, ohne dass hierfür eine vollständige Berechnung aller möglichen Pfade oder Variablen notwendig ist. Im Gegensatz zu vielen aktuellen KI-Architekturen benötigt das Modell zudem kein fortlaufendes Neutraining, um neue Aufgaben in bekannten Umgebungen zu bewältigen.

Validierung durch komplexe Navigationsaufgaben

Die Leistungsfähigkeit des Modells wurde bereits in verschiedenen Testumgebungen unter Beweis gestellt. Die Forscher setzten GCML erfolgreich für die 2D-Navigation sowie für Aufgaben in abstrakten Räumen ein. Auch beim Zusammenbau von Silhouetten zeigte das System seine kognitiven Fähigkeiten. Die Ergebnisse dieser Untersuchungen wurden im Jahr 2026 in der Fachzeitschrift Nature Machine Intelligence veröffentlicht.

Während die Forschung neue, effiziente KI-Architekturen hervorbringt, müssen Unternehmen bereits heute die rechtlichen Rahmenbedingungen für den Einsatz solcher Technologien beachten. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen

Das Projekt ist das Resultat einer internationalen Forschungszusammenarbeit. Neben der TU Graz waren Wissenschaftler der Tsinghua University sowie des National Research Council Italy an der Entwicklung beteiligt.

Potenziale für Robotik und Edge-Computing

Aufgrund des geringen Energieverbrauchs sehen Experten für das Modell vor allem Einsatzmöglichkeiten in Bereichen, in denen Hardware-Ressourcen begrenzt sind. GCML eignet sich laut den Entwicklern insbesondere für den Einsatz in Robotern, autonomen Fahrzeugen und sogenannten Edge-Geräten, also Hardware, die Daten direkt vor Ort verarbeitet.

Ob hocheffiziente KI-Systeme oder klassische Algorithmen – die EU-KI-Verordnung stellt neue Regeln für die Kennzeichnung und Risikodokumentation auf, die viele Unternehmen noch nicht kennen. Sichern Sie sich diesen kostenlosen Report, um zu erfahren, welche Systeme als Hochrisiko gelten und was Sie jetzt konkret tun müssen. Kostenlosen Leitfaden zur KI-Verordnung herunterladen

Besonders in Verbindung mit neuromorpher Hardware, die speziell auf die Simulation neuronaler Strukturen ausgelegt ist, verbraucht GCML nur einen Bruchteil der Leistung konventioneller neuronaler Netze. Trotz dieser Vorteile ordnen die beteiligten Institutionen das Modell nicht als Konkurrenz zu bestehenden Large Language Models ein. Vielmehr handele es sich um eine alternative technologische Basis, die spezifisch für kognitive Aufgaben und effiziente Planungsprozesse konzipiert wurde.

de | wissenschaft | 69897563 |