Neuer KI‑Ansatz aus Graz setzt auf Hirnmechanismen statt großer Netze
Ein Team der TU Graz hat gemeinsam mit internationalen Partnern ein künstliches Intelligenzmodell vorgestellt, das sich an Verfahren und Strategien des menschlichen Gehirns orientiert. Gegenüber den heute üblichen sehr großen neuronalen Netzen verfolgt das System einen anderen Weg: Es nutzt nach Angaben der Forschenden mehrere aus der Neurobiologie abgeleitete Mechanismen, um komplexe Aufgaben zu planen und zu lösen, ohne dauerhaft hohe Rechenleistung zu beanspruchen.
Die Forschenden nennen insbesondere drei Prinzipien als Kernelemente ihres Ansatzes. Diese erlauben dem Modell, mögliche Lösungswege zunächst gedanklich durchzuspielen, Teilprobleme zu zerlegen und ihre Komponenten wiederzuverwenden. Dadurch kann es laut Projektteam flexibler auf neue Situationen reagieren, ohne umfangreiche Nachschulungen.
| Prinzip | Funktion |
|---|---|
| Kognitive Karten | Räumliche und strukturelle Ordnung von Informationen zur Orientierung in komplexen Aufgaben |
| Mentales Durchspielen | Simulatives Prüfen von Handlungspfade ohne vollständiges Durchrechnen jeder Option |
| Modulare Bausteine | Zerlegung von Abläufen in wiederverwendbare Komponenten |
Getestet wurde das Modell bei mehreren Aufgaben. Unter anderem bewährte es sich bei Navigationsproblemen in zwei‑ und mehrdimensionalen Räumen sowie bei Aufgaben, die das Zerlegen und Zusammensetzen komplexer Silhouetten erfordern. Die Ergebnisse zeigten laut TU Graz, dass der Ansatz auch für anspruchsvolle Planungsaufgaben praktikabel ist.
„Das Gehirn arbeitet völlig anders als heutige KI‑Systeme. Wir versuchen, seine Arbeitsweise in Algorithmen zu übersetzen und auf KI‑Systeme zu übertragen“,
so Wolfgang Maass vom Institute of Machine Learning and Neural Computation der TU Graz. Ein weiterer Mitentwickler, Yukun Yang, hebt hervor, dass das Modell nicht ständig neu trainiert werden muss, um sich an veränderte Bedingungen anzupassen.
Konsequenzen für Graz: Energie, Forschungstransfer und Arbeitsplätze
Für Graz hat die Entwicklung mehrere praktische Bedeutungen. Erstens stärkt sie das Profil der TU Graz als Innovationsmotor in der Region, was künftige Kooperationen mit Unternehmen und mögliche Ausgründungen begünstigen kann. Zweitens könnte ein energieeffizienter Ansatz bei KI‑Systemen den Bedarf an Rechenressourcen senken und damit Betriebskosten reduzieren — relevant für lokale Rechenzentren, Start‑ups und Unternehmen, die KI einsetzen.
- Verbesserte Chancen für Technologietransfer und lokale Start‑ups
- Potenzial zur Reduktion des Energieverbrauchs bei KI‑Anwendungen
- Stärkung der TU Graz im internationalen Forschungswettbewerb
Die Forschenden betonen, dass ihr Ansatz nicht als Ersatz für große Sprachmodelle wie ChatGPT gedacht sei, sondern als komplementäre Technologie für Bereiche, in denen effiziente, flexible Planung gefragt ist. Welche konkreten Anwendungen in Graz oder der Steiermark sich daraus zeitnah ergeben, ist noch offen; die publizierten Tests gelten jedoch als ermutigende Vorstufe für weitere Forschung und mögliche praktische Implementierungen.
Für die Stadt und die Hochschullandschaft bedeutet der Befund eine Bestätigung der Forschungsstärke vor Ort: Die TU Graz liefert Ergebnisse, die nicht nur wissenschaftlich relevant sind, sondern auch direkte wirtschaftliche und ökologische Effekte haben können, wenn die Methoden in der Praxis übernommen werden.
