TU Graz: KI-Modell denkt wie ein Gehirn

Forschende der TU Graz haben gemeinsam mit der Tsinghua University und dem Nationalen Forschungsrat Italiens ein neuartiges, vom menschlichen Gehirn inspiriertes KI-Modell vorgestellt. Es kann flexibel planen und komplexe Probleme lösen - bei einem wesentlich geringeren Energieverbrauch als mehrschichtige neuronale Netze oder große Sprachmodelle. Die Ergebnisse wurden 2026 im renommierten Fachjournal Nature Machine Intelligence unter dem Titel „Neural sampling from cognitive maps enables goal-directed imagination and planning" veröffentlicht.

Das Gehirn als Maßstab

Das menschliche Gehirn gilt als zentraler Benchmark für die Grazer Forschungsgruppe: Es kommt mit lediglich rund 20 Watt aus - ein Wert, den heutige KI-Systeme bei vergleichbaren Aufgaben um ein Vielfaches überschreiten. Wolfgang Maass, Key Researcher im Exzellenzcluster Bilateral AI und Forscher am Institute of Machine Learning and Neural Computation der TU Graz, bringt das Ziel der Gruppe auf den Punkt: „Das Gehirn arbeitet völlig anders als heutige KI-Systeme. Wir versuchen, seine Arbeitsweise in Algorithmen zu übersetzen und auf KI-Systeme zu übertragen."

Das neue Modell stützt sich auf drei biologisch inspirierte Mechanismen: kognitive Karten, die eine Orientierung in komplexen Zusammenhängen ermöglichen, das Durchspielen verschiedener Lösungswege sowie das Zerlegen von Informationen in Bausteine, die bei Bedarf neu kombiniert werden. Dieser Ansatz ermöglicht es dem System, zielgerichtet zu planen, ohne dabei auf rechenintensive Architekturen angewiesen zu sein.

Neuromorphe Hardware als nächster Schritt

Die Energieeffizienz gehirninspirierter Systeme zeigt sich nicht nur auf Algorithmenebene. Forschende der TU Graz und Intel Labs haben experimentell nachgewiesen, dass ein großes neuronales Netz Sequenzen auf neuromorpher Hardware um das Vier- bis Sechzehnfache effizienter verarbeiten kann als auf herkömmlicher Hardware. Mike Davies, Direktor des Intel Neuromorphic Computing Lab, hält fest: „Unsere Arbeit mit der TU Graz liefert weitere Beweise dafür, dass die neuromorphe Technologie die Energieeffizienz heutiger Deep-Learning-Workloads verbessern kann."

Langfristig könnten solche Systeme in Robotern, autonomen Fahrzeugen oder anderen sogenannten Edge-Geräten zum Einsatz kommen - überall dort, wo KI direkt vor Ort mit begrenzter Energiequelle arbeiten muss.

Graz als KI-Forschungsstandort

Der lokale Forschungskontext ist beachtlich: Die ELLIS Unit Graz, angesiedelt an der TU Graz und eng mit dem Graz Center for Machine Learning (GraML) verbunden, forscht in den Bereichen Brain-inspired Machine Learning und Resource-efficient Deep Learning. Seit September 2025 ist sie Mitglied im European Lighthouse on Secure and Safe AI (ELSA) und in zwei europäische Lighthouse Projects eingebunden. Das Institut für Theoretische Informatik der TU Graz blickt auf mehr als 20 Jahre Grundlagenforschung zu Spiking Neural Networks zurück - eine Expertise, die heute in mehrere Projekte zur energieeffizienten, gehirninspirierten Hardware einfließt. Mit der Publikation in Nature Machine Intelligence festigt Graz seinen Ruf als einer der führenden KI-Forschungsstandorte Österreichs.