01 Neuromorphes Rechnen ist ein Ansatz in der Computertechnik, bei dem Computerkomponenten nach dem Vorbild von Systemen im menschlichen Gehirn und Nervensystem entwickelt werden. Der Begriff beschreibt die Entwicklung von Software- und Hardwarekomponenten in Computern. Neuromorphes Engineering ist ein anderer Name für neuromorphes Rechnen. Um bioinspirierte Computersysteme und Hardware zu entwerfen, greifen neuromorphe Ingenieure auf verschiedene Fachgebiete zurück, darunter Informatik, Biologie, Mathematik, Elektrotechnik und Physik.Neuromorphe Designs orientieren sich zumeist an Neuronen und Synapsen, den biologischen Komponenten des Gehirns. Denn laut Neurowissenschaftlern sind Neuronen die grundlegenden Bausteine des Gehirns. Informationen werden über Neuronen mittels chemischer und elektrischer Impulse zwischen verschiedenen Hirnregionen und dem restlichen Nervensystem ausgetauscht. Synapsen sind die Verbindungen zwischen den Neuronen. Im Gegensatz zu herkömmlichen Computersystemen sind Neuronen und Synapsen anpassungsfähigere, flexiblere und energieeffizientere Informationsverarbeiter.
August 2025 Innatera stärkte sein Portfolio an neuromorphen Halbleitern durch die Einführung von Prozessoren mit extrem niedrigem Stromverbrauch, die für tragbare Geräte, intelligente Sensoren und Edge-KI-Systeme entwickelt wurden und Echtzeit-Intelligenz bei minimalem Energieverbrauch ermöglichen.
Juni 2026:IBM stärkte seine Initiativen im Bereich des neuromorphen Rechnens durch die Ausweitung der Forschung an vom Gehirn inspirierten KI-Architekturen, die darauf abzielen, Echtzeit-Entscheidungsfindung, energieeffiziente Inferenz und kognitive Computeranwendungen zu verbessern.
März 2026:BrainChip Holdings hat die nächste Generation neuromorpher Akida™-Prozessoren vorgestellt, die sich durch verbessertes On-Device-Lernen, extrem niedrigen Stromverbrauch und eine gesteigerte Edge-KI-Leistung für industrielle, automobile und IoT-Anwendungen auszeichnen.
Dezember 2025:SynSense erweiterte sein Portfolio an neuromorpher Hardware durch die Einführung fortschrittlicher ereignisgesteuerter KI-Chips, die für intelligente Sensorik, Computer Vision und Always-on-Edge-Anwendungen optimiert sind.