FP64-Emulation
FP64-Emulation bezeichnet eine Technik, bei der ein Computerchip sehr genaue Rechenoperationen mit 64-Bit-Gleitkommazahlen nachahmt, obwohl er diese nicht direkt in Hardware beherrscht. Sie ist ein wichtiger Kostenfaktor beim Betrieb von KI-Modellen und wissenschaftlichen Simulationen.
Computer rechnen intern mit Zahlen, die als lange Ketten aus Nullen und Einsen gespeichert sind. Je mehr Stellen eine solche Kette hat, desto genauer ist das Ergebnis. FP64 steht für „64-Bit-Gleitkommazahl“ — eine Zahl mit sehr vielen Nachkommastellen, die in 64 solcher Stellen codiert ist. Manche Chips können FP64-Rechnungen direkt in ihren Schaltkreisen ausführen. Andere Chips, besonders solche, die für KI gebaut wurden, sind dort schwächer ausgestattet. FP64-Emulation bedeutet: der Chip täuscht diese Fähigkeit nach, indem er mehrere einfachere Rechenoperationen hintereinander ausführt, die zusammen das gleiche Ergebnis liefern wie eine echte FP64-Rechnung.
Präzision als knappe Ressource
Ob ein Chip mit 64 oder weniger Stellen rechnet, klingt nach einem technischen Detail. In der Praxis entscheidet es darüber, ob bestimmte Berechnungen überhaupt sinnvoll durchführbar sind. Physik-Simulationen, Wettermodelle und Finanzberechnungen verlassen sich auf FP64, weil sich kleine Rechenfehler über viele Schritte aufaddieren und das Ergebnis sonst unbrauchbar machen.
KI-Training dagegen kommt häufig mit weniger genauen Zahlen aus — dort reichen 16 oder 32 Bit meist. Deshalb bauen Hersteller wie Nvidia ihre KI-Chips so, dass sie bei niedrigerer Genauigkeit sehr schnell sind, bei FP64 aber absichtlich langsamer. Wer auf solchen Chips trotzdem FP64 braucht, muss emulieren — und bezahlt dafür mit Geschwindigkeit.
Wie ein Chip höhere Genauigkeit nachahmt
Eine 64-Bit-Zahl lässt sich in zwei 32-Bit-Zahlen aufteilen, die zusammen die gleiche Information tragen. Der Chip addiert, multipliziert oder dividiert dann diese beiden Hälften separat und setzt das Ergebnis hinterher korrekt zusammen. Das nennt man „Double-Single-Arithmetik“ oder allgemeiner „Software-Emulation“.
Der Preis dafür ist erheblich. Statt einer einzigen Rechenoperation braucht der Chip je nach Verfahren vier bis acht. Ein Chip, der bei echter FP64-Hardware vielleicht zehn Prozent seiner theoretischen Maximalleistung einbüßt, kann bei Emulation auf ein Fünftel oder weniger der Geschwindigkeit fallen. Für wissenschaftliche Rechenzentren, die Tausende solcher Operationen pro Sekunde brauchen, ist das ein massiver Unterschied in Betriebskosten und Laufzeit.
Wichtig: Das Ergebnis ist rechnerisch identisch mit einer nativen FP64-Rechnung — es ist keine Annäherung. Emulation bedeutet „nachahmen“, nicht „schätzen“. Der Unterschied liegt ausschließlich im Tempo, nicht in der Korrektheit.
FP64-Emulation in der Chipindustrie und in den News
Der Begriff taucht vor allem auf, wenn neue KI-Chips vorgestellt werden. Analysten prüfen dann im Datenblatt, wie hoch die native FP64-Leistung eines Chips ist — und ob er diese Zahl nur durch Emulation erreicht. Nvidias H100-Chip zum Beispiel ist bei FP64 deutlich leistungsfähiger als ältere KI-Chips, weil er FP64 nativ unterstützt. Sein Nachfolger B200 bewirbt dagegen vor allem niedrigere Genauigkeitsstufen, was zeigt, dass der Markt für KI-Training andere Prioritäten setzt als die Wissenschaft.
Cloud-Anbieter wie Amazon Web Services oder Google Cloud verkaufen Zugang zu verschiedenen Chip-Typen. Für Kunden aus der Forschung — etwa Universitäten oder Pharmaunternehmen — ist die FP64-Leistung ein zentrales Kaufkriterium. Wer versehentlich einen KI-optimierten Chip für wissenschaftliche Simulationen bucht, landet ungewollt in der Emulation und wundert sich über unerwartet lange Rechenzeiten.
Ein häufiger Irrtum ist die Annahme, FP64-Emulation sei ein Fehler oder eine Notlösung minderer Qualität. Sie ist in Wirklichkeit eine bewusste Designentscheidung: Chipentwickler opfern FP64-Geschwindigkeit zugunsten von mehr Transistoren für KI-spezifische Operationen. Für den richtigen Einsatzzweck ist das sinnvoll — man muss nur wissen, welchen Chip man wofür braucht.