Ironwood

Ironwood ist ein Computerchip von Google, der eigens für künstliche Intelligenz gebaut wurde. Es ist die siebte Generation einer Chipfamilie, die Google seit rund zehn Jahren selbst entwickelt. Diese Familie heißt TPU, kurz für Tensor Processing Unit. Solche Chips können nur eine einzige Art von Aufgabe, dafür aber extrem gut: sehr viele Multiplikationen und Additionen gleichzeitig ausführen. Genau daraus besteht die Rechenarbeit hinter jedem KI-Modell. Ein normaler Prozessor in einem Laptop kann fast alles, ist bei dieser speziellen Aufgabe aber hunderte Male langsamer.

Warum Google eigene Chips baut

Der Markt für KI-Chips wird bislang von einer einzigen Firma dominiert: Nvidia. Deren Grafikkarten sind knapp und teuer, Lieferzeiten von Monaten sind normal. Wer wie Google riesige Rechenzentren betreibt, gerät damit in eine unangenehme Abhängigkeit. Eigene Chips sind ein Ausweg aus dieser Lage.

Dazu kommt der Stromverbrauch. Ein großes KI-Rechenzentrum verbraucht so viel Energie wie eine Kleinstadt. Die Stromrechnung ist inzwischen ein größerer Kostenblock als der Kaufpreis der Hardware. Google gibt für Ironwood an, ungefähr doppelt so viel Rechenleistung pro Watt zu liefern wie die Vorgängergeneration. Ob dieser Wert in der Praxis erreicht wird, lässt sich von außen kaum prüfen — solche Herstellerangaben beziehen sich meist auf ideale Testbedingungen.

Für Anlegerinnen und Anleger ist Ironwood deshalb vor allem ein Signal. Wenn große Cloud-Anbieter erfolgreich eigene Chips einsetzen, sinkt langfristig ihr Bedarf an zugekaufter Hardware. Genau das macht solche Ankündigungen zu Nachrichten für den Finanzteil, nicht nur für den Technikteil.

Rechnen im Verbund statt im Alleingang

Ein einzelner Ironwood-Chip reicht für ein modernes KI-Modell nicht aus. Die Modelle sind zu groß, um in den Speicher eines Chips zu passen. Deshalb werden tausende Chips zu einem Verbund zusammengeschaltet, im Fachjargon Pod genannt. Google nennt für Ironwood Verbünde von bis zu rund 9.000 Chips, die gemeinsam an einer Aufgabe arbeiten.

Die eigentliche Schwierigkeit liegt nicht im Rechnen, sondern im Datenaustausch. Jeder Chip muss laufend Zwischenergebnisse an seine Nachbarn weitergeben. Ist diese Verbindung zu langsam, warten teure Chips untätig auf Daten. Google verbindet die TPUs deshalb über ein eigenes Netzwerk, bei dem jeder Chip direkte Leitungen zu mehreren Nachbarn hat. Man kann sich das wie ein Gitter aus Straßen vorstellen statt wie eine einzige Hauptstraße, auf der sich alles staut.

Ironwood ist außerdem klar auf eine der beiden KI-Phasen zugeschnitten. Beim Training lernt ein Modell wochenlang aus Beispieldaten. Bei der Inferenz beantwortet das fertige Modell echte Anfragen von Nutzern. Ironwood ist vor allem für die Inferenz optimiert, weil dort Milliarden Anfragen pro Tag anfallen und jede einzelne Geld kostet.

Wo die Chips im Alltag auftauchen

Ironwood-Chips kann man nicht kaufen. Google verkauft sie nicht als Bauteil, sondern nur als Rechenzeit in der eigenen Cloud. Wer sie nutzen will, mietet sie stundenweise über Google Cloud. Das ist ein deutlicher Unterschied zu Nvidia, deren Karten jeder Betreiber in sein eigenes Rechenzentrum stellen kann.

Trotzdem hat vermutlich fast jeder schon mit ihnen zu tun gehabt. Googles eigene KI-Modelle der Gemini-Reihe laufen auf TPUs. Wer die KI-Zusammenfassung über den Suchergebnissen liest oder den Chatbot benutzt, dessen Anfrage wird auf solchen Chips berechnet. Auch andere Firmen mieten die Hardware, darunter KI-Labore, die keine eigenen Rechenzentren betreiben wollen.

In Nachrichtenmeldungen begegnet der Name meist im Zusammenhang mit dem Wettbewerb um KI-Infrastruktur. Amazon entwickelt mit Trainium und Inferentia vergleichbare Chips, Microsoft mit Maia. Ein häufiger Irrtum ist dabei, solche Chips als direkten Ersatz für Nvidia-Hardware zu sehen. Sie ergänzen sie eher: Für den eigenen Bedarf sind Spezialchips günstig, für den freien Markt bleibt Nvidia vorerst gesetzt.