Künstliche Intelligenz
Microsoft Azure: KI-Beschleuniger Maia 200 soll Google TPU v7 übertrumpfen
Weiterlesen nach der Anzeige
Der Hyperscale-Clouddienstleister Microsoft Azure kündigt die zweite Generation seines hauseigenen KI-Rechenbeschleunigers an, den Maia 200. Er verarbeitet 10 Billiarden FP4-Werte pro Sekunde (10 PFlops), steuert 216 Gigabyte schnellen HBM3E-Speicher an und lässt sich mit 1,4 TByte/s mit anderen Maia-200-Knoten koppeln.
Mit diesen Eckdaten sowie unter 900 Watt Leistungsaufnahme soll Maia 200 die aktuellen KI-Beschleuniger von Google Cloud (TPU v7) und Amazon AWS (Trainium 3) übertreffen.
Bei einem KI-Beschleuniger, den Kunden nur in Form von Cloudinstanzen mieten können, ist aber vor allem der Preis dafür spannend; den verrät Azure zunächst nicht. Doch Maia 200 soll 30 Prozent mehr Performance pro Dollar liefern.
Maia-200-Instanzen stellt Microsoft zuerst in der Azure-Region US Central bereit, dann folgt US West 3 bei Phoenix/Arizona.
Konkurrenz-Vergleich
Um die Vorteile von Maia 200 zu illustrieren, veröffentlicht Microsoft die folgende Tabelle:
Weiterlesen nach der Anzeige
| KI-Beschleuniger Microsoft Azure Maia 200 im Vergleich | ||||
| Anbieter | Microsoft Azure | Microsoft Azure | Amazon AWS | Google Cloud |
| KI-Beschleuniger | Maia 200 | Maia 100 | Trainium 3 | TPU v7 |
| Rechenleistung BF16 | 1268 TFlops | 800 TFlops | 671 TFlops | 2307 TFlops |
| Rechenleistung FP8 | 5072 TFlops | k.A. | 2517 TFlops | 4614 TFlops |
| Rechenleistung FP4 | 10145 TFlops | k.A. | 2517 TFlops | – |
| TDP (geschätzt) | 880 W | 500 W | 700 W | 1000 W |
| RAM | 216 GByte HBM3E | 64 GByte HBM2E | 144 GByte HBM3E | 192 GByte HBM3E |
| RAM-Transferrate | 7 TByte/s | 1,8 TByte/s | 4,9 TByte/s | 7,4 TByte/s |
| Interconnect | 1,4 TByte/s | 0,6 TByte/s | 1,2 TByte/s | 0,6 TByte/s |
| Fertigungstechnik | TSMC N3P | TSMC N5 | TSMC N3P | TSMC N3P |
| Chipfläche | k.A. | 820 mm² | k.A. | k.A. |
| Angaben von Microsoft Azure, zu Maia 100: Microsoft Azure von der Hot Chips 2024 | ||||
Die zeigt, dass der Maia 200 vor allem beim Inferencing von großen KI-Modellen mit FP4-Gewichten sehr hohe Rechenleistung liefert. Dabei bleibt die Leistungsaufnahme moderat, wobei nicht ganz klar ist, ob sich diese nur auf den KI-Beschleuniger bezieht oder ob auch das High Bandwidth Memory (HBM3E) und die 28 Ethernetports mit je 400 Gbit/s eingerechnet sind.
Auch der Vergleich des ausdrücklich für Inferencing ausgelegten Maia 200 mit dem AWS Trainium 3 – der vor allem aufs Training zielt – wirkt ungenau. Die Daten des seit 2024 in Microsoft Azure buchbaren Maia 100 haben wir ergänzt.
Nvidias aktueller GB200 (Grace Blackwell Superchip) schafft mit Sparsity bei FP4 bis zu 20.000 TFlops, besteht aber auch aus zwei KI-Chips und ist mit rund 1,2 kW Leistung spezifiziert.
Für riesige Modelle
Microsoft Azure betont, dass sich bis zu 6144 Maia 200 zusammenschalten lassen, um auch sehr große KI-Modelle zu verarbeiten. Das Microsoft Superintelligence Team nutze Maia 200 bereits, um synthetische Daten zu generieren sowie für Reinforcement Learning.
Ebenso wie Amazon und Google entwickelt Microsoft seine KI-Beschleuniger nicht komplett selbst. Branchenkenner gehen davon aus, dass Microsoft die Firma Marvell als Entwicklungspartner für Maia bezahlt. Marvell soll auch am AWS Trainium beteiligt gewesen sein, während Google für die TPU wohl Broadcom einspannt. Der taiwanische Entwicklungsdienstleister Alchip soll ebenfalls bestimmte Chips für AWS entwickelt haben.
(ciw)
Künstliche Intelligenz
Meta Quest: Neuer Algorithmus macht VR-Spiele flüssiger
Meta hat einen neuen Frame-Timing-Algorithmus für Horizon OS eingeführt: FrameSync soll für ein flüssigeres Spielerlebnis mit oftmals höheren Bildraten und einer geringeren Verzögerung zwischen einer Kopfbewegung und ihrer sichtbaren Umsetzung in Virtual Reality sorgen. Ruckler, tiefe Bildraten und eine hohe Latenz gehören zu den häufigsten, aber längst nicht einzigen Auslösern für VR-bedingtes Unwohlsein, gemeinhin auch Motion Sickness genannt.
Weiterlesen nach der Anzeige
FrameSync ersetzt PhaseSync, den bisherigen Frame-Timing-Algorithmus, der vor über fünf Jahren für Meta Quest 2 eingeführt wurde. Entwickler können den neuen Algorithmus bereits mit ihren Apps ausprobieren, mit dem nächsten Betriebssystem-Update soll er automatisch für alle Apps im Horizon Store zur Anwendung kommen. Nutzer sollten damit unmittelbar von der Neuerung profitieren.
Ein möglicher Nachteil von FrameSync ist eine leicht höhere Auslastung von CPU und GPU, schreibt Meta. Das könne sich je nach Anwendung und Spieldauer geringfügig auf die Akkulaufzeit und die temperaturbedingte Leistungsdrosselung des Geräts auswirken. Aus diesem Grund können Entwickler FrameSync für ihre Apps manuell deaktivieren. Laut Meta sollten jedoch die meisten Anwendungen insgesamt von der neuen Technik profitieren.
Was ist FrameSync?
Frame-Timing-Algorithmen wie FrameSync und PhaseSync sorgen dafür, dass Rendering, Tracking und Bildausgabe zeitlich möglichst genau aufeinander abgestimmt werden.
Setzt die Berechnung eines Bildes zu früh an, kann es sein, dass es abgeschlossen und ausgegeben wird, bevor das System die neuesten Trackingdaten berücksichtigen kann. Das kann wiederum dazu führen, dass zwischen einer Kopfbewegung und ihrer Darstellung im Bild eine sichtbare Latenz entsteht. Die Funktion von FrameSync und PhaseSync besteht demnach darin, den richtigen Zeitpunkt für die Berechnung eines Bildes vorherzusagen und diese entsprechend zu verzögern.
heise online XR-Briefing abonnieren
Jeden zweiten Montag, liefern wir Ihnen die wichtigsten Entwicklungen der XR-Branche. Damit Sie alles im Blick behalten.
E-Mail-Adresse
Ausführliche Informationen zum Versandverfahren und zu Ihren Widerrufsmöglichkeiten erhalten Sie in unserer Datenschutzerklärung.
Die alte und die neue Synchronisierungstechnik unterscheiden sich laut Meta darin, dass FrameSync den richtigen Renderzeitpunkt eines Bildes statistisch robuster vorhersagen kann.
Weiterlesen nach der Anzeige
Dadurch sollen auch sogenannte „stale frames“ vermieden werden. Dabei handelt es sich um Bilder, die das System mehr als einmal anzeigt, weil das nächste Frame nicht rechtzeitig berechnet werden konnte. Für den Spieler äußert sich das durch ein Ruckeln in der Bewegung. Durch eine genauere Vorhersage soll dieses Phänomen seltener auftreten und die Reaktionsfähigkeit des Systems insgesamt steigen.
(tobe)
Künstliche Intelligenz
Interview: Wie Hirnstimulation Depressionen lindert
Depressionen zählen zu den häufigsten psychischen Erkrankungen – allein in Deutschland sind jährlich über fünf Millionen Menschen betroffen. Doch nicht alle sprechen auf Antidepressiva an, und viele brechen die Therapie wegen Nebenwirkungen ab. Eine Alternative kann die transkranielle Gleichstromstimulation (tDCS) bieten, die bereits seit 1990 in anderen Kontexten im medizinischen Einsatz ist, vor allem in Kliniken und Forschungszentren.
Weiterlesen nach der Anzeige
Doch „Flow FL-100“, ein Medizinprodukt der Klasse IIa, soll die Stimulationsmöglichkeit ins heimische Wohnzimmer bringen. Es soll gezielt den präfrontalen Kortex stimulieren und so depressive Symptome lindern. In den USA hat die FDA das Gerät als erstes verschreibungspflichtiges Heim-Headset für Depressionen zugelassen. Über Flow haben wir mit Phil Ritter gesprochen, dem Geschäftsführer der deutschen Flow-Neuroscience-Tochter.

Phil Ritter ist Geschäftsführer der deutschen Tochter von Flow Neuroscience.
(Bild: Ritter)
tDCS ist in der klinischen Forschung seit über 20 Jahren bekannt. Warum bringen Sie diese Technologie jetzt als Headset für den Heimgebrauch?
Unser Ziel war es, das Gerät zugänglicher zu machen. Wir sehen tDCS als den „kleinen Bruder“ der transkraniellen Magnetstimulation (TMS), die man nur in Kliniken mit großen Geräten durchführen kann. Die Versorgungslage bei psychischen Erkrankungen ist angespannt: Wartezeiten auf Therapieplätze sind lang, und Medikamente sind nicht für jeden die richtige oder alleinige Lösung. Wir wollten eine Brücke bauen. Das Headset ermöglicht es Patienten, eine evidenzbasierte, klinische Methode sicher und eigenständig zu Hause anzuwenden – ohne monatelang auf einen Termin warten zu müssen.
Ein häufiges Missverständnis ist, dass solche Technologien herkömmliche Therapien oder Antidepressiva komplett ersetzen sollen. Ist das Ihr Ziel?
Nein, das nicht. Die Depression ist eine komplexe Erkrankung mit vielen Ursachen. Es gibt nicht die eine Wunderwaffe. Wir positionieren Flow ganz bewusst als weitere Säule im Behandlungsspektrum. Es kann als Monotherapie eingesetzt werden, aber wir sehen in unseren Daten, dass es auch in Kombination mit Antidepressiva oder Psychotherapie sehr effektiv ist – die Remissionsraten steigen in der Kombination sogar.
Weiterlesen nach der Anzeige
Es geht uns darum, Ärzten und Patienten ein weiteres Werkzeug an die Hand zu geben. Wenn ein Patient beispielsweise aufgrund von Nebenwirkungen keine Medikamente nehmen möchte oder kann – etwa bei Kinderwunsch oder wegen Libidoverlust –, bieten wir eine chemiefreie Alternative. Aber wir wollen die Pharmakotherapie nicht verdrängen, sondern das therapeutische Angebot sinnvoll erweitern.
Sie sind aktuell als Medizinprodukt zur Behandlung von Depressionen zugelassen. Im Gespräch erwähnten Sie aber auch Effekte auf Schlaf und Konzentration. Wo geht die Reise hin?
Wir nutzen zur Verlaufskontrolle die sogenannte MADRS-Skala (Montgomery-Åsberg Depression Rating Scale). Diese fragt nicht nur die Stimmung ab, sondern auch Faktoren wie Schlaflosigkeit, Konzentrationsfähigkeit, innere Unruhe und Appetit.
Wir sehen in den Daten, dass die Stimulation des präfrontalen Kortex durch tDCS oft positive Effekte genau auf diese Bereiche hat: Patienten berichten, dass sie besser schlafen oder sich wieder fokussieren können. Das ist für uns ein starkes Signal für die Zukunft. Wir investieren derzeit massiv in die Forschung, um zu prüfen, ob wir die Wirksamkeit auch isoliert für Angststörungen, Schlafprobleme oder Konzentrationsschwächen belegen können. Aktuell sind wir ein reines Depressions-Therapiegerät, aber langfristig sehen wir das Potenzial, auch diese komorbiden Symptome gezielt anzugehen.
Das klingt nach einer Bewegung in Richtung „Health & Wellness“ und Selbstoptimierung. Verschwimmen da die Grenzen?
Die Grenze zwischen Medizinprodukt und „Health & Wellness“ wird in den nächsten fünf bis zehn Jahren sicherlich unschärfer werden. Wir haben uns aber ganz bewusst für den härteren, medizinischen Weg entschieden. Wir hätten das Gerät auch als Lifestyle-Gadget für „besseres Denken“ vermarkten können. Aber wir wollten die wissenschaftliche Seriosität.
Patienten mit psychischen Leidensdruck brauchen Sicherheit, keine leeren Versprechen. Wenn wir irgendwann Claims zu Schlaf oder Konzentration machen, dann nur, wenn wir dafür dieselbe harte Evidenzbasis haben wie jetzt für die Depression.
Allein der Akt, sich jeden Tag 30 Minuten Zeit für sich selbst zu nehmen, das Gerät aufzusetzen und der Anleitung in der App zu folgen, etabliert eine positive Routine. Für Menschen in einer depressiven Episode, denen oft jegliche Struktur entgleitet, ist das enorm wertvoll. Es ist eine Form der Selbstwirksamkeit: „Ich tue aktiv etwas für meine Genesung.“ Dieser verhaltenstherapeutische Aspekt unterstützt die neurophysiologische Wirkung des Stroms.
Sie arbeiten an einer Weiterentwicklung der Technologie, die das Gehirn nicht nur stimuliert, sondern auch „liest“.
Richtig. Unser langfristiges Ziel ist eine noch stärkere Personalisierung. Wir arbeiten an der Integration von EEG-Technologie in das Headset. Die Idee ist, dass das Gerät die Hirnströme messen kann, um vorhersagen zu können, wie gut eine Person auf die Stimulation ansprechen wird.
Aktuell wissen wir meist nach der dreiwöchigen Aktivierungsphase, ob die Therapie anschlägt – bei etwa 77 Prozent ist das der Fall. Mit EEG-Daten und KI-Unterstützung könnten wir diesen „Response“ vielleicht schon viel früher erkennen oder das Stimulationsprotokoll individuell anpassen. Das würde die Behandlung noch effizienter und zielgerichteter machen.
Wie sieht es mit der Kostenerstattung aus?
Aktuell zahlen Patienten die rund 459 Euro meist selbst. Wir arbeiten intensiv daran, in die Regelversorgung zu kommen. In Großbritannien ist der NHS schon weiter und setzt Flow in vielen Bereichen ein. In Deutschland sind wir in Gesprächen mit dem G-BA (Gemeinsamer Bundesausschuss) und Krankenkassen. Das System hier ist etwas langsamer und prüft derzeit, ob noch spezifische Erprobungsstudien für den deutschen Markt nötig sind, obwohl die internationale Datenlage – unter anderem durch eine große Studie in Nature Medicine – sehr eindeutig ist.
Wir hoffen aber, dass wir langfristig eine Kassenleistung werden. Bis dahin setzen wir auf Mietmodelle und Kooperationen mit Kliniken, um den Zugang so niedrigschwellig wie möglich zu halten.
(mack)
Künstliche Intelligenz
Hinter der Milchstraße versteckt: Supercluster Vela deutlich größer als gedacht
Eine von der Milchstraße verdeckte gigantische Struktur aus unzähligen Galaxien ist viel größer und massereicher als angenommen. Das haben Beobachtungen mit zwei Observatorien in Südafrika ergeben, die unsere Vorstellung vom Supercluster Vela deutlich präzisieren. Diese Ansammlung mehrerer Galaxienhaufen ist demnach von vergleichbarer Größe wie der Supercluster Shapley und vereint mehr Masse in sich als Laniakea. Das ist der Supercluster, in dem sich die Milchstraße befindet. Rund 800 Millionen Lichtjahre von uns entfernt ist Vela 300 Millionen Lichtjahre lang und vereint rund 30 Millionen Milliarden Sonnenmassen in sich, erklärt die Forschungsgruppe. Die haben der Struktur den Spitznamen „Vela-Banzi“ gegeben, der Zusatz bedeutet in der südafrikanischen Sprache isiXhosa „weitreichend offenlegend“.
Weiterlesen nach der Anzeige
Massereicher als unser eigener Supercluster
Der Supercluster oder auch Supergalaxienhaufen Vela ist besonders schwer zu erforschen, weil er sich aus unserer Perspektive genau hinter der Milchstraße befindet. Deren Sterne und interstellarer Staub verhindern, dass wir auf etwa 20 Prozent des Nachthimmels einen guten Blick hinter unsere Heimatgalaxie werfen können. Das erschwert es auch, ein umfassendes Verständnis von unserer Nachbarschaft und größerer Strukturen im Universum zu bekommen. Für ihre Arbeit hat die Forschungsgruppe um Amber Hollinger von der Université Claude Bernard Lyon 1 mehr als 65.000 Distanzmessungen zu Galaxien und 8000 zur Rotverschiebung ausgewertet. Die Daten stammen demnach vom Southern African Large Optical Telescope (SALT) und dem Radioteleskop MeerKAT.
Herausgekommen ist bei der Analyse, dass Vela eine komplexe interne Struktur aufweist und aus zwei dichten Kernen besteht, die sich aufeinander zubewegen, erklärt das Team. Mit ihrer enormen Masse beeinflussen Supercluster wie Vela großflächige Verschiebungen von Materie im Universum. Die Analyse vervollständigt auch unser Bild des lokalen Universums, das demnach aus neun solchen Superclustern besteht. Unser eigener wurde erstmals 2014 beschrieben, die beiden nächsten heißen Perseus und Pisces. Die neue Beschreibung des Superclusters Vela wurde zur Veröffentlichung im Fachmagazin Astronomy & Astrophysics eingereicht.
(mho)
-
Künstliche Intelligenzvor 2 MonatenSchnelles Boot statt Bus und Bahn: Was sich von London und New York lernen lässt
-
Social Mediavor 2 WochenCommunity Management und Zielgruppen-Analyse: Die besten Insights aus Blog und Podcast
-
Social Mediavor 4 WochenCommunity Management zwischen Reichweite und Verantwortung
-
Künstliche Intelligenzvor 3 Wochen
Top 10: Die beste kabellose Überwachungskamera im Test – Akku, WLAN, LTE & Solar
-
Künstliche Intelligenzvor 3 MonatenDigital Health: „Den meisten ist nicht klar, wie existenziell IT‑Sicherheit ist“
-
Social Mediavor 3 MonatenDie meistgehörten Gastfolgen 2025 im Feed & Fudder Podcast – Social Media, Recruiting und Karriere-Insights
-
UX/UI & Webdesignvor 1 MonatEindrucksvolle neue Identity für White Ribbon › PAGE online
-
Künstliche Intelligenzvor 3 MonatenEMEC vereint Gezeitenkraft, Batteriespeicher und H₂-Produktion in einer Anlage
