LONDON (IT BOLTWISE) – Jeff Bezos und weitere Top-Investoren stecken 500 Millionen US-Dollar in Flourish, das mit Cortex AI die KI-Hardware-Effizienz über Neurowissenschaften neu denken will. Der Ansatz zielt darauf, Künstliche Intelligenz mit 20 bis 50 Watt laufen zu lassen – damit würde sich der Energiebedarf künftiger Modelle grundlegend vom heutigen GPU-getriebenen Pfad abkoppeln. Statt künstliche Netze nur zu vergrößern, will das Startup neuronale Prinzipien aus der Realität nachbilden. Ob das gelingt, ist ungewiss – die Story trifft aber exakt das drängendste Problem der Branche: die Strom- und Ressourcenkrise.
Jeff Bezos setzt ein Zeichen gegen den derzeit dominierenden KI-Zug: Wer die letzten Jahre verfolgt hat, weiß, dass Fortschritt meist über Skalierung lief – größere Modelle, mehr Daten, immer leistungsfähigere Chips und damit steigende Stromrechnungen. Flourish, ein neuroscience-fokussiertes Startup, macht dagegen eine contrarian Wette: Das Unternehmen hat 500 Millionen US-Dollar bei einer Bewertung von 2,5 Milliarden US-Dollar eingesammelt, unter anderem von Bezos, Lux Capital, GV (dem Venture-Arm von Alphabet) und Catalio Capital. Der Zeitpunkt und die Größenordnung signalisieren nicht nur Kapitalinteresse, sondern auch den Wunsch, ein strukturelles Engpassproblem zu lösen. Genau daran hängt die Plausibilität der ganzen Investition: Energie wird zum limitierenden Faktor.
Technischer Kern des Pitch ist „Cortex AI“. Flourish beschreibt das Ziel als emulationsartige Annäherung an Gehirn-Funktionen, indem echte Neuronen und ihre Verschaltungen untersucht werden – ein Feld, das unter Connectomics bekannt ist. Die Mannschaft spricht dabei von einem „Core Algorithm“, also den grundlegenden Rechenprinzipien, mit denen das Gehirn trotz sehr niedriger Leistungsaufnahme kognitive Aufgaben bewältigt. Der Ansatz verlagert den Fokus von der rein daten- und parametergetriebenen KI-Entwicklung hin zu einer Reverse-Engineering-Logik: Wenn man versteht, wie Effizienz im biologischen System entsteht, ließe sich diese Effizienz in Hardware- und Softwarearchitekturen übertragen. Das ist anspruchsvoll, aber technisch nicht aus der Luft gegriffen.
Die Leistungszahl, die Flourish nennt, lautet 20 bis 50 Watt – grob in der Größenordnung eines Laptops statt eines Rechenzentrums. Damit würde sich das Energieprofil gegenüber heutigen Trainings- und Inferenzpipelines deutlich unterscheiden. Hintergrund ist, dass moderne KI massiv von Matrixmultiplikationen profitiert, die GPUs und spezialisierte Beschleuniger in großen Datenzentren schnell ausführen. Diese Architektur erzeugt jedoch in Summe enorme Lasten: Hunderten von Megawatt beim Betrieb großer Trainingsläufe stehen entlang der Lieferkette auch Infrastrukturthemen wie Kühlung und Wasserverbrauch gegenüber; zusätzlich steigen die Betriebskosten pro Anfrage, wenn Optimierungen nicht Schritt halten. Flourish argumentiert, das Gehirn zeigt eine alternative Antwort, gestützt auf sparse, event-getriebene Signalübertragung, starke Parallelität sowie „Compute near Memory“ statt intensiver Datenverschiebungen.
Im Marktkontext ist diese Wette gleichzeitig ein Echo und ein Gegenentwurf zu mehreren Linien, die sich über Jahre entwickelt haben. Auf der einen Seite investieren große Player weiter in größere Modellgrößen und spezialisierte Beschleuniger; NVIDIA bleibt als Hardware-Ökosystem ein zentraler Hebel, während Google und andere Anbieter in effizientere Rechenpfade und Systemarchitekturen drücken. Auf der anderen Seite existiert seit Jahren der Traum von neuromorphen Ansätzen: IBM hat mit TrueNorth experimentiert, Intel mit Loihi prozessnahes, ereignisgetriebenes Rechnen adressiert. Flourish knüpft an diese Ideen an, versucht aber, den Brückenschlag über Connectomics stärker zu machen. Laut Branchenbeobachtern sei genau das die Frage, die Investoren in dieser Runde stellen: Gelingt eine belastbare Übersetzung biologischer Effizienzprinzipien in maschinen-taugliche Schichten, oder bleibt es bei Forschungsversprechen? Ein Investment-Analyst brachte die Lage sinngemäß auf den Punkt: „Wer die Watt-Zahlen nicht liefern kann, wird in der Praxis bald an der Skalierung scheitern.“
Die entscheidende Marktwirkung wäre zweifach. Erstens würde sich das Wirtschaftlichkeitsmodell verschieben: Wenn Inferenz deutlich weniger Energie benötigt, sinken die Kosten pro Query, und Bereitstellung wird für mehr Unternehmen zugänglich. Zweitens würde sich der Druck auf die Rechenzentrumsinfrastruktur entspannen, was nicht nur für Stromnetze, sondern auch für Standort-Strategien und Kapazitätsplanung relevant ist. Wer heute KI-Produkte baut, muss in der Regel mit Sicherheitsmargen, Lastspitzen und Energiepreisrisiken umgehen; damit steigen indirekt auch Risiken in Service-Level-Verträgen. Drittens eröffnet ein niedrigeres Energieprofil technisch neue Designräume, etwa für Edge-Deployments oder hybride Systeme. Dabei sollte man auch den Vergleich ziehen: Cloud-native Bereitstellung bleibt stark, aber die Kostenkurve entscheidet, ob sich KI-Features flächendeckender in Unternehmensprozesse integrieren lassen.
Gleichzeitig bleibt der „Catch“ prominent: Das Projekt ist frühe, hochriskante Forschung. Neuroscience ist keine Ingenieursdisziplin mit garantiertem Ergebnis, und die Annahme, es gebe einen einzigen „Core Algorithm“, muss sich erst empirisch bewahrheiten. Historisch hat das Feld viele Teilschritte geliefert – etwa über funktionelle Modelle, Spiking-Ansätze oder Grenzfälle des Lernens – aber der Sprung von biologischer Beobachtung zu robustem, schnell trainierbarem und effektivem Hardwarerechnen war bisher nicht trivial. Ebenso gilt: Brain-inspired Computing verdrängte die GPU-getriebene Pipeline nicht durchgehend, obwohl neuromorphe Chips durchaus Fortschritte zeigten. Flourish finanziert damit nicht den „nächsten Release“, sondern eine langfristige Hypothese. Für Unternehmen ist das vor allem ein Signal: Beschaffung und Architekturentscheidungen sollten Diversifikation berücksichtigen, statt nur auf eine Skalierungsachse zu setzen.
Aus Regulierung- und Datenschutzsicht lohnt ein genauer Blick auf den Weg, nicht nur auf das Ziel. Niedrigere Inferenzkosten könnten dazu führen, dass KI-Workloads stärker in firmeneigene Umgebungen wandern, etwa für sensibles Dokumentenprocessing oder zuständigkeitskritische Analysen. Das kann die Compliance-Story verbessern, setzt aber voraus, dass Modelle, Trainingsdaten und Zugriffspfade sauber nach Verordnungslage gesteuert werden – etwa im Kontext von DSGVO, Datenminimierung und Auditierbarkeit. Zusätzlich steigt bei event-getriebenen oder sparsamen Systemen die Relevanz für Logging und Telemetrie: Wer effizient rechnet, muss trotzdem reproduzierbare Entscheidungen gewährleisten, wenn Unternehmen ihre KI-Systeme in Compliance-Prozesse einbetten. In der Praxis bedeutet das: Sicherheitsarchitektur, Rollenmodell und Datenfluss-Design bleiben mindestens so wichtig wie die Watt-Zahl.
Für die Zukunft lässt sich eine realistische Roadmap nur als Mischung aus Forschung und Engineering denken. Wahrscheinlich wird der Weg über schrittweise Demonstratoren führen: erst Nachweise, dass spezielle Berechnungs- oder Lernbausteine unter Budgetgrenzen funktionieren, dann Integrationsschichten für bestehende MLOps- und Deployment-Pipelines. Dabei wird der Wettbewerb nicht nur „Wer hat das bessere Modell?“ heißen, sondern „Wer liefert das besser integrierte System mit planbarer Energie, Latenz und Wartbarkeit?“. Wenn Flourish seine 20–50-Watt-Zielrichtung bestätigt, dürfte der Hebel groß sein: Plattformanbieter und Enterprise-Software-Teams könnten ihre KI-Features mit weniger Infrastrukturabhängigkeit planen. Wenn nicht, bleibt es zumindest eine wertvolle Forschungsrichtung, die den Diskurs über Effizienz und Hardware-Design spürbar verschiebt – und damit die Branche langfristig zwingt, über Stromkosten genauso ernsthaft nachzudenken wie über Trainingsdaten und Benchmarks.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Flourish wirbt mit 20–50-Watt-KI: Bezos setzt auf Brain-Computing statt mehr GPU-Leistung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Flourish wirbt mit 20–50-Watt-KI: Bezos setzt auf Brain-Computing statt mehr GPU-Leistung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Flourish wirbt mit 20–50-Watt-KI: Bezos setzt auf Brain-Computing statt mehr GPU-Leistung« bei Google Deutschland suchen, bei Bing oder Google News!