Plattform
Plattform-ÜbersichtAI Adoption & Multi-ModellSelbstbefüllendes KI-CRMSales & Branchen CRMSales CRM Use CasesRecruiting CRM Use CasesB2B Kontakt-SucheMulti-Channel-KampagnenProjekte & AufgabenTeam-MessengerSocial Media StudioFunnel & NewsletterMeetings & Terminbuchung
Beratung, Preise & Ressourcen
KI-Transformation & StrategieManaged ServicesAlexander Weltzsch · Executive AdvisoryDennis Hilger · B2B Growth AdvisoryPreise & LizenzrechnerÜber unsKI im UnternehmenTech und KI GlossarLeitfaden für erfolgreiche LandingpagesGeschäftsbedingungen und RichtlinienKontakt & Live-Demo
← Zurück zum Tech und KI Glossar (A–Z)
Tech und KI Glossar · Buchstabe · Buchstabe G

GPU (Grafikprozessor) & TPU (Tensor Processing Unit)

GPU (Grafikprozessor) & TPU (Tensor Processing Unit)

Definition

GPUs (Graphics Processing Units) und TPUs (Tensor Processing Units) sind spezialisierte Prozessoren für hochparallele Matrizen- und Vektorberechnungen, auf denen Machine-Learning-Modelle trainiert und ausgeführt werden.

Erklärung

Klassische Hauptprozessoren (CPUs) besitzen wenige Kerne, die komplexe Befehlsfolgen nacheinander mit geringer Latenz abarbeiten. GPUs verfügen dagegen über Tausende kleinerer Rechenkerne und schnellen Grafikspeicher (VRAM/HBM), um Millionen gleichartiger Gleitkommaoperationen parallel auszuführen. TPUs sind anwendungsspezifische Chips (ASICs) von Google, deren systolische Array-Architektur direkt auf die Matrizenmultiplikationen neuronaler Netze ausgelegt ist. Da beim Training und bei der Inferenz von Sprach- oder Bildmodellen überwiegend große Gewichtsmatrizen verrechnet werden, verkürzen GPUs und TPUs die Rechenzeit von Monaten auf Stunden oder Tage. B2B- und SaaS-Anbieter mieten diese Kapazitäten meist bedarfsgerecht über Cloud-Instanzen oder dedizierte Inferenz-Endpunkte an, wobei Speichergröße (VRAM) und numerische Präzision (etwa FP16 oder INT8) den Durchsatz und die Kosten pro Anfrage bestimmen.