Ein Forschungsteam des Karlsruher Instituts für Technologie (KEIT) hat einen neuen Ansatz für die Laserkommunikation im freien Raum auf Plattformen wie Flugzeugen mithilfe von Glasfaserbündeln entwickelt und validiert. Ziel dieser Forschung ist es, die Herausforderungen hinsichtlich Größe, Gewicht und Energieverbrauch herkömmlicher Lösungen mit mehreren rotierenden Endgeräten zu bewältigen. Die zugehörige Veröffentlichung erschien am 8. September 2025 in der Fachzeitschrift IEEE Quantum Electronics.

Ein gemeinsames Forscherteam des Technion – Israel Institute of Technology und der Shanghai Jiao Tong University in China hat kürzlich Fortschritte in der optischen Untersuchung ungeordneter Nanosysteme erzielt. Sie berichten über ein neues physikalisches Phänomen, den sogenannten Spin-Locking-Effekt, der durch die Brownsche Molekularbewegung verursacht wird. Dieser Effekt ermöglicht die Beobachtung eines geordneten Spinverhaltens von Photonen in scheinbar chaotischen, ungeordneten Systemen. Die Ergebnisse wurden in der Fachzeitschrift *Nature Materials* veröffentlicht.

Die Universität Waterloo hat mit SubTrack++ eine neuartige Trainingsmethode entwickelt, die die Kosten und die Umweltbelastung beim Erstellen von KI-Werkzeugen reduzieren und deren breite Anwendung fördern soll. Große Sprachmodelle (LLMs) als fortschrittliche KI-Systeme waren lange Zeit durch hohe Kosten und enormen Ressourcenverbrauch eingeschränkt, was ihre breite Einführung für die meisten Organisationen – mit Ausnahme großer Unternehmen – erschwerte.

Eine internationale Studie unter Beteiligung des CISPA-Forschers Tẹjúmádé Àfọ̀njá nutzt Essen als Ausgangspunkt, um kulturelle blinde Flecken in Systemen der Künstlichen Intelligenz aufzudecken. Die Forschung stellt einen partizipativen Ansatz vor, um inklusivere Datensätze zu erstellen und Verzerrungen in KI-Modellen zu bewerten. Die Publikation „Global Solution: A Community-Centered, Fine-Grained Framework for Data Collection and Operationalizing Regional Bias“ wurde auf der ACM Conference on Fairness, Accountability and Transparency (FAccT '25) im Juni 2025 in Athen vorgestellt und erhielt

Forscher der Cornell University haben mit XHEMT eine neuartige Transistorarchitektur entwickelt, die das Design von leistungsstarken drahtlosen Elektronikprodukten revolutionieren und die Anfälligkeit kritischer Halbleitermaterial-Lieferketten verringern soll. XHEMT besteht aus einer ultradünnen Galliumnitridschicht auf einem einkristallinen Aluminiumnitridsubstrat mit geringer Defektdichte und einer extrem großen Bandlücke. Dadurch ist der Transistor beständig gegen höhere Temperaturen und Spannungen bei gleichzeitig reduzierten elektrischen Verlusten.

Angesichts des steigenden Strom- und Energiebedarfs von Künstlicher Intelligenz haben Ingenieure der Universität Houston ein neuartiges Dünnschichtmaterial entwickelt. Dieses Material könnte die Betriebsgeschwindigkeit von KI-Geräten erheblich erhöhen und gleichzeitig den Energieverbrauch deutlich senken. Dieser bahnbrechende Erfolg, der in der Fachzeitschrift "ACS Nano" veröffentlicht wurde, stellt ein zweidimensionales dielektrisches Dünnschichtmaterial vor, das darauf abzielt, herkömmliche wärmeerzeugende Komponenten in integrierten Schaltkreischips zu ersetzen.

Ein Forschungsteam der Penn State University hat die Smartphone-App NaviSense entwickelt. Sie kombiniert Anregungen von Menschen mit Sehbehinderung mit künstlicher Intelligenz (KI). Die App unterstützt Sehbehinderte dabei, Objekte in Echtzeit zu orten. NaviSense identifiziert das gesuchte Objekt per Sprachansage und führt den Nutzer mithilfe der integrierten Audio- und Vibrationsfunktionen des Smartphones durch die Umgebung. Im Vergleich zu bestehenden visuellen Assistenzsystemen bietet NaviSense eine deutlich verbesserte Benutzererfahrung.

Ein Forschungsteam des Zentrums für gehirninspirierte Computertechnologie der Universität Twente hat eine neue Methode demonstriert, die es elektronischen Materialien ermöglicht, sich auf maschinelles Lernen-ähnliche Weise anzupassen. Die in *Nature Communications* veröffentlichte Arbeit schlägt eine Methode des physikalischen Lernens vor, die keine Softwarealgorithmen wie die Backpropagation benötigt. Backpropagation, eine zentrale Optimierungstechnik der heutigen KI-Revolution, zeichnet sich durch hervorragende Leistung aus, ist aber extrem energieintensiv, während das menschliche Gehirn für

Die Entwicklung von KI-Systemen steht heute vor der Herausforderung der Skalierung. Um einen schnellen Datenaustausch zwischen den Prozessorchips zu gewährleisten, werden enorme Speichermengen benötigt. Herkömmliche GPUs, die ursprünglich nicht für KI-Modelle konzipiert wurden, benötigen mehrere GPUs, die über Hochgeschwindigkeitsnetzwerke verbunden sind, um große Sprachmodelle (LLMs) zu unterstützen. Dies führt zu langsamen Datenübertragungsraten und hohem Energieverbrauch.

Forschende der Cornell University haben eine neue Strategie für die Entwicklung energieeffizienter optischer Computersysteme entdeckt, indem sie die theoretischen Grenzen des lichtbasierten Rechnens untersuchten. Die in *Nature Communications* veröffentlichte Studie bietet eine innovative Lösung für eine zentrale Herausforderung beim Bau lichtbetriebener Computer: die Miniaturisierung der Geräte für praktische Anwendungen.