So funktioniert In-Memory-Computing | Bit-Rauschen 2026/17

00:00:00: Herzlich willkommen zu Bittrauschen, der Prozessor-Podcast von CT.

00:00:04: Heute geht es um Speicher – der Daten nicht bloß speichert, sondern auch damit rechnen kann!

00:00:10: Das klingt jetzt erstmal speziell bis unsinnig, kommt aber tatsächlich schon zum Einsatz, nämlich bei KI Chips oder eher Machine Learning Chips für die In-Ear-Kopfhörer.

00:00:20: Es gibt aber auch noch viele andere spannende Ideen für selbstrechnende Speicherchips und über die sprechen wir.

00:00:43: Mein Name ist Carsten Spille.

00:00:44: Heute spreche ich mit meinen CT-Kollegen Christoph Winnig über In Memory Computing.

00:00:49: Moin, Christoph!

00:00:50: Ja hallo Carsten und nachdem wir dir alles geklärt haben mit deinem Notebook sehe ich dich jetzt auch gut aber

00:01:00: genau.

00:01:03: Ich habe eben das Schlagwort schon mal reingeworfen in memory computing.

00:01:07: kannst du mal kurz beschreiben was es bei in memory computer anders als bei ja?

00:01:13: Ich sag mal normalen Computern.

00:01:16: Ja klar, ist ganz einfach.

00:01:17: bei In-Memory Computing rechnet eben nicht der Prozessor sondern der Speicherchip.

00:01:25: Also braucht man dann einfach keinen Prozessor mehr.

00:01:27: das ist ja easy und der Podcast ist jetzt zu Ende.

00:01:30: nein im Ernst kannst du das nur ein klein wenig ausführlicher beschreiben?

00:01:34: Es

00:01:35: ist natürlich etwas vertragter.

00:01:38: Viele unserer Zuhörerinnen und Zuhöhrer denken bei Computer vermutlich an Einen typischen X-Achzig PC oder ein Notebook, vielleicht auch eine ARM CPU oder ein Smartphone.

00:01:53: Da sind die Aufgaben klar verteilt, die sind ja im Grunde recht ähnlich aufgebaut von einer, wenn man jetzt mal so von der inneren Systemarchitektur drauf schaut.

00:02:04: also ich habe einen Prozessor da steckt ein Speicherkontroller drin das heißt irgendein Ding was die physisch die elektrischen Signale zu den Speicherchips sendet.

00:02:16: Den Prozessor nennen wir auch auf CPU, der kann mehrere CPU-Kerne haben.

00:02:20: Da drin sitzen die eigentlichen Rechenwerke oder auch so Caches, die als Zwischenpuffersch dienen.

00:02:29: Aber vor allem steuert die CPU über den Speicherkontroller, der ganze Programmcode, das Betriebssystem und die Software, die da draufläuft.

00:02:38: Die betrachten den Arbeitsspeicher einfach Dumm Speicher, man kann sich das vorstellen wie so ein Blatt Papier.

00:02:46: Das kann irgendwie nix außer speichern.

00:02:50: Diese Speicherzellen sind ja... Kann man das sagen?

00:02:53: Dass es Zustandsmaschinen sind.

00:02:54: vielleicht kann man das so sagen dass heißt die haben keine eigene Intelligenz oder irgendwie Controller sondern die stellen einfach nur diese riesigen Speicherfelder bereit und diese ganze Adressierungslogik, die ist ziemlich trivial.

00:03:08: Also da heißt es jetzt adresse ihre Spalte dann kommt die Spaltenadresse, adresse Ihre Zeile, dann kommen die Zeilenadresse Lese oder Schreibe und dann holen sie die Daten aus diesen Zellen über ihre Schreibleseverstärker oder schreiben die da eben rein und eigene Intelligenz besteht da nicht.

00:03:27: das heißt Und genau das ist beim in Memory Computing eben anders.

00:03:32: Da wird der Speicher und es ist ein großer Weiterbegriff, da gibt's.

00:03:36: deswegen machen wir ja auch diese Podcastfolge weil es so viele verschiedene Ideen dahintage.

00:03:41: noch ganz viele Ideen bitte.

00:03:43: wer wird also doch noch ein bisschen länger als die ersten drei Minuten?

00:03:46: er wird noch länger genau.

00:03:47: Das heißt grundsätzlich ist erst mal so die speichert chips oder dass ramm oder Es geht sogar teilweise um flaschspeicher hat selbst irgendwelche rechenfunktion.

00:03:58: das is Eigentlich ist der große Gedanke, und der ... ja.

00:04:03: Der ist halt radikal anders als bei den Computern mit denen wir so jeden Tag umgehen.

00:04:08: Okay also ich hab' den Speicher.

00:04:09: da ist quasi wie ein Blatt Papier, Zeile sieben, Spalte fünf, da steht dann keine Ahnung ein B oder irgendwas.

00:04:16: Das wird dann eingelesen und mehr kann das Papier nicht.

00:04:19: Aber wieso soll der Speicher jetzt auch noch rechnen?

00:04:22: Oder sich selbst beschreiben oder was auch immer?

00:04:25: Ja weil das vor allem weil das Energie spart aber auch weil das Zeitspart und den eigentlichen Prozessor entlasten kann.

00:04:33: Und daraus kann sich am Ende eine Beschleunigungswirkung ergeben, wobei wir immer ... beide sind ja Fans davon dass man nicht von Videobeschleuniger zum Beispiel spricht, weil... Ich finde das immer sehr lustig, weil die Videos ja nicht schneller laufen sollen als man sie gucken will.

00:04:54: Also die jungen Leute gucken ja YouTube dann mit eins Komma fünf facher Geschwindigkeit oder so.

00:04:58: aber wir gucken eher mit normaler Geschwindigkeiten.

00:05:01: Das heißt diese Analogie ist Ja es ist irgendwie ein Videobeschleuniger also Es ist eigentlich eine Hardware Einheit zum Video-Decoding in diesem Fall, mit einer beliebigen Geschwindigkeit aber eben unabhängig vom Prozessor.

00:05:15: Ein bisschen so kann man sich in Memory Computing dann vorstellen.

00:05:18: das heißt eine bestimmte Funktion wird gleich im Ram oder im Flashspeicher oder im Spezialspeicher erledigt und das ist dann zB energetisch besser oder es geht schneller.

00:05:30: oder ja es gibt sogar ganz neue Methoden die so auf dem Prozessor gar nicht möglich wären.

00:05:39: Und diese ganzen Rechenwerke von denen du eben gesprochen hast, die kann man jetzt einfach quasi ins Ram packen sozusagen.

00:05:47: Es geht nicht nur um Ram aber im Prinzip kann man das machen.

00:05:54: genau.

00:05:55: ich wollte noch einen Grundgedanken dazu packen.

00:05:57: also wenn es um Ram geht da trifft was besonders zu.

00:06:04: Also in Memory Computing kommt ja auch hoch, weil es bestimmte KI oder eher Machine Learning Anwendungen gibt wobei das vorteilhaft ist.

00:06:11: Aber wenn wir jetzt mal von KI reden, ist glaube ich manchen bewusst dass es dabei ja oft um wahnsinnig schnellen Speicher geht also dieses High Band with Memory HBM und sehr viel Speicher und das haben wir aber in diesem Podcast schon glaube Dreißigmal gesagt, das ist so eine.

00:06:28: Aber man muss es immer wieder dazusagen der Transport von Daten also die Datenübertragung selbst auf so kurzen Strecken zwischen Rechenwerk und CPU kann mehr Energie verschlingen als die eigentliche Berechnungen von Daten.

00:06:42: Zwischen Rechenwerken

00:06:43: und Speicher meintest du?

00:06:45: Zwischenrechenwerke und Speichern?

00:06:47: Entschuldigung ja.

00:06:48: Und das heißt da Das ist zum Beispiel ein Aspekt von in memory computing dass man wenn man die Daten eben sozusagen gar nicht bewegt, das stimmt natürlich nicht genau.

00:06:58: Also man bewegt sie jedenfalls nicht aus diesem Speicher-Chip hinaus dann ist das energetisch günstiger.

00:07:07: Okay und warum macht man das schon?

00:07:15: Das klingt ja jetzt sehr naheliegend eigentlich und das weiß ich auch schon eine ganze Weile.

00:07:20: Und wie kommt es dass wir da jetzt erst hinkommen?

00:07:24: Warum macht man?

00:07:25: Ich meine sogar, es gab schon mal so was in der Art früher.

00:07:29: Ja das gibt's immer wieder!

00:07:30: Das ist wirklich nicht neu.

00:07:31: ich glaube es ist schon irgendwie... ich hatte es glaube ich vorher nachgeguckt aber gerade vergessen.

00:07:36: Es sind irgendwie dreiß Jahre her oder sowas oder sogar noch länger dass man diese Ideen hatte.

00:07:40: Ich meine früher hat man ja da war ein Prozessor ja gar nicht unbedingt aus einem Chip aufgebaut ganz früher.

00:07:47: So wie wir heute immer denken.

00:07:49: und ja Gott Wenn man jetzt ein Cash betrachtet, der im Prozessor sitzt... Also die Grenzen sind ja teilweise fließend.

00:07:57: Das ist ja das Problem auch im Moment weil unter KI alles mögliche einem verkauft werden soll was bei genauere Betrachtungen eigentlich alte Ideen sind.

00:08:08: Ist aber für diese Betruchtungsweise egal.

00:08:10: also ich glaube dass Hauptproblem bei in-memory computing relativ unflexibel, das ist halt wie bei diesen.

00:08:18: vielleicht ist deswegen das Beispiel mit dem Video-Decodern in Hardware gar nicht so schlecht.

00:08:22: Da haben wir ja auch das Problem dass es ein bisschen One Trick Ponies sind.

00:08:25: also One Trick ist zu wenig gesagt aber die können halt nur ein bestimmtes Profil von Videos von Videocodex dekodieren und eben nicht wie im Software alle möglichen beispielsweise.

00:08:38: Und wenn man jetzt anfangen würde in den Speicher Chip ein Altsberg-Rechenwerk zu bauen, was alles Mögliche kann.

00:08:46: Dann ist man ja wieder genau bei dem Problem der CPU.

00:08:51: Also typischerweise ist es so dass man ganz bestimmten hochoptimierten Rechenaufgaben in dieses wenn ich jetzt RAM ist zum Beispiel einbaut auch weil für RAM ganz andere Transistortypen verwendet werden.

00:09:06: also das muss ja auch wirtschaftlich sinnvoll sein hat man nicht diese Flexibilität.

00:09:10: Es geht typischer Weise um Spezial Berechnungen und da haben wir immer das Problem, dass das dauert ja alles mit der Entwicklung.

00:09:19: Ich muss eigentlich auch bestimmte Protokolle und Code und sowas entwickeln dafür.

00:09:23: Das ist völlig anders als wir es im Moment sehen.

00:09:26: also ein normales Betriebssystem kann mit in-memory Computing erstmal gar nichts anfangen wie des Rahmen kann jetzt rechnen Wie geht es überhaupt?

00:09:34: D.h.

00:09:34: Da ist eine ziemlich große Hürde bis man das überhaupt einführt.

00:09:38: Also es steht auch nicht in dem Sinne vor der Tür, dass man jetzt plötzlich rechnende RAM-Module einfach in seinen Rechner stecken kann und dann ist der für sich prozent schneller oder sowas sondern das geht wirklich um Spezialanwendung.

00:09:50: Und Es gibt die Beispiele die es gibt Jetzt bei den rechnenden RAM Chips da gibt's das sind alles noch Prototypen bei diesen also klassisches D-Ram Chips mit Mit zusätzlichen Rechenwerken drin Da gibt´s von Samsung zum Beispiel schon seit einigen Jahren Prototypen, aber das sind alles.

00:10:11: Grunde kann man nicht an normale Prozessoren anschließen sondern immer an diese Hardware programmierbaren Chips dieser FPGAs.

00:10:18: darüber haben wir auch schon mal eine Folge gemacht.

00:10:19: ja wo ich halt sehr spezielle Algorithmen einbauen kann und die ganz die zum Beispiel auch ihren Speicherkontroller selbst komplett umprogrammieren können oder der Entwickler jedenfalls.

00:10:33: also insofern ist das alles noch relativ speziell.

00:10:37: Du hast eben Protokolle erwähnt.

00:10:40: Gibt es die denn schon oder muss man die auch noch jetzt erst entwickeln?

00:10:43: Oder wäre man da zumindest bereit, jetzt loszulegen?

00:10:47: Also ich habe mich ein bisschen eingelesen für natürlich.

00:10:51: Wir bereiten uns ja auf die Folgen vor und erzählen sich einfach von der Leber weg!

00:10:55: Und es gibt viele lange Forschungsberichte zu diesem RAM Computing in Memory das heißt ja manchmal auch Processing in memory oder PIM oder PIM, ich weiß gar nicht wie sie es da dann sagen.

00:11:07: Da habe ich aber keine Standardprotokolle gefunden.

00:11:09: Aber es gibt eine Spezialanwendung das ist das Computational Storage.

00:11:15: Das heißt also SSDs mit Rechenfunktionen und dafür gibt's tatsächlich eine Spezifikationserweiterung für dieses Non-Volatile Memory Express Also NVMe Und da kann man einem bestimmten...da gibts ein Protokoll wie man da Befehle übertragen kann

00:11:36: Wo du es jetzt gerade schon erwähnt hast Computational Storage, das hört man ja auch im KI-Umfeld immer öfter.

00:11:43: Und kannst du da ein paar konkrete Beispiele nennen und welche erklären was das für Vorteile bringen könnte?

00:11:49: Also nicht speziell auf KI sondern auf Computational storage bezogen.

00:11:54: Bei der SSD kann man finde ich sogar besonders verständlich zeigen was in Memory oder near memory Computing bringen kann.

00:12:03: Aber dazu muss ich ein bisschen ausholen, wie so oft.

00:12:05: Da muss man erstmal überlegen was passiert denn wenn du an deinem Computer sagst zum Beispiel ich will ein bestimmtes Textabschnitt in einen Haufen Textdateien suchen.

00:12:18: also es gibt ja zb im PDF Reader da eine Funktion verzeichnisch durchsuchen oder sowas voller PDF.

00:12:25: das heißt der Computer soll jetzt In mehreren Dateien, die in einem Verzeichnis liegen.

00:12:31: Zum Beispiel eine Zeichenkette suchen.

00:12:33: also zum Beispiel was weiß ich?

00:12:35: Christophindex sage ich jetzt mal ganz

00:12:37: zufällig aus dem Tipps

00:12:38: genau das tippste dann da ein und sagst hier dieses verzeichnissen durch suchen.

00:12:43: Und was passiert wenn der jetzt nicht schon als so?

00:12:46: Die Windows Suchfunktion hat ja einen index gebildet und würde das jetzt ganz schnell finden.

00:12:50: Das macht sie im Hintergrund.

00:12:51: aber was sie dann tut ist Sie muss er jetzt jede Datei erstmal lesen.

00:12:57: Der Computer ist ja logisch, um zu wissen was da drin ist.

00:13:01: Was bedeutet für den Computer?

00:13:03: Den klassischen Computer mit dem Prozessor, dem RAM und PCI Express.

00:13:07: Daran hängt jetzt meine SSD.

00:13:09: Da liegt das Verzeichnis und da sind die Daten drin.

00:13:12: Das heißt, dass Programm nutzt dann diese Standardfunktionen des Betriebssystems kommt in der File Allocation Table nach auf der SSD.

00:13:19: Ja wo sind denn die Dateien?

00:13:20: also welche Blöcke gehören denn zu den Dateien, die ich durchsuchen soll?

00:13:25: Und dann lädt es mühsam jeden Block jeder Datei einzeln in das RAM, denn der Prozessor kann ja nur im RAM arbeiten.

00:13:34: Also er arbeitet nicht wirklich im RAM sondern der muss die Sachen erst mal im RAM haben um sie über seine Caches und Rechenwerke und da diesen Zeichenkettenvergleich zu machen.

00:13:44: Das ist ein irrsinniger Aufwand, d. h., der Prozessor ist beschäftigt, das RAM ist beschäftigte PCI Express ist beschäftige und die SSD relativ langen Zeitraum bis all diese Dateien eingelesen wurden durch das RAM geflutscht sind, durch den Prozessor geflutzt und dann kommt raus ja in der Datei war zum Beispiel jetzt im Briefkopf mit meinem Namen drauf.

00:14:06: So bei Computational Storage.

00:14:09: also ich glaube nicht dass das wirklich der Anwendungsfall ist aber der gedachte Anwendung ist.

00:14:13: beispielsweise wäre die CPU sagt über diese Protokollbefehle Hallo SSD sucht doch mal bei dir selber Ob Christopher finde irgendwo in einer Datei steht, die du gerade selber gespeichert hast und dann macht das die SSD.

00:14:29: währenddessen kann der Prozessor weiterrechnen.

00:14:31: Das RAM bleibt frei Und wenn das gefunden wurde dann sagt die SSD hier interrupt.

00:14:37: Hallo über den Treiber Ich habe was gefunden und schickt da nur die Daten Die relevant sind.

00:14:45: Das ist der ganze witz und So ähnlich kann man sich eben auch processing in memory generell vorstellen.

00:14:52: Das heißt, ich kann zum Beispiel so eine Vergleichsoperation machen.

00:14:56: Und das Sparthalt kann man an dem Beispiel auch schön zeigen.

00:14:59: Also es spart nicht nur diesen ganzen Rechenaufwand beim Prozessor sondern ist ja auch Energie.

00:15:06: Ich mache Rechenleistung frei und es ist eben wesentlich weniger komplex von dem Ablauf, wenn das erstmal läuft.

00:15:14: Denn deswegen habe ich das auch so ausführlich erklärt da muss ja ein riesiger Sack an Treibern der Datei-Systemtreiber der PCI-XPS-Treiber in Falle im E-Treiber die App usw.

00:15:25: Es muss alles aktiv sein und geladen werden.

00:15:28: also es gibt davon die Firma Thomas Gren.

00:15:31: Da gibt's einen der hat mal diesen Linux Treiberstack führt Storage aufgemalt, also für jeden der sich mal mehrere Stunden philosophisch mit einer wirren Grafik beschäftigen will.

00:15:46: Das ist wirklich irre wie viel Aufwander getrieben wird.

00:15:49: das heißt also das Potenzial ist sehr groß bei dieser Auslagerung dieser Speicheroparation und dem Rechen im Speicher.

00:15:59: Okay das klingt ja erstmal eigentlich vielleicht nicht unbedingt naheliegend, aber schon recht sinnvoll das so zu vereinfachen auf diese Art und Weise.

00:16:07: Gibt es schon SSDs die das auch nutzen oder ist das jetzt noch eine reine Protokollgeschichte?

00:16:13: Ja da ist irgendwie der Haken, das scheint irgendwie doch sehr unflexibel zu sein.

00:16:18: oder der Fall in dieser Reinform kommt selten vor.

00:16:20: ich weiß offen gestanden nicht wo die Hirren sind.

00:16:23: also ich stecke dann nicht so tief drin.

00:16:26: Aber es gab Prototypen und Vorführungen.

00:16:30: Da gibt's ja immer diesen Flash-Memory Summit, der nicht mehr so heißt.

00:16:32: Der heißt jetzt Future Memory Summit.

00:16:36: Der war gerade glaube ich wieder.

00:16:38: Und nachdem ist da so ein gewissen Hype gab... Ich sag mal schätzungsweise vor fünf Jahren ist es erstaunlich ruhig geworden.

00:16:44: also keine Ahnung ob das in irgendwelchen Spezialdatenbanksystemen oder sowas oder Speichersystem zum Einsatz kommt aber so in die breite Masse ist das nicht geraten.

00:16:56: Okay, schade eigentlich.

00:16:58: Gibt es denn überhaupt irgendwas was in Memory Computing schon benutzt oder wo das benutzt wird?

00:17:04: Ja und genau deswegen bin ich eigentlich darauf gekommen dass wir diese Folge machen müssen Denn mir war das überhaupt nicht bewusst dass es sogar schon länger im Einsatz ist Und zwar von zwei chinesischen Herstellern Die für die chips für in ihr Kopfhörer machen.

00:17:26: Und das hört sich jetzt erstmal total irre an.

00:17:29: Genau, genau und zwar erst haben wir es nicht verstanden Dann kam raus dahinter steckt dass also die.

00:17:38: es gibt eine us-amerikanische firma die heißt microchip Das ist ein bisschen verwirrend das ist wie mikron für deram.

00:17:45: die findet man immer nicht wenn man sich da nicht so auskennt weil idiotischer generischer name von großer hersteller die schon alles mögliche auch geschluckt haben.

00:17:53: Und zum Beispiel, die Firma Silicon Storage Technology SST, die sagte mir dunkel was?

00:17:58: Die gab's vor ein paar Jahren hatten die mal glaube ich SSD-Kontrolle auch gemacht.

00:18:03: Beziehungsweise die haben eben Technik für zur Ansteuerung von Flash Speicher relativ weit unten also dicht am... Ich sag mal dicht an der Speichercelle gemacht.

00:18:15: Und die haben eine Technik entwickelt, die nennt sich Membrane natürlich.

00:18:18: Also man merkt schon es geht in Richtung KI oder Machine Learning und so?

00:18:22: Ja also nicht wie die Membran sondern wie das Speichergehirn Membranes.

00:18:26: Genau

00:18:26: Memorybrains sozusagen!

00:18:30: Die nutzen leicht modifizierte Nordflash-Speicherzellen.

00:18:36: für SSDs nutzt man Nendflash.

00:18:38: Das Nordflasch ist sowas was typischerweise der kleine Speicherchip für den Bioscode auf Mainboards.

00:18:44: Das ist heutzutage immer noch Nordflash, weil das bestimmte Vorteile hat im Zugriff je nach Zugriffsmuster.

00:18:52: und die modifizieren diese Nordflasch-Speichercellen so dass sie als analoge Rechenwerke funktionieren können.

00:18:59: Und das sind winzige Chips die ganz wenig Energie brauchen und bestimmte Machine Learning Algorithmen eben sehr effizient ausführen können

00:19:12: quasi in Memory Computing und dann gleichzeitig noch Analog.

00:19:16: Das ist ja schon echt die Soterisch, würde ich sagen oder?

00:19:20: Ja aber es ist bei näherer Betrachtung liegt das eigentlich nahe.

00:19:25: Da gab's mal so eine Firma, die nannten sich Mystic, die haben glaube ich schon zwei tausend achtzehn auf dieser Hotchips Konferenz das vorgestellt.

00:19:32: da konnte ich mir gar nichts runter vorstellen.

00:19:34: damals habe ich nicht verstanden analoges rechnen in Memory.

00:19:40: Die nutzen aber jetzt auch diese Membrane Technik, die sind glaube ich mit ihrer eigenen Technik nicht so richtig.

00:19:45: Das haben vielleicht falsch gedacht.

00:19:47: also das ist ja auch immer das Problem an diesen Sachen da was neu zu erfinden für den Massenmarkt ist sehr schwer.

00:19:53: Da muss die Idee schon super gigantisch toll sein sonst sind die Optimierung bestehender Sachen ganz oft besser.

00:19:59: jedenfalls um zu der eigentlichen Technik zu kommen.

00:20:03: es ist gar nicht so abweglich.

00:20:04: nachdem ich es dann mal verstanden hatte Der speichert ja Daten, also es gibt ja gar keine digitale Speicherung.

00:20:14: Es sei denn du sagst jetzt ich haue einzelne Nullen auf dem Blatt Papier oder sowas und rechnet dann selber das Binärsystem um.

00:20:21: aber selbst da ist es hier eigentlich die Tinte auf dem Papier, die speicherte also.

00:20:25: letztlich Ist das alles sozusagen irgendwie elektrisch beziehungsweise analog Also einfach in Ladung gespeichert.

00:20:33: Und wenn man sich jetzt vorstellt so eine multilevel Cellflash also wir denken erst mal immer ein einziger eins oder null pro Speicherzelle.

00:20:41: Das heißt, da sind so und so viel Elektronen drin dann messe ich zum Zeitpunkt des Auslesens, messe sich einfach die Spannung über einen Widerstand zb der sich da ergibt und wenn das mehr als Null Komma Null Soviel Volt ist, dann sag' ich es ist ne Eins Und Wenn's darunter liegt ist es nur Null.

00:21:00: Das ist ja der eigentliche Speichervorgang und das ist ja ein analoger Auslesevorgang.

00:21:07: Also ich messe einfach eine Ladung, indem mich die Spannung Messe, die da an einem bestimmten Widerstand entsteht.

00:21:14: Und jetzt gibt es aber ja Multi-Level Cell Flash!

00:21:17: Das heißt alle unsere SSDs heutzutage sind ja typischerweise... wie heißt das TLC?

00:21:23: Triple Level Cell oder Quad Level Cell sogar?

00:21:27: Das heißt die Zelle kann drei Bit speichern, das ist sehr verwirrend weil es dann eigentlich viel mehr als Triple Level sondern sind halt zwei Hochdreie also acht Zustände und das bedeutet hier nichts anderes als dass der Schreibleseverstärker beim Messen acht verschiedene Spannungen unterscheiden kann.

00:21:47: Das heißt es ist eigentlich ein kleines wie so ein kleites Multimeter was da etwas auslesen kann?

00:21:53: Und wenn ich jetzt digitale Daten analogisiere, indem ich sie in bestimmte Spannungsniveaus umwandle und dann in so eine Fläschzelle mit reinschreibe wo zum Beispiel schon vorher was eingespeichert war nämlich.

00:22:09: Und jetzt kommt es ein Gewicht für einen Filtervorgang und ich addiere dann sozusagen Analog noch Null Komma Eins Volt drauf und kann das nachher wieder auslesen Dann habe ich den ganz entscheidenden Schritt von bestimmten Machine Learning Algorithmen schon erledigt.

00:22:27: Ja und so funktioniert das.

00:22:29: Und, dass ist natürlich super unflexibel weil ich nicht beliebige Matrix Multiplikationen machen kann sondern ich kann halt nur in dieser Zelle das da irgendwie aufadieren wieder abadieren und es muss alles passen.

00:22:42: Das muss eine gewisse Busbreite haben

00:22:43: usw.,

00:22:44: aber es gibt eben Embedded Anwendungen wo das halt so funktioniert?

00:22:49: Und das ist gerade...und das war das was bei mir da hat's so click gemacht!

00:22:53: Ich habe so ein bisschen mit Audiodaten Verarbeitung also.

00:22:59: Also ich habe eigentlich keine große Ahnung aber ich hab mir das schon öfter mal Gedanken drum gemacht und es ist halt kein Zufall dass sie das für ihn erst benutzen, weil erstmal braucht man da relativ wenig Daten also das ist gar nicht viel Speicherplatz die der verwenden.

00:23:13: und dann habe ich eigentlich ein relativ Niederfrequentes Signal ne?

00:23:18: Ich habe dazu zum Beispiel wenn ich jetzt nur sechzehn bitt nehme wahrscheinlich sind das sogar nur acht bitt denn es geht dabei oft darum die Signale des eingebauten Mikrofons zu filtern, um das Sprechersignal vom Hintergrund geräuscht zu trennen.

00:23:36: Dann habe ich zum Beispiel, sagen wir mal da reichen vielleicht acht oder zwölf Bit und ich kaste das mit vierzig Kilo Hertz ab Da bin ich dann bei forty bis achtundachtzig Kilobyte pro Sekunde.

00:23:47: Ja, das ist natürlich für den Flaschbeicher keine mörderische Datentransferrate.

00:23:51: Das schafft auch noch so ein Nordflash und die wollen erst im nächsten Schritt zum Beispiel Videodatenverarbeitung machen aber nicht im Sinne dass sie acht K-Videos vom Fernseher verbessern wollen sondern dass sie eben von einer Webcam irgendwie Objekterkennung oder sowas machen wollen.

00:24:06: Und auch das sind keine gigantischen Datenraten also... ...das geht dann eben in Memory.

00:24:13: Okay, also das sind dann jetzt die In-Memory Chips in diesen Ear-Cop-Förern genutzt werden.

00:24:21: Und gibt es noch andere Chips, die sowas machen oder dieser Art?

00:24:26: Also ich habe da nicht viel gefunden.

00:24:28: Das war vor allem diese Video... also bisher Audiodatenverarbeitung wobei man sich klarmachen muss.

00:24:36: Die nehmen das digitale Mikrofon signal haben Die Gewichte des KI-Algorithmus auch digital vorliegen.

00:24:49: Analogisieren beide Dinge, verknuseln sie in diesem Norflesch miteinander und am Ende kommt sozusagen das gefilterte Signal dabei raus.

00:24:58: Das wollen Sie dann auch für Video machen.

00:25:00: da kenne ich aber noch keine Anwendungen.

00:25:02: also das war da erst auf der Webseite.

00:25:04: sind aber drei Firmen die wir gefunden haben also erstmal diese Membrine dann diese Mythic und Sintient.

00:25:12: Und wie hießen die anderen?

00:25:13: Genau, das war diese Marke Anker.

00:25:17: Die kennen glaube ich manche von den USB-C-Netzteilen bei Amazon, sind die groß geworden und sie haben aber mittlerweile eine eigene Entwicklungsabteilung anscheinend und wollen sich so einen Chip sogar bauen lassen speziell für ihre Anwendungen.

00:25:30: Man kann sich ja vorstellen dass da zum Beispiel je nachdem welches Mikrofon man dann nimmt oder ob man die Funktion mit was anderem zusammenschaltet Kann man sich hervorstellen, dass ein speziell angepasster Chip sich lohnt.

00:25:44: Das sind riesen Stückzahlen.

00:25:46: Es kommt auf jedes Mikrowatt an was ich verbrauche.

00:25:50: Aber für andere Anwendungen ist es mir jetzt noch nicht so aufgefallen das ist jetzt diese Art der Datenverarbeitung schon gäbe.

00:25:58: aber wie gesagt Embedded bedeutet ja immer es kann irgendwo schon längst zum Einsatz kommen und wir wissen's halt noch nicht.

00:26:04: Eingangs hatten wir ja auch über DRAM, also klassischen Arbeitsspeicher mit Rechenfunktionen gesprochen.

00:26:09: Gibt's da denn schon was?

00:26:11: Du werdet ihr jetzt gerade die Nordflash-Zellen bei In-Ear-Kopfhörern, aber das klassische DRAM gibt es da schon in Memory Computing oder auch nur Prototypen...

00:26:23: Also es gibt Prototypem, aber Anwendungen habe ich noch nicht gefunden und keine Massenfertigung.

00:26:31: Es gibt von Samsung, hat mehrere Ansätze gefahren vor.

00:26:36: also die ersten Ideen.

00:26:38: Ah ja hier sind ja meine Notizen!

00:26:40: Die ersten Idein gab es, in der ich am California Institute of Technology bin.

00:26:46: Und da haben Leute den Caltech, also California Institute on Technology.

00:26:51: Da haben wir ein paar Physiker der Caltech.

00:26:54: Den Caltech Cosmic Cube aus sixty vier Intel-Rechnern gebaut bei denen je sechs miteinander als Hyper-Würfel oder Hypercubes irgendwie verschaltet waren, das war schon so eine In-Memory Anwendung.

00:27:08: Also

00:27:08: d.h.,

00:27:08: es ist jetzt etwas nach zehn Jahren her ungefähr.

00:27:16: Man kann natürlich wenn man jetzt ganz isoterisch drauf guckt sagen Wenn ich mir ein Supercomputer heute angucke auf einer groben Ebene Die bestehen ja immer aus einzelnen Knoten und das sind ja eigentlich Da ist immer sehr viel Speicher drin auch und Prozessor also man kann noch so bisschen sagen, naja.

00:27:36: Was is in memory computing?

00:27:38: aber im Sinne von einem einem Ram mit Rechenfunktion.

00:27:42: vor zwölf Jahren hatte Michael mal dieses Automata processor des Automator Bestands ist der englische Name das ich vergesse es jedes Mal wieder für einen Zustandsautomaten oder endlichen Automaten ist glaube ich der Fachbegriff.

00:27:58: Das waren modifizierte D-Ramchips, wo jede Zeile des Speicherfelds wie ein Rechenelement für Mustererkennung nutzen dies.

00:28:10: Also man gab es sozusagen einen Muster rein und das war dann so ein Mustervergleichswert.

00:28:16: Und Samsung, das hatte ich vorhin schon erwähnt dieses Processing in Memory Pim.

00:28:21: Das haben die in einem High Bandwidth Memory für KI gebaut Das ist aber nur bisher in Form, glaube ich durch so eine FPGA-Ansteuerung.

00:28:31: Also im Versuchsstadium

00:28:33: habe ich

00:28:33: es noch nicht gehört und... Ich könnte mir vorstellen dass auch diese NPUs, diese Neural Processing Units die haben ja so Scratchpad Memories und so schon drin also sie brauchen ja einen relativ großen Puffer das man da Dass diese dieser Art Rechenwerke, diese einfachen Matrix Multiplizierer für nicht sehr viele verschiedene Zahlenformate oder Datenformate muss man ja nicht eher sagen.

00:29:03: Das es da weitergeht.

00:29:04: also Dann gibt's noch eine Firma.

00:29:06: die hatten die waren wohl letztes Jahr schon auf der auf der Hotchips sensor glaube ich das sind Techniker oder Experten Die vorher sowohl bei Samsung als auch bei SK Heinecks war also bei den größten Dram Herstellern in der Welt.

00:29:21: Die haben da sowas gemacht, dass so eine PCI Expresskarte, wo man das eben auch solche Rechenfunktionen macht.

00:29:28: Aber wie gesagt, so richtig weit in der Praxis ist es noch nicht.

00:29:34: Okay und gibt's dann doch noch andere Ansätze für Computing im Memory oder?

00:29:42: Ja, es gab mal so ne Präsentation mit AMD und Samsung.

00:29:52: auch mal öffentlich vorgeführt ist aber wieder stiller geworden.

00:29:56: Es ist aber auch so, KI verändert sich halt rasend schnell.

00:30:01: also ich bin ja nicht so der wir beide sind ja nicht die super KI Software Experten.

00:30:06: also wir können zwar aufmalen wie diese Matrix Multiplikation blockweise ungefähr in so einer NPU funktioniert da kommt dann nachher noch ein Gewicht dazu und bei es Und es gibt große Matrix-Multiplizierer, aber wir sind also ich persönlich war zumindest überrascht von dieser Agentec AI wo's jetzt wieder sehr viel mehr um CPU Performance geht.

00:30:29: Es kann sein dass es schwierig ist eben diese richtige Balance zu treffen zwischen Speicherkapazität, Speichergeschwindigkeit und Rechenleistung der Rechenwerke damit einem das dann in dem Algorithmus überhaupt was nutzt.

00:30:49: Ich finde es sehr, sehr schwierig.

00:30:52: Forschungsmäßig gibt's wieder sehr viel.

00:30:54: also das taucht immer mal wieder auf und mit allen möglichen innovativen Rammtypen, ja Ramm kann man gar nicht sagen, Speichertypen.

00:31:03: Also unser Ex-Kollege Peter König und ich, wir hatten lange einen internen Witz.

00:31:09: Wann der Nächste irgend welches neuen Memristor vorstellt?

00:31:14: Das ist ja jetzt so fünfzehn Jahre her.

00:31:16: da hat doch HP die Forschungsabteilung von HP ganz groß erzählt sie hätten jetzt das fehlende vierte Element nach was ist es denn immer?

00:31:25: Widerstand, Induktivität, Kapazitivität und dann eben also Kondensator.

00:31:31: Und der Mem-Ristor, also der veränderliche Widerstand.

00:31:35: Und damit kann man alles die tollsten Sachen angeblich machen.

00:31:38: Also man kann den in Richtung wie so neuronale Synapsen modifizieren weil der... In dem Moment wenn er Remanent seinen Widerstand verändert, also durch einen Impuls zum Beispiel.

00:31:53: Dann habe ich ja eine Information sowohl gespeichert als auch habe ich hier verarbeitet nicht unbedingt aber ich kann die so verschalten dass es wie eine Verarbeitung ist und das gibt's auch ein bisschen aber auf der Ebene von M-Ram.

00:32:06: also da sind immer extrem komplexe Ansätze wo mir nicht so richtig klar ist wo man das in der Praxis tatsächlich sinnstiftend einbauen könnte.

00:32:16: deswegen finde ich das Beispiel mit diesen In-Ear Kopfhörern so spannend, das ist ein Riesenmarkt von den Stückzahlen her.

00:32:25: Also man macht sich nicht klar wie viele Kopfhörer verkauft werden und da lohnen sich solche kleineren Innovationen schnell wenn der Chip halt sehr billig ist.

00:32:35: und es ist natürlich auch viel billiger so einen kleinen Chip zu entwickeln als riesem Prozessor.

00:32:40: also da kann diese relativ kleine Innovationen sehr viel bringen.

00:32:43: aber man sagt so achso das ist ja nur so quasi Filterbaustein.

00:32:49: Aber wie gesagt, es gibt sehr viele Ansätze.

00:32:51: Aber da in großen Sachen, in großen, sagen wir den, wem heißt man die Killer Anwendung?

00:32:57: Die sehe ich noch nicht

00:32:58: so.

00:33:00: Bei diesen In-Ear-Kopfhörern ist ja auch jedes, weiß ich nicht, Femtojoule oder... Also wie weit wir darunter gehen was wir sparen besonders wichtig weil da einfach gar kein Platz für große Akkus ist.

00:33:15: Auf den Aspekt würde ich gerne nochmal eingehen.

00:33:17: Du hattest auch vorhin gesagt, das haben wir ja schon öfter mal thematisiert, dass abgekürzte Wege beim Speicher beziehungsweise jeder Speicherbewegung die man nicht durchführen muss, auch Energie spart?

00:33:29: Kann man das ungefähr abschätzen wie viel Energie sich durch in Memory Computing sparen ließe?

00:33:36: Nein!

00:33:36: Nicht pauschal.

00:33:37: also das kann man nur bei der jeweiligen Anwendung machen Und da wäre ich sowieso immer sehr vorsichtig.

00:33:44: Also das ist ja so, dass in der... Wenn man so Wissenschafts- und Meldungen in der, ich sag mal, der allgemeinen Presse liest oder für die breitere Öffentlichkeit dann kommt mir gleich Sparzone, so viel Prozent usw.

00:33:58: Das hat sich ja so oft als Quatsch rausgestellt.

00:34:00: also ich nehme mal eine Analogie aus dem ganz anderen Bereich.

00:34:04: unsere Kollegin Sabrina macht ja sehr viel zu quanten rechnern und da heißt es auch immer so jetzt ist das schneller als.

00:34:12: also jetzt kommt dieser berühmte quanten überlegenheit.

00:34:15: Und dann haben die ja dann immer so trigger.

00:34:18: also diese quanten algorithmen funktionieren ja oft ganz anders, als diese klassischen die dann auf normalen binärprozessoren gerechnet werden?

00:34:27: Und dann hat sich schon glaube ich zwei drei mal rausgestellt ah Ja wenn man diesen neuen rechenweg geht dann geht es jetzt auch auf den Als kultprozessoren sozusagen so ähnlich.

00:34:38: ja und ein bisschen ist es hier halt auch, so wenn ich jetzt mit dem existierenden chip vergleiche Sonst hätte das die firma anchor bestimmt nicht gemacht.

00:34:46: also dass ist offensichtlich effizienter oder kann vielleicht auch mehr.

00:34:52: Aber ob man nicht einen anderen maßgeschneiderten chip mit einer anderen technik hätte genauso Hintbiegen können dass er noch sparsamer wird Das steht auf einem völlig anderen Platt.

00:35:03: und das ist gerade das Schwierige bei diesen Embedded Anwendungen, dass es extrem schwer zu sagen.

00:35:08: Also das würde ich so nicht sagen Aber das ist sowieso ein Riesenproblem bei all diesen Ankündigungen.

00:35:14: natürlich jeder hat eine tolle Idee Wenn er so einen neuen Chip auf den Markt bringt, sonst würde das ja nicht machen.

00:35:22: Und typischerweise haben die aber irgendwelche... Die kommen immer aus irgendeiner speziellen Ecke also zum Beispiel von der Uni und haben an irgendwas geforscht und sind auf diese Idee gekommen und sucht dann eben breitere Anwendungen.

00:35:34: weil nur mit einer Idee ist es meistens nicht getan und dann nennen sie halt Zahlen oder ziehen Vergleiche die bei genauerer Betrachtung irgendwie schief sind.

00:35:45: Manchmal wollen sie auch das, worum es eigentlich geht gar nicht genau verraten.

00:35:49: Weil das ein wichtiger Kunde ist!

00:35:51: Da wollen Sie nicht dass eine andere auf die Idee kommt.

00:35:53: also ich finde das immer sehr schwierig und gerade bei KI eben sehr sehr ärgerlich weil wenn wir über diese super effizient Mini Chips im Mikrowatt Bereich sprechen dann wird immer so getan als könnte jetzt in Memory Computing irgendwie ja KI und wir reden bei KI Rechenzentren von Gigawatt immer so ein bisschen das so da hingelabert, als hätte das irgendwas miteinander zu tun.

00:36:18: Aber ja eben also man kann diese Chips da nicht für einsetzen und auch das ganze Prinzip darauf gar nicht anwenden weil die ganzen Algorithmen, die in diesen Rechenzentren laufen einfach was völlig anderes tun, was völlig Anderes rechnen.

00:36:32: Ja und vor allen Dingen, das muss man vielleicht auch mal an dieser Stelle sagen.

00:36:35: Wir reden immer wenn wir über Energie sparen reden heißt es ja nicht dass irgendwie das nächste Rechenzentrum dann nur noch zweihundert statt fünfhundert Gigawatt braucht sondern das wird dann ja direkt wieder genutzt um den Prozessor mit mehr Watt zu befeuern wenn wir jetzt im Speicher dreißigwatt sparen oder sowas

00:36:52: Genau, weil wir noch in dieser Entwicklungsphase sind wo die KI-Modelle ja auch immer noch größer werden und die Anzahl der potenziellen Nutzer immer noch grösser.

00:37:02: Das ist ja gerade eines der Probleme an diesem Markt weswegen man ja immer denkt es könnte eine Blase sein Weil ja von einem irrsinnigen Wachstum ausgegangen wird was noch gar nicht bewiesen ist Und wie er uns in so nem Wettrennen befinden zwischen Ich sag mal zu reichen Firmen Die da Risikokapital reinfeuern als eine Wetter auf die Zukunft.

00:37:21: Wir sehen ja dann eben, also es gibt ja so genannte Rebound Effekte auf mehreren Ebenen.

00:37:27: Wir sehen das jetzt zum Beispiel beim Auto auch.

00:37:31: Also ich habe einen VW-Bus zum Beispiel und bin schon früher VW BUS gefahren.

00:37:37: Wenn ich denke dass dieser Olle Tee Drei sich bis zu sechzehn Liter Benzin reingepfiffen hat und der Neue braucht irgendwie den kann ich mit sieben halb Liter Diesel fahren, obwohl er fast doppelt so schwer ist ein riesen fettes Teil.

00:37:53: Ja dann fährt man wieder mehr Kilometer oder es gibt eben ständig mehr Autos in Deutschland.

00:37:57: ja also das hat man die ganze Zeit.

00:38:01: Dass es diese Kai überhaupt gibt liegt ja daran, dass es immer effizienter wird und das ist überhaupt erst möglich wird so viele Chips in einen Schrank zu rammen.

00:38:09: Und solange wir in dieser Aufbauphase sind, wird das auch noch so sein.

00:38:12: Erst wenn sich dann mal wirtschaftlich sehr ertragreiche Algorithmen eingesprungen haben, dann wird es vermutlich also dann könnte eine Phase kommen wo dann diese Effizienz sie auch wirklich ingängere in geringeren Verbrauch niederschlägt, so wie wir das im Grunde beim Cloud Computing ist mein Eindruck möglicherweise in bestimmten Bereichen schon haben.

00:38:36: Also es ist natürlich selbstverständlich so dass ein gleichbleibender Algorithmus der jetzt auf einem modernen Prozessor läuft da tatsächlich weniger Energie braucht.

00:38:47: Aber meistens, das kennen wir ja auch von unserer privaten Software wird die Software halt immer fetter.

00:38:52: Wir sehen den Effekt tatsächlich durch die längere Haltbarkeit von Desktop-PCs und Notebooks also seit diesen Betriebssystemen Anforderungen nicht mehr hochgehen.

00:39:01: aber in der Phase sind wir bei KIA noch lange nicht.

00:39:05: Wir hatten vorhin drüber gesprochen, also du hattest das erklärt.

00:39:09: Das ist da ja auch die Anforderung zwischen KI oder beziehungsweise in Memory Computing in so ja mikroskopischen Skalen wie in ihr Kopfhörer bis zum Rechenzentrum dass das schon eine riesige Spanne ist.

00:39:29: Könntest du da noch mal vielleicht drauf eingehen?

00:39:31: Zum Schluss was da technisch gesehen jetzt der große Unterschied ist, was aus Sicht von in memory computing?

00:39:40: Ja das ist ja eigentlich gar nicht so kompliziert nur sagt es niemand dazu.

00:39:45: Im Rechenzentrum da will ich riesige Modelle mit mehreren hundert Milliarden Gewichten also KI-Modelle mit Gewichten betreiben auf die auch noch Tausende von Nutzer gleichzeitig zugreifen.

00:39:58: Das ist erstmal der Punkt eins.

00:40:00: Also es geht um eine ganz andere Dimension in meinem In-Air-Kopfhörer, das ist genau ein Anwendungsfall mit einem Ohr und das ändert sich auch nicht!

00:40:08: Jetzt kommt der zweite Aspekt.

00:40:11: Im Moment ist es bei den KI Rechenzentren ja auch noch so dass sich diese Modelle ja ständig ändern.

00:40:17: also wir kriegen jede Woche neue Modelle rein.

00:40:20: Das heißt die Anforderungen sind auch noch variabel.

00:40:23: ich muss die Geräte erweitern können.

00:40:26: Teilweise tauschen die ja auch alle drei vier Jahre aus und stellen neu rein, weil die dann deutlich effizienter geworden sind.

00:40:35: Und das ist der Riesenunterschied zu diesen Anwendungen im ich sag mal wie nennen sie das jetzt auch oft physical AI.

00:40:43: damit sind ja mittlerweile Roboter gemeint aber auch sagen wir in Zukunft autonome Autos oder zunehmend autonoma Autos Oder so einfach KI-Funktionen, die ich zu Hause nutze oder eben in Kopfhörern.

00:40:55: In Verwachungskameras, Objekterkennungen zum Beispiel, Medizintechnik... Da habe ich typischerweise genau ein Nutzungsmodell und auch nur eine ganz begrenzte Anzahl an Nutzern Und das soll ja jetzt erstmal ein paar Jahre genauso funktionieren.

00:41:11: Das heißt da wird nicht das ganze Modell ausgetauscht.

00:41:14: Da kommen vielleicht mal Updates, da gibt es kleine Optimierung zum Beispiel an diesem, am Beispiel jetzt von diesem in-ear Kopfhörer.

00:41:22: Der Filter hat halt immer genau dasselbe Mikrofon Signal da kommt ja auch kein anderes Mikrophone rein Da kommt immer derselbe Datenstrom.

00:41:29: In einem Auto ist das auch so?

00:41:31: Warum sollte ich in einem Auto plötzlich... Ich schraub hier nicht sieben neue Kameras dran Sondern das ist ja auch noch zertifiziert und abgenommen wenn das sicherheitskritisch ist.

00:41:41: Also da kann ich das gar nicht verändern!

00:41:43: Ich kann das natürlich Fehler beseitigen und kleinere Optimierung machen aber Die Anzahl der Daten sozusagen, die maximalen Datenmengen, die da verarbeitet sind.

00:41:52: Die verändern sich nicht großartig und das ist der entscheidende Unterschied.

00:41:56: im Rechenzentrum möchte ich was völlig anderes machen Und deswegen sind diese diese KI Edge Chips wo es dann immer ist viel effizienter und so.

00:42:05: Das ist schwer zu verstehen dass es dann eben mit Rechen Zentren genau nichts zu tun hat.

00:42:09: aber letzter Satz noch dazu Natürlich werden diese Chips für Rechencentren die Machen riesige Effizienzsprünge Vielleicht nicht ganz so groß wie der Nvidia-Boss immer behauptet.

00:42:20: Aber man kann schon nachweisen, dass bestimmte... Wie war das jetzt mit Vera Robin?

00:42:26: zum Teil Faktor dreißig oder sowas?

00:42:30: Effizienter unter bestimmten Bedingungen als die Vorgänger.

00:42:34: Das ist nicht so, dass sie einfach immer mehr Strom fressen sondern einfach die Modelle werden immer größer!

00:42:38: Das ist der springende

00:42:39: Punkt.

00:42:40: Ja, das ist eines der großen Probleme in diesem sehr dynamischen Markt und solange sich das so schnell weiterentwickelt wird, dass sicherlich auch weiter in Sachen Stromverbrauch durch die Decke gehen bis sich da mal irgendwas ein bisschen eingeschwungen hat.

00:42:57: Ich denke wir haben jetzt das was wir aus der Kristallkugel für in Memory Computing herauslesen konnten und ganz gut alles besprochen drüber gesprochen.

00:43:15: Ich danke dir für das Gespräch,

00:43:18: sehr gerne

00:43:19: und vor allem danken wir wie immer Ihnen liebe Zuhörerinnen und Zuhörer für Ihr Interesse und wir freuen uns wie immer auch über Feedback.

00:43:26: vielleicht kennen Sie ja jetzt fällt schon mein Stuhl auseinander aber vielleicht haben sie ja auch noch irgendwelche Ideen oder von davon gehört wo es in Memory Computing schon gibt.

00:43:40: Wir freuen uns auf jeden Fall über Feed back gerne per Mail an bit-rauschenetct.de und wenn Sie noch mehr Lust auf Podcasts haben, finden Sie reichlich Auswahl unter heise.de.

00:43:52: schrägstrich podcast.

00:43:54: Und wie immer an dieser Stelle auch noch einen herzlichen Dank an unseren Producer Ralf Tschüss.

00:43:59: und bis zur nächsten Folge von Bit Rauschen jeden zweiten Mittwoch frühmorgens.