Der geheime Zutat, die KI am Laufen hält: fortschrittliche Materialwissenschaft
Chips und Software beherrschen die Schlagzeilen, aber ein stilleres Rennen findet in den Laboren statt, die die physischen Materialien entwickeln, die KI-Hardware überhaupt erst möglich machen.
Hauptpunkte
- Spezialwerkstoffe, darunter Perfluorelastomere (wärmefeste Dichtungen in Chipfertigungsmaschinen) und Wärmefluide, setzen harte physikalische Grenzen dafür, wie leistungsfähig KI-Chips werden können.
- Das belgische Chemieunternehmen Syensqo hat ein Perfluorelastomer der nächsten Generation entwickelt, das ohne Fluortenside hergestellt wird – eine Klasse langlebiger chemischer Verbindungen, die in der Umwelt schwer abbaubar sind.
- Syensqo nutzt Microsoft Discovery, eine KI-gestützte Forschungsplattform, um Kandidatenmoleküle für neue Kühlflüssigkeiten schneller zu identifizieren, als traditionelle Labormethoden es erlauben.
- Kühlverfahren aus der Elektrofahrzeugtechnik werden für hochdichte KI-Server-Racks adaptiert, die große Wärmemengen auf kleinem Raum erzeugen.
- Neue Materialien müssen Jahre von Qualifikationstests durchlaufen, bevor Chipfertiger sie akzeptieren – Leistung und Zuverlässigkeit haben also immer Vorrang.
Jedes Mal, wenn ein neues KI-Modell startet, dreht sich das Gespräch um Algorithmen, Daten und die Milliarden, die in neue Chips investiert werden. Selten geht es um die Dichtungen in den Maschinen, die diese Chips drucken, oder die Flüssigkeiten, die sie vor Überhitzung bewahren. Diese Lücke lohnt sich zu schließen.
Die Herstellung eines modernen Halbleiterschips erfordert Tausende streng kontrollierter Schritte. Winzige Temperaturschwankungen oder chemisch instabile Materialien erzeugen mikroskopische Fehler und senken die Zahl funktionsfähiger Chips pro Wafer, was die Kosten in die Höhe treibt. Mit jeder neuen Chipgeneration werden die Toleranzen noch enger.
Perfluorelastomere sind ein Beispiel dafür, wo Materialwissenschaft an der Spitze dieses Problems steht. Diese dichten, flexiblen Dichtungen halten die reaktiven Gase und das Plasma in Chipfertigungsgeräten zurück. Sie müssen Bedingungen überstehen, die die meisten Industriematerialien zerstören würden. Syensqo, ein Spezialchemieunternehmen, das 2023 aus Solvay ausgegliedert wurde, stellt nun eine Version dieser Dichtungen her, bei deren Herstellung Fluortenside vermieden werden. Das Unternehmen sagt, dass das neue Material besser funktioniert und verantwortungsvoller hergestellt wird, ohne dass Chipfertiger zwischen den beiden wählen müssen.
Betrifft das normale KI-Nutzer?
Ja, indirekt aber konkret. Wenn Materialien ausfallen oder nicht ausreichen, sinken die Chipausbeuten, steigen die Hardwarekosten, und der Preis für den Betrieb von KI-Services klettert mit. Bessere Materialien bedeuten zuverlässigere Chips, günstigere Cloud-Computing und KI-Tools, die mehr Menschen erreichen.
Der Druck liegt nicht nur auf dem Fertigungsboden. Rechenzentren mit großen KI-Workloads packen die Computerhardware nun so dicht, dass konventionelle Luftkühlung kaum noch mitkommt. Hochvoltage-Stromversorgungssysteme werden zum Standard, und das bringt eine ganze Reihe neuer Materialherausforderungen im Bereich elektrische Isolation und Wärmeverwaltung mit sich.
Syensqo sagt, dass es bereits geleistete Arbeiten für Elektrofahrzeuge nutzt, um dies zu bewältigen. Kühlflüssigkeitssysteme, die für Elektrofahrzeugbatterien ausgelegt sind, teilen genug technische Gemeinsamkeiten mit flüssigkeitsgekühlten KI-Server-Racks, dass sich Erkenntnisse übertragen lassen und die Entwicklungszeit verkürzt wird.
Dann ist da noch die Frage, wie neue Materialien überhaupt entdeckt werden. Traditionell würden Chemiker eine Hypothese aufstellen, eine Verbindung synthetisieren, testen und iterieren – ein Zyklus, der pro Kandidat Monate dauert. Syensqo nutzt nun Microsoft Discovery, eine KI-gestützte Forschungsplattform, um Molekülkandidaten für neue Wärmefluide früh im Prozess zu sichten. Die KI ersetzt die Chemiker nicht. Sie verkleinert das Feld, damit diese ihre Laborzeit auf die vielversprechendsten Optionen konzentrieren können, anstatt auf aussichtslose Kandidaten.
Nichts davon geht schnell vonstatten. Ein heute im Labor identifiziertes Material könnte mehrere Jahre brauchen, bis es zur Verwendung in kommerziellem Chipfertigungsgerät zugelassen ist. Hersteller wechseln Materialien nur, wenn ein neues wirklich ein Problem löst.
Der Artikel wurde ursprünglich als gesponserte Inhalte von MIT Technology Review veröffentlicht. Dieser Kontext ist wichtig: es ist ein Unternehmen, das seinen Fall darstellt, keine unabhängige Analyse. Die Engineeringprinzipien, die beschrieben werden, spiegeln jedoch echte Zwänge wider, die prägen, was KI-Hardware kann und nicht kann.
