BrainChip präsentiert AKD1500 und geht Verteidigungspartnerschaft ein
BrainChip hat den AKD1500 offiziell vorgestellt – einen neuromorphen Co-Prozessor für energieeffiziente Edge-AI. Parallel startet eine strategische Kooperation mit Parsons für militärische Anwendungen. Wo dort der AKD1500 Einsatz finden soll.
Der von Brainchip neu vorgestellte neuromorphe AKD1500-Co-Prozessor bringt adaptive, energieeffiziente KI direkt an den Rand vernetzter Systeme. Gemeinsam mit dem Rüstungsunternehmen Parsons soll die Technologie künftig in sicherheitskritischen Einsatzumgebungen wirken.Brainchip
Anzeige
Auf einen Blick
Der neuromorphen Co-Prozessor AKD1500 liefert 800 GOPS Rechenleistung bei weniger als 300 Millwatt Leistungsaufnahme.
Aufgrund der Akida-Architektur kann der Prozessor selbstständig auf Ereignisse reagieren, Muster erkennen und neue Daten on-device ohne Cloudanbindung lernen.
Durch PCIe- und serielle Schnittstellen lässt sich der Co-Prozessor in x86-, ARM- oder RISC-V-Umgebungen einbinden und ermöglicht das Nachrüsten bestehender Hardwareplattformen.
Gemeinsam mit dem Rüstungsunternehmen Parsons setzt BrainChip den AKD1500 in verteidigungsnahen Edge-Plattformen ein – für autonome, adaptive Systeme mit lokaler KI-Verarbeitung in sicherheitskritischen Umgebungen.
Was leistet der neu vorgestellte AKD1500-Prozessor?
Mit der offiziellen Vorstellung des AKD1500 auf der Embedded World North America will BrainChip einen neuen Maßstab im Bereich energieeffizienter Edge-KI setzen. Der neuromorphe Co-Prozessor basiert auf der Akida-Architektur und ist darauf ausgelegt, kognitive Intelligenz in extrem strom- und wärmebegrenzten Anwendungen verfügbar zu machen, mit unter 300 Milliwatt Leistungsaufnahme und einer Verarbeitungskapazität von 800 GOPS (Giga-Operationen pro Sekunde).
Anzeige
Das Design zielt auf anspruchsvolle Einsatzumgebungen, in denen klassische KI-Beschleuniger an ihre Leistungs- oder Effizienzgrenzen stoßen. Der AKD1500 ist als Co-Prozessor konzipiert und lässt sich über PCIe- oder serielle Schnittstellen mit bestehenden Hostsystemen auf Basis von x86, ARM oder RISC-V integrieren. Das ermöglicht das Nachrüsten bestehender Mikrocontroller oder Mehrprozessor-Systeme ohne komplette Systemneuentwicklung.
Der AKD1500 ist ein Katalysator für die nächste Generation intelligenter AIoT‑Geräte. Wir ermöglichen Entwicklern, sich von der Cloud-Abhängigkeit zu lösen und adaptives Lernen direkt an den Rand der Systeme zu bringen – kompakt und kosteneffizient
Sean Hehir, CEO von BrainChip Holdings Ltd
Der Chip richtet sich sowohl an industrielle, medizinische und sicherheitskritische Anwendungen als auch an Embedded-Entwickler im Bereich Wearables, Smart Sensoren und AIoT-Geräte. Besonders in Szenarien mit extremen Energie- oder Raumvorgaben soll die Akida-Architektur ihre Vorteile ausspielen – unter anderem durch ereignisbasierte Verarbeitung, on-chip-Lernen („on-device learning“) und adaptive Reaktion auf Umgebungsveränderungen.
AKD1500 ist kompatibel mit BrainChips eigener MetaTF-Toolchain, welche gängige ML-Modelle (z. B. aus TensorFlow/Keras) in die neuromorphe Architektur übersetzt. Dies verkürzt die Entwicklungszeiten und senkt die Einstiegshürde für Entwickler.
Anzeige
Die ersten AKD1500-Samples wurden bereits ausgeliefert; die Serienproduktion ist für das dritte Quartal 2026 geplant. Erste Design-Wins wurden unter anderem mit Bascom Hunter, Onsor Technologies sowie der Verteidigungsplattform von Parsons erzielt.
Technische Kennzahlen des AKD1500 im Überblick
Verarbeitungskapazität: Bis zu 800 effektive GOPS (Giga-Operationen pro Sekunde) bei nur 1 mW/GOPS – ideal für energiebegrenzte Umgebungen
Stromverbrauch: Betrieb mit unter 300 Milliwatt, optimiert für Batteriebetrieb und thermisch eingeschränkte Geräte
Fertigungstechnologie: Hergestellt im 22 nm FD-SOI CMOS-Prozess (GlobalFoundries 22FDX), optimiert für geringe Leckströme
Gehäusegröße: Kompaktes 7 × 7 mm MFCTFBGA169-Package mit 0,5 mm Pitch, ideal für eingebettete Systeme
Speicher: 1 MB On-Chip Local Memory – reduziert externen DRAM-Zugriff und spart Energie
Schnittstellen: Unterstützt PCIe Gen2 und SPI S/D/Q/O, geeignet für Hostsysteme mit x86, ARM und RISC-V
Taktfrequenzbereich: 5 – 400 MHz, flexibel einsetzbar in verschiedenen Rechenumgebungen
Besonderheiten: On-Chip Learning, Ereignisbasierte Architektur, One-shot Learning, Kompatibilität mit TensorFlow/Keras und PyTorch via MetaTF
Ziel ist es, autonome, adaptive KI-Funktionalitäten unter realen Einsatzbedingungen verfügbar zu machen. Insbesondere dort, wo Kommunikationsnetze eingeschränkt oder nicht vorhanden sind. Der Fokus liegt auf militärischen Anwendungen wie taktischer Bedrohungserkennung, Lagebeurteilung, Aufklärung, elektronischer Kampfführung sowie der Steuerung autonomer Einheiten (z. B. Drohnen, Sensorcluster).
Durch die Kombination von lokalem Lernen, ereignisbasierter Reaktion und minimaler Energieaufnahme sollen Systeme entstehen, die sowohl operationell resilient als auch technologisch unabhängig agieren können. Die Partnerschaft beinhaltet feste Liefervereinbarungen und technologische Unterstützung über mehrere Jahre.
Die Vereinbarung bringt neuromorphe KI in den unmittelbarer Einsatzbereich und stärkt unser Engagement für KI‑gestützte Verteidigungssysteme.“
Mike Kushin, President Defense and Intelligence, Parsons Corporation
FAQ: Häufige Fragen zum BrainChip AKD1500
Wie viel Energie verbraucht der AKD1500?
Der AKD1500 arbeitet mit einer Leistungsaufnahme von unter 300 Milliwatt.
Damit zählt er laut Brainchip zu den energieeffizientesten KI-Co-Prozessoren seiner Klasse und ist ideal für
batteriebetriebene oder wärmesensitive Systeme im Edge-Bereich geeignet.
Was bedeutet neuromorphes On-Chip-Lernen?
Neuromorphes Lernen bezeichnet die Fähigkeit des AKD1500, Informationen wie das menschliche Gehirn
ereignisgesteuert und adaptiv zu verarbeiten. Der Chip kann Muster erkennen und
neue Daten direkt auf dem Gerät lernen, ohne eine Cloud-Verbindung zu benötigen.
Wann startet die Serienproduktion des AKD1500?
BrainChip plant den Start der Serienproduktion für das dritte Quartal 2026.
Erste Musterexemplare sind bereits an Partnerunternehmen ausgeliefert worden.
Welche Unternehmen setzen den AKD1500 bereits ein?
Zu den ersten Design-Partnern zählen Bascom Hunter, Onsor Technologies
und die Parsons Corporation. Besonders Parsons nutzt die Technologie im Verteidigungsbereich
zur Entwicklung autonomer, KI-gestützter Edge-Systeme.
Welche Bedeutung hat die Kombination aus Marktstart und Verteidigungspartnerschaft?
Die Gleichzeitigkeit der Chip-Einführung und der strategischen Kooperation ist kein Zufall. Sie zeigt, wie technologische Innovation und sicherheitsstrategisches Handeln zunehmend verzahnt werden. Der AKD1500 fungiert in dieser Konstellation nicht nur als technischer Fortschritt, sondern als Baustein eines umfassenderen Paradigmenwechsels in der Verteidigungstechnologie.
Anzeige
Cloud-unabhängige KI, die direkt an der „tactical edge“ eingesetzt wird, verspricht Reaktionsfähigkeit, Effizienz und Datenhoheit. Gleichzeitig ermöglicht die Architektur des AKD1500 eine kosteneffiziente Nachrüstung bestehender Systeme, ein entscheidender Faktor für Behörden und Organisationen mit langfristigen Investitionszyklen.
Was ist die Idee hinter Akidas neuromorpher Architektur?
Akidas Architektur orientiert sich an der Funktionsweise des menschlichen Gehirns und verarbeitet Daten ereignisbasiert direkt am Sensor. Dadurch wird nur reagiert, wenn relevante Informationen auftreten. Das spart Energie und erhöht die Reaktionsgeschwindigkeit.Die Technologie ermöglicht lokales Lernen ohne Cloud-Anbindung, was insbesondere für sicherheitskritische Anwendungen von Vorteil ist. Mit „One-shot Learning“ kann das System aus einzelnen Beispielen lernen und sich rasch an neue Bedingungen anpassen. Akida arbeitet als Co-Prozessor und lässt sich in Systeme mit x86-, ARM- oder RISC-V-Architektur integrieren. Der geringe Energiebedarf erlaubt den Einsatz auch in Umgebungen mit begrenzter Kühlung oder Energieversorgung und bietet damit eine Basis für adaptive, autonome Systeme direkt am Einsatzort.
Der Autor: Dr. Martin Large
Hüthig
Aus dem Schoß einer Lehrerfamilie entsprungen (Vater, Großvater, Bruder und Onkel), war es Martin Large schon immer ein Anliegen, Wissen an andere aufzubereiten und zu vermitteln. Ob in der Schule oder im (Biologie)-Studium, er versuchte immer, seine Mitmenschen mitzunehmen und ihr Leben angenehmer zu gestalten. Diese Leidenschaft kann er nun als Redakteur ausleben.
