Analog-Computing ist keine neue Erfindung: Bereits vor der Dominanz digitaler Prozessoren wurden analoge Schaltkreise für Berechnungen eingesetzt, doch Präzisionsprobleme und Skalierungsschwierigkeiten verdrängten den Ansatz. Die aktuelle Energiekrise im KI-Sektor – Rechenzentren verschlingen zunehmend Strom für das Training und den Betrieb großer Modelle – bringt das Konzept nun zurück ins Rampenlicht. Analog-Chips führen mathematische Operationen wie Matrizenmultiplikationen direkt in der physikalischen Hardware durch, etwa über den Stromfluss durch Widerstände (Ohmsches Gesetz), anstatt Bits digital zu verarbeiten. Das spart erheblich Energie, da keine aufwendigen Umwandlungsschritte zwischen analogem Signal und digitalem Wert nötig sind. Das Kernproblem bleibt jedoch thermisches und elektronisches Rauschen: Analoge Signale sind von Natur aus ungenau und schwankend, was die Reproduzierbarkeit von Rechenergebnissen gefährdet – ein fatales Hindernis für präzise KI-Inferenz. Der Artikel zeigt außerdem, wie man dieses Rauschen selbst simulieren kann, um zu verstehen, ab welcher Stärke Modellgenauigkeit kippt. Ob Analog-KI diesmal den Sprung in die Praxis schafft, hängt maßgeblich davon ab, wie gut Ingenieure das inhärente Rauschen beherrschbar machen können.