Laptop-Hersteller machen immer gewagtere Versprechen hinsichtlich der mehrtägigen Akkulaufzeit ihrer Geräte – und künstliche Intelligenz spielt dabei eine zentrale Rolle. Zwei Trends stechen besonders hervor: die KI-gestützte Optimierung der Akkulaufzeit und die Schaffung geschlossener Ökosysteme, in denen KI-Funktionen voll ausgeschöpft werden können.
NPU: Spezialisierte Einheiten für KI-Aufgaben
Moderne Prozessoren enthalten neuronale Verarbeitungseinheiten (NPUs). Diese spezialisierten Komponenten führen KI-Aufgaben direkt auf dem Gerät aus, ohne Zugriff auf die Cloud. Im Gegensatz zu GPUs sind sie bei bestimmten Arbeitslasten energieeffizienter: Rauschunterdrückung bei Videoanrufen, lokale Bildverarbeitung und Sprachverarbeitung. Darauf basiert die Aussagekraft von mehrtägigen Akkulaufzeiten.
Qualcomm hat neue Snapdragon-Chipsätze mit verbesserten NPUs vorgestellt. Das Unternehmen gibt an, dass einige damit ausgestattete Geräte über 30 Stunden ohne Aufladen durchhalten – und einige Hersteller kündigen bereits ähnliche Spezifikationen an.
Wenn Versprechen von der Realität abweichen
Die versprochene Akkulaufzeit wird nur unter bestimmten Bedingungen erreicht. NPUs sind bei kurzen, impulsartigen Arbeitslasten effizient: Wenn Aufgaben kontinuierlich und ressourcenintensiv werden – beispielsweise bei kreativen Anwendungen, aufwändigen Spielen oder intensivem Multitasking – geht dieser Vorteil verloren.
Die Softwareoptimierung ist ebenso wichtig. Maximale Effizienz wird erreicht, wenn Anwendungen und das Betriebssystem Aufgaben intelligent zwischen CPU, GPU und NPU verteilen: Die CPU übernimmt Steuerungsfunktionen und Vorverarbeitung, das neuronale Netzwerk sorgt für stabile, energieeffiziente Inferenz, und der Grafikprozessor wird nur bei Bedarf für paralleles Hochleistungsrechnen aktiviert. Dieser Ansatz verhindert, dass die GPU zu einem universellen Werkzeug für jede KI-Aufgabe wird – und genau dieser Ansatz ermöglicht echte Energieeinsparungen.
Die wichtigste Erkenntnis: KI reduziert den Stromverbrauch nur dann, wenn sie einen bestehenden Prozess ersetzt, nicht aber, wenn sie einen neuen hinzufügt. Eine NPU allein verlängert die Akkulaufzeit eines Laptops nicht – kann aber unter den richtigen Bedingungen dazu beitragen.
Geschlossene Ökosysteme: Bequemlichkeit vs. Wahlfreiheit
Der zweite auffällige Trend ist die Entwicklung geschlossener Ökosysteme rund um KI-Funktionen. Apple Intelligence funktioniert am besten innerhalb des Apple-Ökosystems; Microsoft bewirbt Copilot und stattet neue Laptops mit einer eigenen physischen Taste dafür aus. Außerhalb dieses Ökosystems gerät die Integration ins Stocken.
Die Argumente für diesen Ansatz liegen auf der Hand: Die enge Integration gewährleistet höhere Leistung und Sicherheit, da die Plattform den gesamten Prozess von Anfang bis Ende steuert. Der Nachteil ist die eingeschränkte Auswahl für die Nutzer, was Innovationen potenziell hemmt: Entwickler sind in ihren Anbindungsmöglichkeiten und Anpassungsoptionen begrenzt. Hat sich ein Nutzer einmal für ein Ökosystem entschieden, bleibt er diesem mit hoher Wahrscheinlichkeit treu.
Lenovo hat in Zusammenarbeit mit Motorola Qira vorgestellt, einen KI-Assistenten für die geräteübergreifende Nutzung. Die Funktion „Nächster Schritt“ verfolgt die Aktivitäten des Nutzers auf seinem Smartphone und schlägt beim Öffnen eines kompatiblen Laptops automatisch relevante Dokumente und Tools vor – ganz ohne manuelles Übertragen von Dateien. Ziel ist ein nahtloser Workflow über alle Geräte hinweg.
Ironischerweise schafft Lenovo mit der Lösung des Fragmentierungsproblems ein weiteres geschlossenes Ökosystem. Qira funktioniert ausschließlich auf Lenovo- und Motorola-Geräten – und zwar nur auf den neuen Modellen von 2026. Nutzer, die sich heute gerade wegen der Portabilität für Google Docs entscheiden, erhalten ein ähnliches Erlebnis, sind aber an einen bestimmten Hersteller gebunden. Der wahre Wert von Qira wird sich erst im praktischen Einsatz zeigen.
Was geschieht als Nächstes?
Partnerschaften, die die KI-Architektur prägen, nehmen bereits Gestalt an: Google und Samsung haben Gemini in Galaxy-Smartphones integriert, und Apple und Google haben eine Zusammenarbeit bei zentralen KI-Modellen angekündigt. Branchenexperten sind sich im Allgemeinen einig, dass KI-Systeme zunehmend kollaborativ agieren werden, wobei sich mehrere Lösungen gleichzeitig an die Bedürfnisse und Präferenzen eines bestimmten Nutzers anpassen. Lenovos Ansatz spiegelt diese Logik wider: keine einzelne, universelle KI, sondern ein Set der besten Lösungen, verfügbar dort und dann, wo sie benötigt werden.
Laptops werden immer individueller und enger mit anderen Geräten integriert. Mehrtägige Akkulaufzeiten sind technisch möglich, aber nur in bestimmten Arbeitsszenarien. Nahtloses Wechseln zwischen Geräten ist zwar möglich, jedoch nur innerhalb eines einzigen Ökosystems. Komfort und Einschränkungen sind hier untrennbar miteinander verbunden.
Meinung der KI
Eine historische Analyse der Plattformkriege offenbart ein bekanntes Muster: Anfang der 2000er-Jahre bauten Apple und Microsoft gleichermaßen undurchdringliche Ökosysteme um ihre Betriebssysteme auf. Der Gewinner war damals nicht derjenige, der die höchste Barriere errichtete, sondern derjenige, der als Erster Kompatibilitätsstandards schuf – USB, Bluetooth, offene Dateiformate.
Meinung der KI
Aus Sicht des maschinellen Lernens ist der am meisten unterschätzte Aspekt dieser Situation nicht die Energieeffizienz der NPU, sondern der kumulative Effekt der Personalisierung. Je länger ein Nutzer in einem einzigen Ökosystem verbleibt, desto genauer passt sich das Modell seinem Verhalten an – und desto höher sind die Wechselkosten. Dies ist keine technische Abhängigkeit von der Hardware, sondern vielmehr eine Abhängigkeit von den Daten: Suchverlauf, Nutzermuster und gesammelte Präferenzen bilden ein Profil, das nicht auf eine konkurrierende Plattform übertragen werden kann.
Historische Muster sind aufschlussreich: Der Markt für mobile Betriebssysteme hat sich in weniger als einem Jahrzehnt von Dutzenden von Plattformen zu einem faktischen Duopol zwischen iOS und Android entwickelt. Eine ähnliche Konsolidierung im Bereich der KI-Ökosysteme für Laptops ist sehr wahrscheinlich – und könnte sogar schneller vonstattengehen.