Am 5. November 2026 stellte Nordic Semiconductor in Oslo die nRF71-Serie vor. Die Schlagzeilen-Zahl ist eine Standby-Leistungsaufnahme, die bis zu zwanzig Mal niedriger liegt als bei den bestehenden nRF70-Wi-Fi-Produkten – kombiniert mit extrem sparsamem Wi-Fi, Bluetooth Low Energy, Thread und Edge-KI auf einem einzigen Chip.
Diese Kombination ist deshalb von Bedeutung, weil Batterien und Wi-Fi schon immer schwierige Partner waren. Wi-Fi bietet Bandbreite und ein ausgereiftes Ökosystem, doch der Energieaufwand für das Zuhören und Wiederverbinden macht eine Knopfzelle zur denkbar schlechten Wahl. Die meisten Sensoren wichen daher auf Bluetooth LE aus und übergaben ihre Daten an ein Gateway, das dann das Internet erreichte. Die Komplexität dieser Kette hat still und leise begrenzt, wie viele Geräte überhaupt zum Einsatz kamen.
Zwanzig Mal geringerer Standby-Verbrauch geht weniger ums Stromsparen als darum, die Kalkulation eines Einsatzes zu verändern. Wenn der Durchschnittsstrom in einen Bereich fällt, in dem eine einzelne Zelle jahrelang hält, entfällt die Budgetposition für Verkabelung, Batteriewechsel oder Wartungsbesuche. Für einen Sensor, der über einem Türrahmen oder tief in einem Regal eines Lagers sitzt, entscheidet das oft darüber, ob das Projekt überhaupt realisiert wird.

Jeder der vier integrierten Blöcke hat eine Aufgabe: Wi-Fi für die Datenrückleitung, Bluetooth LE für die Inbetriebnahme und das Aufwecken, Thread für energiesparende Mesh-Netzwerke und eine NPU für lokale Inferenz. Bislang bedeutete das meist zwei oder drei Chips plus einen Koprozessor, und jedes zusätzliche Bauteil brachte statischen Stromverbrauch, Leiterbahnen und Firmware-Abstimmung mit sich.
Die neuronale Processing Unit Axon ist die interessanteste Neuerung. Nordic behauptet, Modelle zehn- bis siebzehnmal schneller auszuführen als ein 256-MHz-Arm-Cortex-M33 allein, was die Erkennung von Schlüsselwörtern, Anomalien und Bildern mit Batteriestrom ermöglicht. Die Beschleunigung ist nicht das Ziel; das Ziel ist, dass diese Aufgaben keinen Hauptprozessor mehr aufwecken und keine Rohdaten in die Cloud schicken müssen. Die Neuton-Toolchain baut aus den eigenen Daten eines Entwicklers sehr kleine Modelle und führt sie allein auf diesem Prozessor aus.

Die architektonische Konsequenz ist ein Wandel vom Sammeln-und-Hochladen zum Bewerten-und-Melden. In einer herkömmlichen Kette erzeugt ein Mikrofon oder Beschleunigungssensor einen kontinuierlichen Datenstrom, das Netz transportiert ihn und die Cloud interpretiert ihn. Bei lokaler Inferenz bleibt das Gerät die meiste Zeit still und sendet nur, wenn ein Ereignis erkannt wird. Weniger Übertragungen bedeuten zugleich geringeren Stromverbrauch, weniger Datenverkehr und niedrigere Cloud-Rechnungen.
Datenschutz und niedrige Latenz kommen gratis dazu. Schall-, Vibrations- und Bilddaten lassen sich klassifizieren, ohne das Gerät zu verlassen, wodurch mehrdeutige Rohdaten aus dem Netz ferngehalten werden; und die Reaktionszeit schrumpft von einem Hin-und-zurück auf eine einzige Inferenz. Für Notabschaltungen bei Anomalien oder den Geräteschutz sind zehn Millisekunden keine abstrakte Größe. Smart-Home-Sensoren, Wearables und industrielle Vibrationsüberwacher haben alle dieselbe Struktur: leichte Aufgaben, seltene Ereignisse, ständige Bereitschaft.
Nichts davon ersetzt Cloud-Modelle. Aufgaben, die einen langen Kontext, geräteübergreifende Zusammenführung oder Generierung erfordern, gehören weiterhin nach oben. Die Grenzen sind ebenso real: Der Speicher auf einem einzelnen Chip begrenzt die Modellgröße, das Nebeneinander mehrerer Protokolle erschwert die Zeitsteuerung, und KI in den untersten Controller zu packen verlängert die Kette für Firmware- und Modell-Updates. Sobald die Stromhürde um das Zwanzigfache sinkt, wandern die verbleibenden harten Probleme in Software und Betrieb. Genau dort wird diese leise Infrastrukturveränderung tatsächlich entschieden.







Kommentare