Auch genannt: GPU, Graphics Processing Unit, Grafikchip
Ein Grafikprozessor ist eine Recheneinheit, die viele ähnliche Rechenoperationen gleichzeitig ausführen kann. Ursprünglich dient er vor allem dazu, die Bildausgabe zu beschleunigen: Aus Geometriedaten, Texturen, Licht und weiteren Eingaben entstehen die Pixel eines Bildes. Heute werden Grafikprozessoren auch für andere stark parallelisierbare Aufgaben eingesetzt, etwa Bildverarbeitung, wissenschaftliche Berechnungen und Teile des maschinellen Lernens. NVIDIA beschreibt CUDA als Plattform, die Rechenleistung von Grafikprozessoren für parallele Berechnungen nutzbar macht.[1]
Ein Computer muss bei einer 3D-Szene oft dieselbe Art von Rechnung für sehr viele Bildpunkte, Dreiecke oder Datenwerte ausführen. Genau für solche wiederholbaren Aufgaben eignet sich ein Grafikprozessor. Statt nur einen langen Rechenweg nacheinander abzuarbeiten, verteilt er viele gleichartige Teilaufgaben auf zahlreiche Recheneinheiten. Das ist kein allgemeines Versprechen für jede Software: Ob eine GPU hilft, hängt davon ab, ob sich die jeweilige Aufgabe sinnvoll zerlegen lässt und ob Datenübertragung, Speicherzugriffe und Programmablauf dazu passen.
Im CUDA-Modell wird diese Aufteilung als datenparalleles Rechnen beschrieben: Typischerweise führt jeder Thread dieselbe Operation auf einem anderen Datenelement aus. Die Arbeit wird dabei in ein- bis dreidimensionale Gitter aus Blöcken organisiert; Threads eines Blocks können über gemeinsamen Speicher zusammenarbeiten.[1:1] Die Begriffe Thread, Block und Grid beschreiben hier ein Programmiermodell. Sie sind nicht mit einzelnen sichtbaren „Kernen“ auf einer bestimmten Grafikkarte gleichzusetzen.
Für die Bildausgabe arbeitet eine Anwendung mit einer Grafikpipeline. Sie ordnet die notwendigen Schritte vom Modell bis zum Bild auf dem Bildschirm. Die Vulkan-Dokumentation beschreibt beispielsweise, dass der Input Assembler Vertexdaten zu geometrischen Grundformen wie Punkten, Linien oder Dreiecken zusammenstellt. Ein Vertex-Shader kann anschließend Positionen und Eigenschaften der Eckpunkte berechnen.[2]
Darauf folgen – je nach verwendeter Pipeline und Bildinhalt – weitere Schritte. Beim Rasterisieren werden geometrische Grundformen in Fragmente zerlegt; aus ihnen lassen sich schließlich die Farbwerte der Pixel ableiten. Texturen, Beleuchtung, Transparenz und Tiefeninformationen beeinflussen dabei das Ergebnis. Diese vereinfachte Reihenfolge ist ein Denkmodell, keine Behauptung über die genaue interne Umsetzung jeder GPU: Die Vulkan-Spezifikation weist ausdrücklich darauf hin, dass die dargestellte Reihenfolge die Beschreibung der Operationen strukturiert und nicht zwingend die Hardwareausführung festlegt.[2:1]
Der Grafiktreiber und die Programmierschnittstelle sorgen dafür, dass eine Anwendung ihre Daten, Shader und Renderaufträge an die GPU übergeben kann. Ein Shader ist dabei ein kleines Programm für eine bestimmte Phase der Grafikverarbeitung. Welche Fähigkeiten tatsächlich verfügbar sind, hängt von Hardware, Treiber und Schnittstelle ab.
In einem 3D-Spiel bereitet die CPU unter anderem Spielregeln, Eingaben und die Reihenfolge der Arbeit vor. Die GPU erhält anschließend große Mengen gleichartiger Grafikaufgaben: Sie verarbeitet etwa viele Eckpunkte eines Modells und berechnet für zahlreiche Bildbereiche, wie Oberfläche, Licht und Textur aussehen sollen. So wird aus den Daten der Szene ein Bild für den nächsten Frame. Der Vorteil entsteht nicht allein durch die Bezeichnung „Grafikprozessor“, sondern durch die passende Aufteilung der konkreten Arbeit.
Dieselbe Eigenschaft erklärt den Einsatz bei KI-Aufgaben. Neuronale Netze enthalten häufig viele wiederholte Rechenoperationen auf Datenfeldern. Intel beschreibt GPUs als Prozessoren für repetitive, einfache und gleichzeitige Aufgaben und nennt sowohl 3D-Rendering als auch generative KI als Einsatzfeld aktueller Grafiklösungen.[3] Eine GPU ist deshalb nicht nur eine Komponente für Spiele. Sie ersetzt jedoch weder den Entwurf eines geeigneten Modells noch den übrigen Rechner: Daten müssen vorbereitet, übertragen und anschließend weiterverarbeitet werden.
Eine CPU ist für vielseitige Aufgaben und kurze Reaktionszeiten einzelner Arbeitsschritte ausgelegt. Sie steuert Programme und Betriebssystem, verarbeitet Verzweigungen und koordiniert Komponenten. Intel beschreibt CPUs entsprechend als besonders geeignet für komplexe Aufgaben, die eher nacheinander ausgeführt werden.[3:1] Moderne Systeme kombinieren daher häufig CPU und GPU, statt eine der beiden Einheiten als grundsätzlich besser zu betrachten.
Eine NPU (Neural Processing Unit) ist wiederum ein Spezialprozessor für neuronale Netze. Intel nennt als typische NPU-Aufgaben etwa Spracherkennung und Bildverbesserung und beschreibt Recheneinheiten, die für in KI häufige Mathematik wie Matrixmultiplikation und Faltung ausgelegt sind.[3:2] GPU und NPU können also beide KI-Rechenlast übernehmen, sind aber unterschiedlich zugeschnitten. Die GPU bleibt besonders breit für Grafik und parallelisierbare Berechnungen einsetzbar; die NPU ist auf bestimmte KI-Operationen spezialisiert.
Ein Grafikprozessor ist außerdem nicht automatisch eine separate Steckkarte. Er kann als eigener Chip auf einer Grafikkarte sitzen oder in einen anderen Prozessor integriert sein. Entscheidend für die Rolle ist die Rechenarchitektur und ihre Anbindung im System, nicht allein die Bauform.
Der Grafikprozessor (GPU) ist die Recheneinheit. Eine Grafikkarte ist dagegen ein Bauteil, das üblicherweise eine GPU sowie Speicher, Stromversorgung, Anschlüsse und Kühlung enthält. Integrierte Grafik kann Teil eines Hauptprozessors oder eines System-on-a-Chip sein und benötigt keine eigenständige Grafikkarte. GPU ist auch nicht gleich CPU: Beide führen Programme aus, sind jedoch für unterschiedliche Arten von Arbeit ausgelegt. Und eine NPU ist kein anderes Wort für GPU, sondern ein auf neuronale Netze spezialisierter Beschleuniger.
NVIDIA: CUDA FAQ, abgerufen am 13. September 2026. Belegt das datenparallele Rechenmodell, die Organisation in Grids und Blöcke, die Kooperation von Threads über gemeinsamen Speicher sowie GPU-beschleunigte Berechnung. ↩︎ ↩︎
Khronos Group: Vulkan Specification – Pipelines, abgerufen am 13. September 2026. Belegt die Einordnung von Grafik- und Compute-Pipelines, die Verarbeitung von Vertexdaten zu Grundformen, Vertex-Shader und die Einschränkung, dass die Pipeline-Reihenfolge ein Beschreibungsmodell ist. ↩︎ ↩︎
Intel: Processor Guidebook – The Basics from CPUs to ASICs, abgerufen am 13. September 2026. Belegt die Rollen von CPU, GPU und NPU sowie die Beispiele 3D-Rendering, generative KI, Spracherkennung und Bildverbesserung. ↩︎ ↩︎ ↩︎