Was ist eine NPU, und spielt sie beim nächsten Notebook-Kauf 2026 wirklich eine Rolle?

Jeder Notebook-Chiphersteller spricht heute von "KI-Leistung", aber das Marketing erklärt selten, was im Chip tatsächlich passiert. Die kurze Antwort: Moderne Prozessoren verbauen zunehmend eine dedizierte NPU – eine Neural Processing Unit –, einen kleinen Siliziumbaustein, der speziell dafür gebaut ist, KI-Inferenz-Workloads deutlich effizienter auszuführen als ein Allzweck-CPU-Kern oder sogar eine GPU. Unser Katalog zeigt mehrere unterschiedliche Ansätze dazu, vom Intel-Core-Ultra-Unterbau des Zenbook 14 OLED bis zum AMD-Ryzen-AI-Chip des Vivobook S14, und zu verstehen, was die NPU tatsächlich bringt, ist nützlicher, als einem Marketingbegriff hinterherzulaufen.

Was eine NPU tatsächlich leistet

Eine NPU ist speziell für die Mathematik hinter neuronaler Netzwerk-Inferenz gebaut – das Ausführen eines bereits trainierten KI-Modells, nicht das Training von Grund auf. Das umfasst Aufgaben wie Echtzeit-Hintergrundunschärfe und Blickkorrektur bei Videoanrufen, Live-Untertitelung und -Übersetzung, lokale Bilderzeugung und -bearbeitung sowie zunehmend fest ins Betriebssystem integrierte On-Device-Funktionen. Der entscheidende Vorteil gegenüber der Ausführung derselben Aufgabe auf CPU oder GPU ist die Energieeffizienz: Eine NPU kann dieselbe Inferenzarbeit mit einem Bruchteil der Energie erledigen, was bei einem akkubetriebenen Notebook enorm ins Gewicht fällt.

Die Copilot+-PC-Schwelle: 40 TOPS

Microsoft hat eine konkrete Messlatte für das festgelegt, was es einen Copilot+-PC nennt: eine NPU mit mindestens 40 TOPS (Billionen Operationen pro Sekunde), der Durchsatz, der nötig ist, um bestimmte On-Device-KI-Funktionen von Windows wie Recall und Live-Untertitel lokal statt in der Cloud auszuführen. Diese Schwelle ist praktisch relevant, weil sie aktuelle, als "Core Ultra" oder "Ryzen AI" vermarktete Notebooks in zwei echte Kategorien teilt – Chips, die die Grenze überschreiten und den vollen On-Device-KI-Funktionsumfang freischalten, und Chips früherer Generationen, die dieselbe Markenbezeichnung tragen, sie aber verfehlen.

AMDs Ryzen AI: ein früher Vorreiter beim NPU-Durchsatz

Der Ryzen AI 9 HX 370 in unserem Vivobook S14 nutzt AMDs XDNA-2-NPU-Architektur mit einer Leistung von 50 TOPS – die Copilot+-Schwelle wird damit komfortabel mit Reserve überschritten. AMD war bei dieser Generation auffällig aggressiv beim NPU-Durchsatz, und das zeigt sich für Vivobook-S14-Besitzer als echter praktischer Vorteil bei On-Device-KI-Funktionen, nicht nur als Zahl auf einem Datenblatt, das ohnehin niemand prüft.

Intels Generationsgeschichte bei der NPU ist unübersichtlicher

Intels Core-Ultra-Markenname umfasst mehrere NPU-Generationen mit deutlich unterschiedlichen Fähigkeiten, was für Käufer wirklich verwirrend ist. Frühere Core-Ultra-H-Chips wie der Core Ultra 9 285H in unserem Zenbook 14 OLED verbauen eine NPU, die die 40-TOPS-Copilot+-Grenze verfehlt, obwohl sie denselben "Core Ultra"-Namen tragen wie Chips, die diese Grenze erreichen. Intels neueste Core-Ultra-Generation – die Art, die in Flaggschiff-Notebooks von 2026 wie dem Razer Blade 16 steckt – verschiebt die NPU auf eine neuere Architektur, die gezielt gebaut wurde, um diese Schwelle zu überschreiten. Die praktische Lehre daraus: "Core Ultra" allein verrät nicht, ob ein konkretes Notebook ein Copilot+-PC ist – man muss das genaue Chipmodell prüfen.

Apples anderer Ansatz: die Neural Engine

Apple verwendet gar keine "NPU"-Markenbezeichnung, aber jeder M-Serien-Chip verfügt bereits seit langem vor der Marketingkategorie "KI-PC" über eine dedizierte Neural Engine. Der M2 in unserem MacBook Air besitzt eine 16-Kern-Neural-Engine mit 15,8 TOPS und übernimmt On-Device-Aufgaben wie die Objekterkennung in Fotos, Live-Text und die Sprachverarbeitung für Siri ohne Umweg über die Cloud. Apples Zahlen wirken auf dem Papier niedriger als die von AMD oder den neuesten Intel-Chips, doch Apples engere Verzahnung von Hardware und Software bedeutet, dass direkte TOPS-Vergleiche zwischen Plattformen weniger aussagekräftig sind, als es zunächst scheint – dieselbe Aufgabe kann je nach Optimierungsgrad der Software für die jeweilige Hardware unterschiedlich viel Rohleistung erfordern.

Warum nicht einfach die GPU oder CPU für KI-Aufgaben nutzen?

Sowohl CPU als auch die diskrete oder integrierte GPU können technisch KI-Inferenz-Workloads ausführen, und genau das geschah jahrelang standardmäßig – ein Hintergrundunschärfe-Filter oder ein Bild-Hochskalierer griff einfach auf GPU-Zyklen zurück. Das Problem ist die Effizienz: Eine GPU ist für parallele Grafikmathematik gebaut, und obwohl sie sich für neuronale Netzwerk-Inferenz zweckentfremden lässt, verbraucht sie dabei deutlich mehr Energie als ein Chip, der speziell für diese Aufgabe gebaut wurde. Auf einem Notebook zeigt sich dieser Unterschied direkt als Akkuverbrauch und Lüftergeräusch bei etwas so Einfachem wie einem Videoanruf mit aktivierter Hintergrundunschärfe. Die NPU existiert genau dafür, diese Arbeitslast vollständig von CPU und GPU zu nehmen und sie in einem stromsparenden Siliziumblock auszuführen, der für nichts anderes gebaut ist – weshalb sie für Notebooks wichtiger ist als für Desktop-PCs, wo Akkulaufzeit und Kühlspielraum nicht in derselben Weise begrenzt sind.

Spielt die NPU beim nächsten Notebook-Kauf wirklich eine Rolle?

Für die meisten Käufer heute, ehrlich gesagt: noch nicht so sehr, wie es das Marketing nahelegt. Die entscheidenden On-Device-KI-Anwendungen, die NPU-Durchsatz zum ausschlaggebenden Kaufkriterium machen würden, entstehen gerade erst, und ein Notebook mit schwächerer NPU läuft trotzdem jede aktuelle Anwendung problemlos – es schaltet lediglich bestimmte neuere Betriebssystem-KI-Funktionen nicht frei oder lagert sie stattdessen in die Cloud aus. Wichtiger wird es bei der Akkulaufzeit während jeder KI-nahen Aufgabe, die man schon heute nutzt, etwa Hintergrundeffekte bei Videoanrufen, da eine NPU das weitaus effizienter erledigt, als CPU oder GPU dazu zu zwingen.

NPU-Leistung wird für Software erst langsam relevant

Ein Grund, warum sich die NPU-Debatte gerade noch abstrakt anfühlt, ist die Software-Seite: Die meisten Anwendungen, die heute auf einem Notebook laufen, wurden nicht speziell dafür geschrieben, Inferenz-Workloads gezielt auf die NPU statt auf CPU oder GPU zu verlagern. Betriebssystemhersteller und große Software-Anbieter bauen diese Unterstützung gerade erst nach und nach ein, weshalb der praktische Nutzen einer schnelleren NPU heute noch stark davon abhängt, welche konkreten Programme man tatsächlich nutzt. Das wird sich in den kommenden Jahren voraussichtlich deutlich verschieben, sobald mehr kreative und produktive Software gezielt NPU-Beschleunigung anspricht, ähnlich wie es bei GPU-Beschleunigung vor einem Jahrzehnt der Fall war.

Wie man wirklich nach dieser Spezifikation einkauft

Wenn Ihnen On-Device-KI-Funktionen speziell wichtig sind, prüfen Sie das genaue Chipmodell gegen Microsofts Copilot+-Zertifizierungsliste, statt allein der Markenbezeichnung "Core Ultra" oder "Ryzen AI" zu vertrauen – beide umfassen Chips auf beiden Seiten der 40-TOPS-Grenze. Wenn Sie primär für Gaming, Kreativarbeit oder allgemeine Produktivität kaufen, sollte NPU-Durchsatz auf Ihrer Prioritätenliste deutlich hinter GPU-Leistung, Displayqualität und Arbeitsspeicher-Ausstattung stehen; es ist eine wirklich nützliche Funktion, die von Jahr zu Jahr nützlicher wird, aber noch nicht das entscheidende Kriterium, das das Marketing suggeriert. Die drei großen mobilen Plattformen vergleichen wir, NPU inklusive, ausführlicher in unserem Intel-vs.-AMD-vs.-Apple-Silicon-Ratgeber.