Von der Spielgrafik zur Wissenschaft: Wie GPUs das Distributed Computing revolutionierten

Ein Blick zurück auf den GPU-Urknall im BOINC-Universum – von den legendären MilkyWay@Home-Zeiten über unsere eigenen Foren-Pioniere bis hin zu den KI-Monstern von heute.

Als Ende der 2000er Jahre die ersten Grafikprozessoren für allgemeine Berechnungen abseits von Pixeln und Polygonen geöffnet wurden, ahnten wohl nur die Wenigsten, was das für die Wissenschaft und das Distributed Computing bedeuten würde. Mit dem Start von NVIDIAs CUDA (2007) und dem offenen Gegenstück OpenCL (2008) kam eine Lawine ins Rollen, die BOINC-Projekte wie MilkyWay@Home, PrimeGrid oder GPUGrid für immer verändern sollte. Auch das Nicht-BOINC-Projekt folding@home setzte früh auf die Unterstützung der GPU.

Wir als Planet3DNow!-Community saßen da mitten in der ersten Reihe: Im Forum wurde früh und heiß diskutiert, wie man AMDs Radeon-Grafikkarten für die Wissenschaft einspannen kann. Namen wie Gipsel und indiana_74 dürften vielen von euch noch ein Begriff sein – ihre technischen Artikel und Anleitungen haben damals unzähligen Usern den Einstieg ins GPU-Computing erst ermöglicht.

Die gute alte Zeit der CPU-Dominanz
Werfen wir einen Blick zurück: Bis etwa 2008 lief bei BOINC fast alles stur über die CPU. Zwar hatten moderne Prozessoren damals schon mehrere Kerne, aber deren Architektur war eben auf Vielseitigkeit ausgelegt. Ein typischer Desktop-Quadcore schaffte damals Rechenleistungen im Bereich von ein paar mickrigen GigaFLOPS.

Grafikkarten tickten dagegen schon immer anders. Sie wurden für massiv parallele Berechnungen gebaut. Selbst damalige High-End-GPUs schleppten hunderte Recheneinheiten mit, die exakt dieselbe Operation gleichzeitig auf riesige Datenberge loslassen konnten. Der große Heureka-Moment kam, als Entwickler merkten: Viele wissenschaftliche Algorithmen lassen sich im Grunde genauso perfekt parallelisieren wie 3D-Grafik.

MilkyWay@Home und der Credit-Urknall
Das wohl spektakulärste Anschauungsobjekt für diesen Wandel war MilkyWay@Home. Das Projekt berechnet Modelle unserer Milchstraße und nutzt dafür numerische Verfahren, die wie gemalt für GPUs sind. Als die ersten OpenCL- und CAL-Apps für AMD-Radeon-Karten das Licht der Welt erblickten, gab es einen regelrechten Leistungsschock.

Wo eine CPU damals Minuten oder gar Stunden für eine einzige Workunit (WU) herumknusperte, flogen die speziell optimierten Radeon-Versionen in wenigen Sekunden durch die Aufgaben. Die Folge? Eine absolute Explosion bei den Credits!
Die Mitglieder Crunch3r, Gipsel und Twodee unseres Forums waren damals maßgeblich an der Entwicklung der verbesserten Versionen beteiligt und haben diese dann der Allgemeinheit zur Verfügung gestellt.

Wer eine Radeon HD 48xx oder später die legendäre HD 58xx im Rechner hatte, dominierte die Ranglisten fast nach Belieben. Unser Team von Planet 3DNow! war hier ganz vorne mit dabei – wir haben nicht nur ordentlich Rechenpower beigesteuert, sondern auch fleißig Feedback an die Projektbetreiber geliefert. Für viele von uns war das der erste echte Beweis, was GPGPU (General Purpose GPU Computing) im Alltag leisten kann.

Warum sind GPUs eigentlich so verdammt schnell?
Der Unterschied liegt im Konzept: Eine moderne CPU setzt auf wenige, dafür aber extrem taktstarke und komplexe Kerne, um Befehlsfolgen nacheinander abzuarbeiten. Eine GPU macht das Gegenteil: Sie nutzt tausende, vergleichsweise simple Recheneinheiten, kombiniert mit einer brachialen Speicherbandbreite. Sie setzt auf maximalen Durchsatz statt auf niedrige Latenz.
Schon 2009 bügelten High-End-GPUs schnelle Desktop-CPUs im passenden Szenario locker um den Faktor 10 bis 30 – in Extremfällen sogar noch deutlicher.

Von 2009 bis heute: Die große Beschleunigung
Richtig wild wurde es aber erst in den Jahren danach. Eine Radeon HD 5870 – damals das Maß der Dinge beim BOINC-Crunchen – brachte es auf rund 2,7 TFLOPS bei einfacher Genauigkeit (FP32). Schauen wir uns an, wo wir heute stehen:

In gut eineinhalb Jahrzehnten hat sich die rohe FP32-Leistung also locker mehr als vervierzigfacht. Und bei speziellen KI- und Tensor-Operationen fliegen uns die Zahlen mittlerweile komplett um die Ohren.

Das BOINC Projekt mit den meisten spezialisierten Anwendungen: PrimeGrid
Wie heftig das Ganze heute ist, sieht man gut am Projekt PrimeGrid, das aktuell eine Gesamtleistung von rund 2,9 Petaflops meldet. Wirft man einen Blick auf die Top-Hosts, thronen dort Systeme mit NVIDIAs RTX 5090, RTX 5080 oder waschechten Profi-Beschleunigern wie der A100. Einzelne Rechner schaufeln hier tägliche Credit-Berge weg, für die man früher ein ganzes Rechenzentrum gebraucht hätte.

Auch die Effizienz ist eine andere Welt: Bei passenden Workloads schlagen moderne GPUs die CPUs um den Faktor 20 und mehr. Was 2009 noch nach Science-Fiction klang, knuspern die Rechner heute im Idle-Modus weg.

Die nächste Stufe: Reine KI-Beschleuniger
Der Motor hinter dieser rasanten Entwicklung ist heute allerdings nicht mehr nur die klassische Wissenschaft, sondern der massive KI-Boom. Die großen Drei schlagen dabei unterschiedliche Wege ein:

AMD: Setzt voll auf die Instinct-Serie. Die aktuellen MI300- und MI350-Beschleuniger verschmelzen CPU- und GPU-Technik in einem gemeinsamen Speicherraum – maßgeschneidert für gigantische KI-Datencenter.
Intel: Versucht mit den Gaudi-Beschleunigern und den Xe-Architekturen Boden gutzumachen, vor allem im Bereich KI-Inferenz und Cloud-Computing.
NVIDIA: Bleibt der Platzhirsch im HPC- und KI-Markt. Die Blackwell-Generation befeuert derzeit die mächtigsten KI-Supercomputer der Welt, während sich CUDA längst als der unangefochtene Industriestandard zementiert hat.

Fazit
Die Einführung von CUDA und OpenCL war der Urknall für das moderne Distributed Computing. Projekte wie MilkyWay@Home haben uns schon vor 15 Jahren gezeigt, welche ungeheure Power in unseren Grafikkarten schlummert.

Für viele von uns bleibt die Zeit der ersten Radeon-Optimierungen unvergessen: Wenn WUs plötzlich im Sekundentakt fertig wurden, die Server-Statistiken heiß liefen und das Forum von Planet3DNow! kollektiv am Optimieren war. Heute treiben diese Chips die größte Tech-Revolution unserer Zeit an. Aus den verspielten Pixelbeschleunigern von einst sind die Kraftwerke der modernen Welt geworden. Die Revolution läuft weiter – nur auf einem völlig neuen Level!

Die Werte zeigen jedoch auch, dass man durchaus noch einiges für die Wissenschaft beitragen kann — wenn man sein System mit der BOINC Software versorgt und es für unser Team bei den diversen Projekten rechnen lässt. Kommt im Distributed Computing Forum vorbei, hier wird jedem Interessierten geholfen und findet jeder sein Lieblingsprojekt.