Google Coral NPU: Warum Google sein KI-Chipdesign verschenkt
Google macht sein Chipdesign für Edge AI komplett Open Source. Nicht die Hardware ist die Story, sondern die Lizenzwette dahinter.

Auf der Google I/O 2026 zeigte Google ein kleines Board, das ein Sprachmodell komplett auf eigener Hardware laufen lässt, ganz ohne Internetverbindung. Diese Demo war der Teil, den jeder sofort sieht. Die eigentliche, langlebige Geschichte steckt in dem, was Google mit dem Chipdesign dahinter gemacht hat: Der Bauplan geht kostenlos an alle raus.
Dieser Chip heißt Google Coral NPU, und streng genommen ist er gar kein Produkt, das man kaufen kann. Es handelt sich um ein offenes Chipdesign für einen kleinen KI-Prozessor, veröffentlicht unter einer Lizenz, die jedem Chiphersteller erlaubt, es zu bauen, zu verändern und zu verkaufen, ohne einen Cent an Google zu zahlen. Genau das ist die Idee, die zählt – sie bleibt relevant, lange nachdem das Demo-Board wieder vergessen ist. Es geht um ein Chipdesign, ein kleines Modell und die Wette, wer künftig die Hardware dazwischen baut.
Was Google auf der I/O 2026 wirklich gezeigt hat
Die Demo selbst war unspektakulär erklärt: Google und der Chiphersteller Synaptics bauten ein kleines Board namens Coralboard, das Gemma 3 270M ausführt, eine kompakte Version von Googles Gemma-Modellfamilie, komplett auf dem Gerät selbst. Kein Cloud-Server verarbeitet die Anfrage, keine Daten verlassen das Board. Das Modell liest eine Eingabe und antwortet lokal, so wie ein Taschenrechner rechnet, ohne irgendwo anzurufen.
Genau das meint man mit on-device Inference: Die Berechnungen laufen auf der Hardware vor einem, statt die Anfrage an ein weit entferntes Rechenzentrum zu schicken. Der Unterschied fühlt sich ein bisschen an wie ein Tagebuch in der eigenen abschließbaren Schublade statt im Aktenschrank eines Fremden: Nichts von dem, was man eintippt, muss den Raum verlassen, es gibt keinen Umweg über ein Netzwerk, auf den man warten muss, und das Ganze funktioniert weiter, selbst wenn das WLAN ausfällt.
Ein hilfreicher Vergleichspunkt liegt näher am Schreibtisch als an der Hosentasche. Wer schon mal abgewogen hat, ein großes Sprachmodell auf dem eigenen Rechner laufen zu lassen statt ein Cloud-Abo zu bezahlen, kennt diesen Kompromiss bereits – nur eine Nummer größer: Kontrolle und Privatsphäre gegen Bequemlichkeit. Das Coralboard wendet exakt diese Logik auf etwas an, das die Größe eines Taschenbuchs hat.

Synaptics Astra SL-Serie – die eigene Dokumentation des Chipherstellers zur SoC-Familie, zu der auch der SL2619 gehört, der Chip im Coralboard.
All das funktioniert nur mit einem Chip, der genau für diese Aufgabe gebaut ist. Selbst ein kleines KI-Modell auszuführen erfordert weit mehr repetitive Rechenoperationen, als ein Allzweckprozessor effizient bewältigt. Diese Arbeit übernimmt ein spezieller Chip namens NPU, kurz für Neural Processing Unit: ein Baustein, der genau für die Mustererkennung gebaut ist, auf der KI-Modelle beruhen – schnell und ohne den Akku leerzusaugen. Er gehört zur selben Kategorie Spezialchip, die seit ein paar Jahren still und leise in neueren Smartphones und Laptops steckt, hier nur angewendet auf ein winziges Board statt auf ein Flaggschiff-Gerät.
Eine wichtige Klarstellung: Das Coralboard ist aktuell nicht käuflich zu erwerben. Google beschreibt es als limitierte Charge, die eigens für Teilnehmer der Google I/O 2026 gefertigt wurde. Eine allgemeine Verfügbarkeit oder ein Preis wurden bislang nicht angekündigt. Jede Behauptung, das Board sei bereits im Verkauf, sollte man mit Vorsicht behandeln.
Der Teil, der wirklich zählt: ein offenes Chipdesign
Hier hört die Geschichte auf, nur ein kleines Board zu sein, und wird zu etwas, das das Board selbst überdauert. Die Coral NPU, die dieses Board antreibt, ist kein geschlossenes Design, das nur Google gehört. Sie ist als Open-Source-Chipdesign veröffentlicht – der eigentliche technische Bauplan, das Schaltkreis-Layout, das eine Chipfabrik zur Fertigung nutzen würde, steht frei zur Verfügung. Jeder darf ihn einsehen, anpassen und produzieren, ohne Lizenzgebühr an Google.
Das ist ein ziemlich ungewöhnlicher Schritt: Chipdesigns gehören normalerweise zu den am eifersüchtigsten gehüteten geistigen Eigentumsrechten der ganzen Techbranche. Die meisten Prozessoren in Smartphones, Routern und smarten Geräten basieren auf Designs, die von einer Handvoll Firmen lizenziert werden, allen voran ARM, dessen Geschäftsmodell darauf beruht, Chipherstellern das Nutzungsrecht an seinen Bauplänen in Rechnung zu stellen. Ein Chipdesign kostenlos zu öffnen ist ein direkter Angriff auf genau dieses Modell – nicht, indem man bei der Leistung gewinnt, sondern indem man die Mautstelle komplett abreißt.
Dasselbe offene Design baut zusätzlich auf RISC-V auf, einem offenen Standard dafür, wie die Grundbefehle eines Prozessors aufgebaut sind – das Äquivalent zu einem gebührenfreien Alphabet, das jeder Chip lesen kann, statt einem proprietären, für das eine Firma Lizenzgebühren verlangt. RISC-V gewinnt seit Jahren als freie Alternative zu lizenzierten Prozessorarchitekturen an Boden, bislang vor allem bei kleineren eingebetteten Chips. Mit der Coral NPU wirft Google nun echtes technisches Gewicht hinter diese Bewegung, gezielt für KI-Hardware, nicht nur für Rechenaufgaben allgemein.
Im Inneren des Designs teilt sich der Chip die Arbeit auf drei spezialisierte Bereiche auf: einen für allgemeine Befehle, einen für SIMD-Verarbeitung (eine Technik, bei der der Chip dieselbe Rechenoperation gleichzeitig auf viele Datenpunkte anwendet statt nacheinander auf einen einzelnen – genau die Art repetitiver Mathematik, die KI-Modelle brauchen), und einen dritten, der auf die Matrixmultiplikation spezialisiert ist, den Kern dessen, wie neuronale Netze ihre Antworten berechnen. Googles eigene Referenzversion schafft rund 512 Milliarden Rechenoperationen pro Sekunde bei nur wenigen Milliwatt – genug Rechenleistung für ein kompaktes Modell, gespeist aus etwas, das eher einer Hörgerätebatterie als einem Laptop-Netzteil ähnelt.

Google Coral NPU – Googles eigene Entwicklerseite zum offenen Chipdesign im Zentrum dieser Geschichte.
Synaptics ist der erste Chiphersteller, der dieses Design tatsächlich in echte Chips gegossen hat. Die Ende 2025 angekündigte Astra-SL2610-Familie kombiniert den Coral-NPU-Kern mit Synaptics’ eigener Torq-NPU und kommt so gemeinsam auf etwa 1 TOPS (eine gängige Kurzform für eine Billion Rechenoperationen pro Sekunde, rund doppelt so viel wie Googles Referenzwert für einen einzelnen Kern). Der exakte Chip im Coralboard ist der Astra SL2619, der diese kombinierte NPU mit zwei Allzweck-Prozessorkernen und einem kleineren, stromsparenden Kern für Hintergrundaufgaben koppelt. Das Board bringt 2 GB Arbeitsspeicher und bis zu 64 GB Speicherplatz mit und läuft mit einer schlanken Linux-Version, gebaut für eingebettete Geräte.
Warum das Verschenken des Designs ein echtes Problem löst
Edge AI, also KI, die auf lokalen Geräten statt in der Cloud läuft, kämpft seit Jahren mit zwei hartnäckigen Problemen, die nichts mit der reinen Chipgeschwindigkeit zu tun haben. Das erste ist fragmentierte Software. Fast jede NPU eines Chipherstellers kommt mit ihrer eigenen proprietären Toolchain – der Softwarekette, die ein KI-Modell in Befehle übersetzt, die genau dieser Chip versteht. Ein Modell, das für den Chip einer Firma optimiert ist, muss meist umgebaut werden, damit es auf dem Chip der Konkurrenz läuft. Das schreckt Entwickler ab, überhaupt für Edge-Hardware zu bauen. Das zweite Problem sind Lizenzkosten und Kontrolle. Wer einen eigenen Chip rund um ein lizenziertes Prozessordesign baut, muss mit dem Rechteinhaber verhandeln – Kosten, die kleinere Chiphersteller und Hobbyprojekte in der Regel nicht stemmen können.
Genau diese beiden Probleme greift die Open-Source-Freigabe des Bauplans direkt an. Auf der Softwareseite hat Google eine Toolchain rund um MLIR bestätigt, ein Compiler-Framework, das KI-Modellcode strukturiert und wiederverwendbar in Richtung Hardwarebefehle übersetzt, kombiniert mit TensorFlow Lite Micro, einer schlanken Version von Googles TensorFlow, gebaut speziell für kleine KI-Modelle auf eingeschränkter eingebetteter Hardware. Weil das zugrunde liegende NPU-Design öffentlich ist, kann die Toolchain jeden Chip ansteuern, der darauf basiert, statt nur eine einzige proprietäre Produktlinie. Auf der Hardwareseite kann jeder Chiphersteller denselben freien Bauplan nehmen und daraus seine eigene Siliziumversion bauen, ohne Gebühr und ohne Verhandlung.
Genau das ist die Idee, die bleibt: Google setzt darauf, dass ein kostenlos verschenktes Chipdesign samt Softwareschicht ein größeres, einheitlicheres Edge-AI-Ökosystem schafft, als der Versuch, ein geschlossenes System zu verkaufen, es je könnte. Es ist dieselbe Logik, die Google schon Jahre zuvor bei Android anwandte, als der Kern des Betriebssystems Open Source ging, statt proprietär zu bleiben – nach der Theorie, dass ein freies, gemeinsames Fundament mehr Hersteller anlockt als ein verschlossenes.
Wen das herausfordert, und wem es hilft
Der direkteste Druck landet bei ARM, dessen Geschäft davon abhängt, dass Chiphersteller für ein Prozessordesign zahlen, statt es kostenlos zu bekommen. Eine glaubwürdige, kostenlose, offene Alternative für KI-spezifische Chips muss ARMs Designs nicht einmal in der Leistung schlagen, um relevant zu werden. Sie muss nur gut genug und gratis sein – dasselbe Argument, das Teile des Embedded-Chipmarkts über die letzten Jahre langsam in Richtung RISC-V gezogen hat. Denselben Druck, vormals geschlossene Hardware-Ökonomien zu öffnen, sieht man bereits eine Stufe höher im Stack: Wo derselbe Chip in Kombination mit einem deutlich kleineren Preisschild auftaucht, verschiebt sich schon jetzt, wer sich ernsthafte lokale KI-Hardware überhaupt leisten kann.
Am meisten profitieren dürften kleinere Chiphersteller. Ein Startup, das sich niemals ein lizenziertes proprietäres KI-Chipdesign hätte leisten können, kann jetzt kostenlos eines bauen – vorausgesetzt, es verfügt über die Fertigungsexpertise, um aus einem Design tatsächlich funktionierende Chips zu machen, ein für sich genommen schwieriger und teurer Schritt. Auch Google gewinnt etwas, wenn auch weniger direkt: ein Ökosystem aus KI-Chips, gebaut rund um Googles eigene Softwaretoolchain und die Gemma-Modellfamilie, ohne dass Google selbst auch nur einen dieser Chips fertigen müsste.
Nichts davon garantiert, dass die Wette aufgeht: Offene Designs haben in der Computergeschichte eine lange Tradition, und viele davon blieben Nischenprodukte, während geschlossene Alternativen den Markt behielten. Ob die Coral NPU zu einem echten Standard wird, hängt davon ab, ob weitere Chiphersteller dem Beispiel von Synaptics folgen – und davon, ob die Software-Toolchain mit der Zeit wirklich alltagstauglich bleibt, statt nur auf dem Papier verfügbar zu sein.
Wer sich eher für das Modell interessiert, das auf diesem Board tatsächlich denkt, statt für den Chip darunter, findet den größeren Zusammenhang in der Frage, wie Open-Weight-KI-Modelle (Modelle, deren trainierte Gewichte frei veröffentlicht sind) gerade neu definieren, was lokal läuft – ein paralleler Trend, bei dem Firmen aus ähnlichen strategischen Gründen ihre Softwareschicht verschenken.
Häufig gestellte Fragen
Ist das dasselbe wie der ältere Coral Edge TPU USB-Beschleuniger?
Nein. Google Coral NPU ist ein neues Open-Source-Chipdesign auf Basis von RISC-V, einer offenen Prozessorarchitektur, und für sich genommen kein physisches Produkt. Der ältere Coral Edge TPU USB-Stick war ein völlig anderes, separates Produkt, gebaut rund um Googles proprietäre TPU-Chiparchitektur und direkt an Entwickler verkauft. Beide teilen sich nur den Produktnamen, sonst nichts.
Kann ich gerade ein Coralboard kaufen?
Noch nicht. Google beschreibt das aktuelle Coralboard als limitierte Charge, gefertigt eigens für Teilnehmer der Google I/O 2026, nicht als frei verfügbares Produkt. Eine allgemeine Verfügbarkeit und ein Preis wurden bis zum Redaktionsschluss nicht angekündigt – bei jedem gegenteiligen Angebot ist also Vorsicht geboten.
Was bedeutet es, dass das NPU-Chipdesign Open Source ist?
Es bedeutet, dass der eigentliche technische Bauplan des Chips, nicht nur die Software, die darauf läuft, öffentlich zugänglich ist – jeder Chiphersteller darf ihn kostenlos nutzen, anpassen und produzieren. Das ist ungewöhnlich für Prozessor-Hardware, die normalerweise gegen Gebühr lizenziert wird. Genau das hat Synaptics erlaubt, den ersten echten Chip rund um dieses Design zu bauen.
Läuft auf dem Chip jedes KI-Modell, oder nur Gemma?
Es handelt sich um ein universelles KI-Chipdesign, nicht um eines, das an eine einzige Modellfamilie gebunden ist. Googles Demo nutzte Gemma 3 270M, ein kleines Mitglied der Gemma-Reihe, aber die bestätigte Software-Toolchain rund um MLIR und TensorFlow Lite Micro ist darauf ausgelegt, eine ganze Bandbreite kompakter KI-Modelle auf den Chip zu bringen, nicht nur Googles eigene.
Warum zählt das offene Design mehr als das Board selbst?
Weil das Board eine einzelne, limitierte Demonstration ist, während der zugrunde liegende Bauplan dafür gedacht ist, unbegrenzt oft von jedem Hersteller wiederverwendet zu werden. Ein einzelnes Produkt kann eingestellt werden oder eine Nischenkuriosität bleiben; ein frei lizenzierbares Design, das andere Firmen übernehmen, kann still und leise zum Standardweg werden, wie eine ganze Hardwarekategorie gebaut wird – so wie es offene Standards anderswo in der Computerwelt schon vorgemacht haben.