Eine am 5. November 2026 veröffentlichte Patentanmeldung von Microsoft Technology Licensing beschreibt, wie sich freie GPU-Leistung auf privaten Geräten für KI-Training nutzen ließe. Gaming-PCs, Notebooks und Smartphones könnten kleine Rechenaufgaben übernehmen, wenn dafür Kapazität verfügbar ist. Für die Besitzer sieht die Beschreibung mögliche Gutschriften vor. Ein verfügbares Vergütungsprogramm oder einen Produktstart belegt das Dokument nicht.
Die Veröffentlichung trägt die Nummer US 2026/0349820 A1 und den Titel „Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization“. Eingereicht wurde die US-Anmeldung 19/195,047 am 30. April 2025. Als Erfinder ist Aditya Vasanth Challapally genannt. Die 19-seitige Veröffentlichung enthält vier Zeichnungsblätter und 20 Patentansprüche. Der Zusatz A1 bezeichnet eine Veröffentlichung der Anmeldung; daraus allein lässt sich keine Patenterteilung ableiten.
Kleine Trainingspakete mit Rücksicht auf Datenverkehr und Speicher
Das Verfahren beginnt mit einer Analyse der Abhängigkeiten innerhalb eines KI-Modells. Ein Graph hält fest, welche Berechnungen Ergebnisse anderer Berechnungen benötigen. Anschließend bewertet der Dienst mögliche Trennstellen danach, wie viel Kommunikation, zusätzlicher Speicher und Zugriff auf entfernte Daten nötig wären. So sollen unabhängig bearbeitbare Microtasks entstehen, deren Ergebnisse später wieder in das Training einfließen.
Die Pakete müssen dabei zur jeweiligen Hardware passen. Für leistungsfähige Geräte mit verlässlichen Verfügbarkeitszeiten beschreibt Microsoft größere Aufgaben. Wenn ein Rechner oft unerwartet ausfällt oder nur kurz frei ist, werden die Pakete kleiner. Berücksichtigt werden unter anderem Rechenleistung, Speicher, Kühlungsreserven und der bisherige Erfolg bei erledigten Aufgaben. Damit adressiert die Anmeldung ein praktisches Problem verteilter Berechnungen: Ein privater PC steht dem Trainingsdienst nicht dauerhaft zur Verfügung.
Ausdrückliche Zustimmung und mögliche Gutschriften
Absatz 0019 der Originalbeschreibung behandelt Geräte, die nicht dem Betreiber des Trainings gehören. Deren Besitzer müssen der Nutzung ausdrücklich zugestimmt haben. Das System kann die geleisteten Berechnungen erfassen und dafür Gutschriften auf einem Konto vergeben. Genannt werden kostenlose Software, Zugang zu dem trainierten Modell, Geld oder vergleichbare Gegenleistungen.
Diese Vergütung ist als mögliche Ausgestaltung beschrieben. Ein verbindlicher Auszahlungsbetrag, eine Mindestauszahlung oder ein Verhältnis zwischen GPU-Leistung und Geldbetrag ist damit nicht festgelegt. Die technischen Hauptansprüche behandeln die Zerlegung und Verteilung der Aufgaben sowie die Gewichtung ihrer Ergebnisse. Die Anmeldung ist deshalb keine Zusage, dass jede dort beschriebene Funktion später als Dienst mit Bezahlung angeboten wird.
Speicherreserve und Abbruch bei steigender Last
Zur Geräteauswahl überwacht der Dienst nach der Beschreibung unter anderem GPU- oder CPU-Auslastung, Speicherbelegung, Temperatur, Leistungsaufnahme, Speicherbandbreite und wartende Berechnungen. Aus bisherigen Nutzungsmustern soll er abschätzen, wann ein Gerät wieder frei sein könnte. Wird die GPU stark beansprucht oder heiß, soll bereits die Erfassung dieser Werte seltener erfolgen, um den Überwachungsaufwand zu begrenzen.
Während eine Microtask läuft, ist ein eigener leichter Überwachungskanal vorgesehen. Überschreiten Leistungs- oder Temperaturwerte eine Grenze, kann die Aufgabe pausiert, gestoppt oder abgebrochen werden. Eine beispielhafte Speicherformel begrenzt das Budget auf den kleineren Wert aus 80 Prozent des gesamten Speichers und dem aktuell verfügbaren Speicher abzüglich einer Sicherheitsreserve. Für diese Reserve nennt die Beschreibung unter anderem mindestens 512 MB. Das sind Beispiele für eine Ressourcenplanung, keine bestätigten Speichergrenzen einer veröffentlichten Anwendung.
Die im Dokument angestrebte unbeeinträchtigte Nutzung des Hauptgeräts ist ein Entwicklungsziel. Aus der Beschreibung folgt kein Messergebnis dafür, wie schnell ein laufendes Training beim Start eines Spiels Ressourcen freigeben würde. Angaben zu Bildraten oder konkreten Tests mit Gaming-PCs fehlen.
Veraltete und unzuverlässige Ergebnisse erhalten weniger Gewicht
Die Ergebnisse müssen nicht gleichzeitig eintreffen. Der Dienst soll sie asynchron zusammenführen und ihren Einfluss auf das Modell nach mehreren Kriterien gewichten: Übereinstimmung mit anderen Ergebnissen, Alter der Berechnung und Zuverlässigkeit des Geräts. Ein sehr spät zurückgeliefertes Update kann dadurch weniger Gewicht erhalten als ein frisches.
Gegen fehlerhafte oder manipulierte Berechnungen beschreibt Microsoft zusätzliche Prüfungen. Auffällige Ergebnisse können ausgeschlossen oder auf weiteren Geräten erneut berechnet werden. Hinzu kommen Kontrollen mathematischer Eigenschaften und plausibler Wertebereiche. Der Zuverlässigkeitswert eines Geräts berücksichtigt frühere Aufgaben. Dieser zusätzliche Prüfaufwand gehört zur vorgeschlagenen Architektur; die Anmeldung liefert keinen gemessenen Nettogewinn an Trainingsleistung für ein reales Netz privater Rechner.
Freie GPU-Leistung verursacht zusätzliche Stromkosten
Für eine mögliche Teilnahme wäre die Vergütung gegen den tatsächlichen Mehrverbrauch zu rechnen. Ein rein illustratives Beispiel: 120 Watt zusätzliche Leistungsaufnahme während täglich drei Stunden ergeben in 30 Tagen 10,8 Kilowattstunden. Bei angenommenen 40 Cent je Kilowattstunde wären das 4,32 Euro zusätzliche Stromkosten. Die Werte sind weder Messdaten noch eine Vergütungsprognose für das beschriebene Verfahren.
Für eine belastbare Wirtschaftlichkeitsrechnung fehlen insbesondere Auszahlungssätze, reale Leistungsaufnahme und tatsächlich zugeteilte Rechenzeit. Auch ein konkreter Windows- oder Xbox-Dienst, unterstützte Grafikkarten und Teilnahmebedingungen werden mit der Veröffentlichung nicht angekündigt.