DirectML: Alles über die Revolution der künstlichen Intelligenz in Windows und Gaming

In den letzten Jahren haben maschinelles Lernen und künstliche Intelligenz haben in der Welt der Technologie eine immer wichtigere Rolle eingenommen, insbesondere in den Bereichen Gaming, Kreativsoftware und dem Windows-Betriebssystem. Doch obwohl Begriffe wie DLSS, Ray Tracing und Beschleunigung durch Hardware Sie klingen schon seit einiger Zeit stark, es gibt ein Schlüsselelement, das all diese Geräte im Microsoft-Ökosystem verbindet: DirectML. Wenn Sie sich schon einmal gefragt haben, was DirectML ist, wofür es verwendet wird und wie es zum geheimen Motor hinter vielen heutigen Innovationen wird, finden Sie hier die umfassendste und aktuellste Erklärung.

DirectML ist nicht nur ein Schlagwort: Es handelt sich um eine Kerntechnologie, die darauf ausgelegt ist, die modernen Fähigkeiten von GPUs und NPUs für Rechenaufgaben voll auszunutzen. künstliche Intelligenz und maschinelles Lernen, ob in Videospielen der nächsten Generation, Apps Bearbeiten von Multimedia-Inhalten oder erweiterte Windows-Funktionen. Wenn man heute DirectML versteht, versteht man auch einen Großteil der technologischen Revolution, die bei PCs, Konsolen und Windows-Geräten stattfindet.

Was ist DirectML und warum ist es wichtig?

DirectML (Direct Machine Learning) ist eine von Microsoft entwickelte Low-Level-API, die speziell dazu dient, maschinelle Lernaufgaben auf Windows-Systemen über den DirectX 12-Standard zu beschleunigen. Es handelt sich um eine Bibliothek, die es Entwicklern ermöglicht, die Leistung von Grafikkarten (GPUs) und Spezialprozessoren (NPUs) zu nutzen, um Modelle der künstlichen Intelligenz effizient auszuführen. Diese API ist nicht nur für die Spieleentwicklung konzipiert, sondern auch für alle Arten von Anwendungen und Engines, Middleware und Umgebungen, die erweiterte ML-Funktionen (Machine Learning) erfordern.

Der Grund für DirectML besteht darin, künstliche Intelligenz in das Windows-Ökosystem zu integrieren und zu beschleunigen.. Dadurch sind komplexe Algorithmen nicht mehr ausschließlich auf die zentrale Verarbeitungseinheit (CPU) angewiesen, sondern können die enorme Parallelität und Rechenleistung moderner GPUs und neuerdings auch der in vielen aktuellen Systemen integrierten NPUs nutzen. Dadurch werden Aufgaben wie Bildverarbeitung, Grafikverbesserung, Beschleunigung prädiktiver Modelle und erweiterte Aufgabenautomatisierung deutlich schneller, effizienter und für mehr Benutzer und Entwickler zugänglicher.

Wie funktioniert DirectML in der Windows-Umgebung?

DirectML fungiert als Brücke zwischen Frameworks für maschinelles Lernen (wie TensorFlow oder PyTorch) und DirectX 12-kompatibler Hardware.. Die Implementierung ist seit Version 10 (Build 1903) tief in Windows 10.0.18362 integriert und in Windows 11, wodurch es für jede kompatible Anwendung einfacher wird, diese Hardwarebeschleunigung zu nutzen.

Der große Vorteil von DirectML besteht darin, dass es Entwicklern eine konsistente und einfache API bietet, mit der sie KI-Inferenzmodelle auf einer Vielzahl von Geräten und Architekturen erstellen und bereitstellen können.. Es spielt keine Rolle, ob wir über AMD GPUs sprechen, Intel, NVIDIA, Qualcomm oder bestimmte NPUs: Das Ziel von DirectML besteht darin, Anrufe zu vereinheitlichen und die höchstmögliche Leistung zu ermöglichen. Durch die Verwendung von DirectX 12 als Grundlage können Sie das Beste aus Ihrer Grafikhardware herausholen, mit sehr geringer Latenz und unschlagbarer Effizienz für Aufgaben wie Bild-Supersampling, Mustererkennung oder automatische Klassifizierung von Multimediaelementen.

In der Praxis hat sich DirectML zum Standard für die Beschleunigung von KI-Frameworks unter Windows entwickelt.. Microsoft bewirbt es als Integrationskanal, insbesondere für die Verwendung mit ONNX Runtime (einer Laufzeitumgebung für Standard-KI-Modelle), TensorFlow und PyTorch, wodurch Apps und Spiele entscheidende Verbesserungen bei Geschwindigkeit und Verarbeitungsleistung erzielen können, ohne auf bestimmte Hardware einer einzigen Marke angewiesen zu sein.

DirectML im Praxiseinsatz: Aktuelle Anwendungen und Beispiele

DirectML ist alles andere als eine theoretische Technologie, sondern wird bereits in zahlreichen kreativen und professionellen Lösungen eingesetzt, insbesondere in den neuen Windows Copilot+-PCs.. Diese Gerätetypen sind mit fortschrittlichen Architekturen mit NPUs und GPUs der nächsten Generation ausgestattet und können die Möglichkeiten von DirectML voll ausnutzen, um intelligente Aufgaben lokal und hocheffizient auszuführen.

Zu den Anwendungen, die DirectML bereits integriert haben, gehören einige Schwergewichte der Kreativ- und Produktivitätssoftware:

• Adobe Premiere Pro: Verwendet DirectML zum automatischen Taggen von Audioclips und klassifiziert jede Datei sofort anhand ihrer Art (Musik, Dialog, Effekte, Ambiente), was die Bearbeitung erheblich beschleunigt.
• Capture One: hat zwei KI-gestützte Funktionen mit DirectML integriert, z. B. Match Look und AI Crop, wodurch Fotografen und Kreative die Arbeit ohne Präzisionsverlust erleichtert wird.
• Affinitätsfoto 2: Nutzt DirectML und die Qualcomm Hexagon NPU für die automatische Objekt- und Motivauswahl in der Fotografie, wodurch die Notwendigkeit einer manuellen Maskierung entfällt und die Bearbeitung wesentlich effizienter wird.

Im Gaming-Sektor war DirectML der Schlüssel zur Forschung und Entwicklung von Techniken wie intelligentem Supersampling und der Verbesserung der Grafikleistung ohne Qualitätseinbußen. Als Microsoft beispielsweise die Xbox DirectML wurde von den Entwicklern der Series X|S als eine der größten Stärken der Konsole identifiziert, da es radikale Leistungsverbesserungen durch Techniken wie „ML-Superauflösung“, Übertragung von Kunststilen und die Entwicklung neuartiger Spielerlebnisse ermöglicht.

Die Beziehung von DirectML zu Ray Tracing, DLSS und der Konkurrenz

Eine der am häufigsten gestellten Fragen ist, ob DirectML in direkter Konkurrenz zu Technologien wie NVIDIAs DLSS steht oder ob es eine Alternative zu Ray Tracing darstellt.. Die kurze Antwort lautet, dass DirectML und DLSS zwar bestimmte Ziele gemeinsam verfolgen (Verbesserung der Qualität und Leistung von Videospielen durch KI), aber nicht genau dasselbe sind.

DLSS (Deep Learning Super Sampling) ist eine proprietäre NVIDIA-Technologie Dabei wird Deep Learning verwendet, um aus weniger GPU-gerenderten Pixeln Bilder mit höherer Auflösung zu generieren, wodurch FPS und Bildqualität verbessert werden. Obwohl nur für RTX-Karten verfügbar, basiert das Konzept hinter DLSS auf ML-Techniken, die Microsoft auch durch DirectML demokratisieren möchte.

DirectML hingegen ist eine offene API, die in Windows für jede mit DirectX 12 kompatible Hardware integriert ist. Es bietet Entwicklern Zugriff auf eine Reihe von KI-Beschleunigungsfunktionen, von der intelligenten Bildskalierung (Super Resolution) über die Optimierung von Spiele-Engines, Texturgenerierung und Spracherkennung bis hin zur automatischen Fotoverbesserung. Infolgedessen können AMD, Intel und NVIDIA DirectML verwenden, was die Tür zu alternativen Lösungen zu DLSS auf Plattformen wie AMD-GPUs mit Radeon ML und ähnlichen Technologien öffnet.

Raytracing und KI gehen dank DirectML auch Hand in Hand. Mit der Einführung von DirectX 12 Ultimate arbeiten Technologien wie DXR (DirectX Ray Tracing) und DirectML zusammen, um Entwicklern Zugriff auf realistische Lichtstrahlsimulation und Grafikintelligenz zu geben und so realistischere, schnellere und effizientere Bilder zu erzeugen.

AMD hat beispielsweise an Lösungen gearbeitet wie DirectML Super Resolution, das intelligentes Upscaling (Hochskalieren eines 540p-Bildes auf ein gestochen scharfes 4K bei gleichzeitiger Reduzierung des Aliasings) auf seinen RX 6000- und Xbox-Karten ermöglicht und dabei einer offenen, plattformübergreifenden Philosophie folgt, die mit DLSS konkurriert, aber nicht auf einen einzigen Hersteller beschränkt ist.

DirectML-Integration in Hardware: NPUs, GPUs und die nächste PC-Generation

Der bedeutendste Fortschritt der letzten Zeit ist die Integration von DirectML nicht nur in GPUs, sondern auch in NPUs (Neural Processing Units).. Bisher wurde DirectML hauptsächlich verwendet, um die Leistung von Grafikkarten sowohl von AMD als auch von NVIDIA und Intel zu nutzen. Doch mit der Einführung von Prozessoren Intel Core Ultra (Meteor Lake) und seiner AI Boost „NPU“ sowie der Allianz mit Samsung wurde DirectML erweitert, um die Vorteile von Chips, die ausschließlich für KI-Aufgaben im PC vorgesehen sind, voll auszuschöpfen.

Dies ist eine Revolution im Vergleich zur bisherigen ausschließlichen Abhängigkeit von der GPU.. Jetzt können Aufgaben wie Sprachmodell-Inferenz, Echtzeitanalysen und Multimedia-Klassifizierung an diese NPUs ausgelagert werden, wodurch noch mehr Ressourcen freigesetzt und der Stromverbrauch verbessert werden. Die Unterstützung erreichte zunächst die portátiles von Intel und Samsung mit Windows 11, die eine Kombination von Softwareanforderungen erfordern (DirectML 1.31.1, NuGet, ONNX Runtime 1.17 und Treiber (Intel aktualisiert), damit es ordnungsgemäß funktioniert.

Während die Unterstützung für AMDs Ryzen AI derzeit noch begrenzt ist, ist klar, dass die Branche auf eine verstärkte DirectML-Integration über alle Arten von Hardware hinarbeitet. Die Vision von Microsoft besteht darin, sicherzustellen, dass kein Entwickler oder Benutzer von der KI-Revolution ausgeschlossen bleibt. Kurzfristig wird erwartet, dass die neuen Ryzen 8040-Prozessoren erweiterte Unterstützung für DirectML und seine NPU-Beschleunigungsfunktionen bieten.

Vergleich von GPU-Leistung und -Optimierung: Wann lohnt sich DirectML?

Eines der am meisten diskutierten Themen zu DirectML ist seine tatsächliche Leistung im Vergleich zu anderen nativen GPU-Lösungen.. Nach Tests, die auf verschiedenen Systemen durchgeführt wurden, beispielsweise mit TensorFlow und DirectML auf dem Windows-Subsystem für Linux (WSL) wurde beobachtet, dass die zeit Die Ausführungszeit kann je nach verwendeter GPU und Treibern erheblich variieren.

Beispielsweise dauerte der Test auf einem System mit einem Ryzen 3600-Prozessor und einer AMD RX 6600 XT-Karte ungefähr 139 Sekunden, während er auf einer Nvidia RTX 3060 mit nativen Treibern 97 Sekunden betrug. Dies zeigt, dass DirectML zwar ein leistungsstarkes und flexibles Tool ist, es jedoch dennoch Situationen geben kann, in denen die reine Leistung eines nativen Treibers (insbesondere auf NVIDIA-Karten) überlegen ist. Allerdings verringert sich die Lücke tendenziell mit jedem DirectML-Update und jeder Supporterweiterung, insbesondere auf AMD-Hardware oder in Szenarien, in denen plattformübergreifende Kompatibilität und Zugriff auf intelligente Funktionen von Standard-KI-Frameworks Priorität haben.

Es ist nicht immer eine gute Idee, DirectML zu verwenden, insbesondere in diesen Fällen:

• Wenn Sie über eine sehr leistungsstarke GPU, aber keine DirectML-Unterstützung verfügen, bietet der native Treiber möglicherweise eine bessere Leistung.
• Für extrem komplexe und spezifische Machine-Learning-Aufgaben benötigen Sie möglicherweise spezialisiertere Lösungen oder Bibliotheken, die direkt für Ihre Hardware optimiert sind.
• Wenn Ihre Entwicklung weder KI noch ML erfordert, bietet DirectML keinen Mehrwert und Sie können sich für andere, auf Ihren Workflow zugeschnittene Tools entscheiden.

Aktuelle Vorteile und Einschränkungen von DirectML

Zu den Hauptvorteilen von DirectML zählen die vollständige Integration in Windows, die Kompatibilität mit einer breiten Palette von Hardware und die Fähigkeit, KI für jeden Benutzer oder Entwickler zugänglich und effizient zu machen.. Damit können Sie sowohl produktivitätsorientierte Anwendungen als auch alle Arten von Videospielen beschleunigen, ohne dass umfassende Kenntnisse der Hardwareumgebung erforderlich sind, solange das System die Mindestanforderungen von DirectX 12 und eine entsprechende Unterstützung erfüllt.

Darüber hinaus ist DirectML der Kanal, über den Entwickler die Zukunft der lokalen KI vorwegnehmen können und so die ausschließliche Abhängigkeit von der Cloud oder proprietären Lösungen vermeiden.. Dank der Integration mit Technologien wie ONNX Runtime, TensorFlow, PyTorch und anderen beliebten KI-Bibliotheken ist die Palette der Möglichkeiten so groß wie die Vorstellungskraft von Ingenieuren und Kreativen.

Allerdings bestehen weiterhin gewisse Nachteile bzw. Markteintrittsbarrieren.:

• In einigen Fällen hinkt die Leistung immer noch hinter nativen Treibern hinterher, die für eine bestimmte GPU-Marke optimiert sind, obwohl sich die Lücke jedes Jahr verringert.
• Die NPU-Integration befindet sich noch in einem frühen Stadium, was bedeutet, dass nur bestimmte Hardwaremodelle, Versionen und Treiber diese Funktionen voll ausnutzen können.
• Bei hochkomplexen oder spezialisierten Deep-Learning-Modellen kann es zu Kompatibilitätseinschränkungen kommen. In diesem Fall kann die Verwendung alternativer Bibliotheken erforderlich sein.

Voraussetzungen, Installation und Start von DirectML

Um von DirectML unter Windows zu profitieren, benötigen Sie zunächst ein DirectX 12-kompatibles System und die entsprechende Version des Betriebssystems (Windows 10 ab Build 1903 oder Windows 11).. Von dort aus sind Installation und Nutzung normalerweise an die von Ihnen verwendete Software (z. B. TensorFlow oder PyTorch) und den entsprechenden GPU- oder NPU-Treiber gebunden.

In fortgeschrittenen Szenarien, wie der Verwendung des Windows-Subsystems für Linux (WSL) und der ML-Beschleunigung in Linux-Umgebungen unter Windows, sind die Schritte normalerweise wie folgt:

1. Aktivieren Sie das WSL-Subsystem und die Virtual Machine Platform über die Windows-Funktionen.
2. Installieren Sie eine Linux-Distribution (z. B. Ubuntu) aus dem Microsoft Store.
3. Richten Sie eine Entwicklungsumgebung wie MiniConda für die Verwaltung von Python-Umgebungen ein.
4. Installieren Sie die entsprechende Version von TensorFlow oder PyTorch und integrieren Sie DirectML-Unterstützung gemäß der offiziellen Dokumentation.

Für die NPU-Beschleunigung ist es wichtig, die neueste Version von DirectML, ONNX Runtime und die aktuellsten Treiber für die entsprechende NPU zu haben (z. B. Intel AI Boost auf Meteor Lake).. In frühen Versionen werden nicht alle Modelle oder Aufgaben unterstützt. Daher ist es wichtig, die Hinweise und Listen der unterstützten Modelle jedes Hardwareanbieters zu konsultieren.

Die Zukunft von DirectML: KI im Herzen des Windows-Ökosystems

Microsoft investiert weiterhin massiv in DirectML als Treiber der KI-Innovation für Windows.. Die Entwicklung von Windows Copilot+, die Integration mit neuen Chips von Intel, Qualcomm und AMD und die Öffnung der Plattform für alle Arten von Entwicklern lassen eine unaufhaltsame Expansion von DirectML in den kommenden Jahren erwarten.

Das DirectML-Team arbeitet daran, weitere Funktionen hinzuzufügen und es jedem Entwickler zu erleichtern, KI in seinen Anwendungen zu nutzen., beschleunigt zukünftige Innovationen und demokratisiert die Leistungsfähigkeit künstlicher Intelligenz auf dem Desktop, im Web und Handy. Der Trend ist klar: mehr Leistung, weniger technische Barrieren und ein zunehmend flüssigeres und personalisierteres Erlebnis für Windows-Benutzer.

Verwandte Artikel:

Gaming und KI: Wie die PC-Revolution im Jahr 2025 aussehen wird

Holger

Leidenschaftlicher Autor über die Welt der Bytes und der Technologie im Allgemeinen. Ich liebe es, mein Wissen durch Schreiben zu teilen, und genau das werde ich in diesem Blog tun und Ihnen die interessantesten Dinge über Gadgets, Software, Hardware, technologische Trends und mehr zeigen. Mein Ziel ist es, Ihnen dabei zu helfen, sich auf einfache und unterhaltsame Weise in der digitalen Welt zurechtzufinden.