rechenintensiv

Rechenintensiv beschreibt Aufgaben oder Anwendungen, die einen großen Anteil ihrer Ressourcen für Rechenoperationen beanspruchen. Typisch ist eine hohe CPU-Auslastung und längere Laufzeiten pro Arbeitseinheit, während Ein- und Ausgabebereiche relativ gering ausfallen.

Die Definition basiert darauf, dass Leistungsanforderungen primär durch Rechenzeit bestimmt werden. Messgrößen sind CPU-Zeit, FLOPS (Floating Point Operations Per Second) sowie Benchmarkwerte wie SPECint oder LINPACK. Rechenintensive Systeme zielen darauf ab, Rechenleistung zu maximieren und Wartezeiten zu minimieren.

Typische Beispiele sind wissenschaftliche Simulationen und numerische Analysen (Klimamodelle, Molekulardynamik, Finite-Elemente-Analysen), Rendering und Bildverarbeitung, Kryptographie sowie maschinelles Lernen, insbesondere Trainingsläufe auf spezialisierten Architekturen wie GPUs oder Tensor Processing Units.

Zur Optimierung rechenintensiver Anwendungen kommen Parallelisierung (Multithreading, SIMD), GPU-Beschleunigung, effiziente Speicherzugriffe, Algorithmusverbesserungen und gezieltes Profiling mit Tools. In der Praxis finden sich solche Aufgaben häufig in Hochleistungsrechnerclustern, Serverfarmen oder Cloud-Umgebungen, die auf maximale Rechenleistung und Skalierbarkeit ausgelegt sind. Energieverbrauch und Kosten spielen dabei eine zunehmend zentrale Rolle.

Der Begriff grenzt sich ab von speicherintensiven oder I/O-intensiven Anwendungen, bei denen Speicherbandbreite oder Datentransfer die Leistung dominieren. Rechenintensive Arbeiten erfordern oft spezialisierte Hardware und optimierte Software, um Skalierbarkeit und Effizienz sicherzustellen.