DLSS-5-Comeback per MGPU Bridge: KI-Rendering auf zweiter GPU

LONDON (IT BOLTWISE) – Ein Open-Source-Ansatz namens Neural Coprocessor nutzt eine MGPU Bridge, um DLSS-5-Neural-Rendering auf einer zweiten Grafikkarte auszulagern. Während eine GPU das Spiel rendert, verarbeitet die zweite Karte die KI-Nachbearbeitung und zeigt das Ergebnis separat auf einem eigenen Monitor. Damit bleibt das Spiel selbst vollständig auf einer Karte, und der Effekt betrifft vor allem die Entlastung der Spiel-GPU. Unklar bleibt vorerst, wie sich die zusätzliche KI-Kette auf die gesamte Latenz von Eingabe bis Bild auswirkt. 🧠 KI & Robotik auf Google News abonnieren Für alle, die nach Jahren aus dem SLI-/CrossFire-Winterschlaf wieder nach 'mehr GPU'-Geschichten suchen, ist das aktuelle Projekt vor allem eine technische Neuinterpretation: Es geht nicht darum, dass eine einzige Szene auf mehrere Karten aufgeteilt wird. Stattdessen übernimmt eine zweite Grafikkarte das DLSS-5-Neural-Rendering, während die erste GPU das Spielbild normal rendert. Der Entwickler positioniert das damit auch bewusst als Arbeitsteilung zwischen Rendern und KI-Nachbearbeitung – und nicht als klassisches SLI, bei dem mehrere Karten dasselbe Rendering-Problem gemeinsam lösen. Damit das funktioniert, stellt er ein ReShade-Add-on namens MGPU Bridge bereit. Die Idee ist vergleichsweise konkret: Das Add-on greift bereits gerenderte Bilder ab und überträgt sie an die zweite GPU, die das Neural Rendering ausführt und das Ergebnis in einem eigenen Fenster anzeigt – auf einem Monitor, der physisch an der zweiten Karte hängt. Ein Rücktransport der bearbeiteten Bilder zur ersten Karte ist nach dieser Beschreibung nicht nötig. Technisch betrachtet verändert das die typische Verantwortlichkeitskette: Die Spiel-GPU liefert das Rohbild, die zweite GPU erzeugt daraus die KI-basierten finalen Bilddaten, und erst diese werden dem Nutzer 'sichtbar' gemacht. Die Umsetzung setzt auf einen Aufbau, der in mehreren Bedingungen festgezurrt ist. Zum einen werden zwei RTX-50-Grafikkarten vorausgesetzt, jeweils eine pro Monitor. Zum anderen braucht es ReShade ab Version 6.8.0 inklusive Add-on-Unterstützung, außerdem muss das Spiel DirectX 12 verwenden und die nötige Nvidia-Datei nvngx_dlssnr.dll verfügbar sein. Die erste vorkompilierte Version 0.1.0 wurde am 7. September veröffentlicht, sodass Nutzer das Projekt offenbar nicht mehr selbst aus dem Quellcode bauen müssen. Wichtig für die Einordnung: Das Ganze befindet sich noch im frühen Stadium, und der Projektstand deutet an, dass Frame Generation nicht ausreichend erprobt wurde. In der Praxis zeigt der Entwickler die Methode mit zwei GeForce RTX 5060 Ti (je 16 GB) in The Blood of Dawnwalker und zusätzlich auch in Cyberpunk 2077 – die veröffentlichten Leistungszahlen stammen jedoch nur aus The Blood of Dawnwalker. Als Beispiel dient eine unbewegte Szene bei 1.920 × 1.080 Pixeln; das Testsystem kombiniert einen Ryzen 7 7800X3D mit zwei über PCIe 5.0 x8 angebundenen RTX 5060 Ti. Gemessen wird dabei die Bildrate des Spiels. Genau hier liegt eine zentrale Stolperfalle für Erwartungshaltungen: Eine höhere 'Spiel-FPS'-Zahl entspricht nicht automatisch der Bildrate der finalen KI-nachbearbeiteten Ausgabe, die am zweiten Monitor ankommt. Selbst wenn DLSS-5-Parameter innerhalb jeder Zeile gleich bleiben, können Rendern und KI-Prozess zeitlich auseinanderlaufen. Die Arbeitsteilung folgt deshalb einer anderen Logik als man sie von SLI-Kampagnen kennt. Der Bericht vergleicht zwei Lösungen, die per ReShade in den jeweiligen Pfad eingebunden werden: RenoDX auf der Spiel-GPU und MGPU Bridge auf der zweiten Karte. Die Aussage lässt sich aus dem beschriebenen Messdesign vor allem so lesen: Wenn die KI-Nachbearbeitung ausgelagert wird, steigt die Bildrate des Spiels – im Performance-Modus etwa von 59 auf bis zu 107 FPS. Gleichzeitig trennt das Projekt Spiel- und KI-Ausgabe mit getrennten Bildraten. Wenn die Nachbearbeitung auf der zweiten Karte mehr Zeit benötigt, kann die Ausgabe langsamer werden, während die Spiel-GPU weiterhin viele Frames rendert; die Bridge kann dabei sogar überholte Bilder überspringen und die Bearbeitung auf neuere Inputs 'umschalten'. Historisch erinnert der Grundgedanke an die PhysX-Steckkarten von Ageia aus dem Jahr 2006: Eine spezialisierte Zusatz-Hardware übernimmt eine rechenintensive Teilaufgabe, entlastet CPU oder Hauptpipeline und verbessert damit die Gesamteffizienz. Später machte Nvidia PhysX über CUDA-fähige GeForce-Grafikkarten zugänglich. Das aktuelle Konzept ist nicht 1:1 dasselbe, aber es folgt dem gleichen Prinzip der Aufgabenspezialisierung. Genau deshalb taugt es auch als Signal für Entwickler- und Enthusiasten-Workflows: Statt den kompletten Renderpfad zu 'skalieren', optimiert man die Lastverteilung innerhalb einer KI-Toolchain. Ob sich das gegenüber einer einzelnen stärkeren Grafikkarte rechnet, lässt der bisher dokumentierte Stand dagegen offen, auch weil Messungen zur gesamten Verzögerung von der Eingabe bis zum final ausgegebenen Bild bislang fehlen. Für Unternehmen mit Fokus auf Produktions- oder Benchmark-Umgebungen ist der Ansatz trotzdem relevant, weil er ein neues Debugging- und Performance-Denken anstößt. Teams, die KI-Nachbearbeitung in Echtzeitsysteme integrieren, müssen künftig stärker unterscheiden zwischen der Renderrate der Simulation und der effektiven Ausgabefrequenz der KI-veredelten Bilder. Ebenso wichtig sind Stabilitätsthemen: Änderungen an Auflösung oder Grafikeinstellungen während des Betriebs können laut Projektbeschreibung Probleme auslösen. Der aktuelle Versuch bleibt damit eher ein technischer Prototyp als ein fertiges 'Multi-GPU-Upgrade' für den Mainstream – aber er zeigt, dass sich DLSS-5-nahe Workloads über getrennte GPU-Rollen ansteuern lassen. 946 Bewertungen Loona KEYI Premium Haustier-Roboter mit Ladestation (Smarte AI ChatGPT-4o, Stimmen- & Gestensteuerung, Echtzeit-Interaktion, Heimüberwachung) V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können. Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!