Der Begriff Deepfake beschreibt mittels künstlicher Intelligenz erzeugte oder manipulierte Medieninhalte, die Personen Dinge sagen oder tun lassen, die nie stattgefunden haben. Die zugrunde liegenden Verfahren, insbesondere generative adversarial networks (GANs) und neuere Diffusionsmodelle, haben in den letzten Jahren enorme Fortschritte gemacht. Was früher aufwendige Rechenzentren erforderte, lässt sich heute zunehmend mit consumer-tauglicher Hardware und frei verfügbarer Software realisieren.

Für die Halbleiter- und Elektronikbranche ist dieser Trend aus mehreren Gründen relevant. Zum einen treibt die Nachfrage nach immer leistungsfähigeren KI-Beschleunigern, die solche Modelle trainieren und ausführen können, die Entwicklung spezialisierter Chips voran, von GPUs über NPUs bis hin zu dedizierten ASICs für generative Modelle. Zum anderen wächst der Bedarf an Gegenmaßnahmen: Hardware-basierte Authentifizierung, kryptografische Signaturen direkt in Kamerasensoren oder sichere Elemente in Endgeräten sollen helfen, die Herkunft von Bild- und Videomaterial zuverlässig nachzuweisen.

Besonders betroffen sind Anwendungen, die auf biometrische Verifikation setzen, etwa Gesichtserkennung in mobilen Geräten oder Sprachauthentifizierung in sicherheitskritischen Systemen. Hersteller von Sensorik und eingebetteten Sicherheitsmodulen stehen damit vor der Aufgabe, ihre Systeme robuster gegen synthetische Fälschungen zu machen, was wiederum neue Anforderungen an Signalverarbeitung, Sensorfusion und On-Chip-Sicherheitsfunktionen stellt.

Die Entwicklung zeigt exemplarisch, wie eng Fortschritte in der KI-Software mit der zugrunde liegenden Hardware-Infrastruktur verzahnt sind, und wie technologischer Fortschritt in einem Bereich unmittelbar neue Anforderungen an Chipdesign und Systemarchitektur in einem anderen Bereich erzeugt.