Verblüffender Effekt: Nvidia präsentiert Lösung für VRAM-Krise

Hochauflösende Texturen, größere Open Worlds und aufwendigere Beleuchtungssysteme treiben den VRAM-Bedarf moderner Spiele in die Höhe. Gleichzeitig stagniert die Speicherkapazität vieler Grafikkarten im Mainstream-Bereich seit Jahren – oder wächst zumindest langsamer als die Anforderungen der Spiele. Ein Beispiel dafür ist etwa die Mittelklasse GPU Nividia GeForce RTX 5060 mit 8 GB Grafikspeicher (derzeit rund 330 Euro auf Amazon). Insbesondere angesichts der andauernden Speicherkrise ist das für Gamer eine ungünstige Entwicklung. Mit Neural Texture Compression (NTC) und Neural Materials hat Nvdia auf der GTC 2026 eine mögliche Lösung für dieses Problem vorgestellt.
Mit NTC werden Texturen nicht mehr klassisch gespeichert, sondern in eine kompakte, gelernte Repräsentation überführt. Ein kleines neuronales Netz auf der GPU rekonstruiert die benötigten Bildinformationen in Echtzeit. In einer Demo mit einer toskanischen Villa sank der Speicherbedarf laut Nvidia von 6,5 GB auf nur 970 MB – bei nahezu identischer Bildqualität. Das sind beachtliche Ergebnisse, womit man dem VRAM-Problem durchaus Einhalt gebieten könnte. Zusätzlich könnten Spiele dadurch kleiner werden, Updates weniger Daten benötigen und Downloads insgesamt effizienter ausfallen.
Neural Materials funktioniert ähnlich, zielt aber auf Materialeigenschaften ab – etwa mehrschichtige Oberflächen mit unterschiedlichen Lichtreaktionen. Nvidia spricht von möglichen Beschleunigungen von bis zu 7,7x in 1080p. Dieser Ansatz soll bislang allerdings weniger weit fortgeschritten ein.
In der Gaming-Community nimmt man Nivdias Vorstellung mit gemischten Reaktionen auf. Im Gegensatz zu umstrittenen KI-Verfahren wie DLSS 5 wird die neue Technik in der Kommentarsektion auf YouTube überwiegend als sinnvoller Fortschritt empfunden. Einige sehen in NTC aber lediglich eine Notlösung für ein selbst geschafftes Problem und fordern stattdessen schlicht mehr VRAM auf Grafikkarten.
Quelle(n)
Nvidia via YouTube













