- DLSS 5 ist ein neuronales Echtzeit-Rendering-Modell, das fotorealistische Beleuchtung und Materialien hinzufügt, ohne die ursprüngliche Geometrie des Spiels zu verändern.
- Es ist am Ende der Pipeline zusammen mit DLSS Super Resolution, Frame Generation und Ray Reconstruction integriert und basiert auf Tensor-Kernen und FP8-Operationen.
- Es wird moderne GPUs (RTX 40 und vor allem RTX 50) benötigen, im Herbst erscheinen und in großen Spielen wie Starfield, Assassin's Creed Shadows und Oblivion Remastered debütieren.
- Die Einführung dieser Technologie löst Debatten aus, da ein möglicher „KI-Filter“-Effekt auf die künstlerische Leitung und die Arbeit von Künstlern und Studios befürchtet wird.
NVIDIAs DLSS 5 hat sich zum heißesten Gesprächsthema unter PC-Spielern, Entwicklern und Hardware-Enthusiasten entwickelt. Es ist nicht einfach nur eine weitere Version von DLSS, sondern ein ernsthafter Schritt hin zu einer grundlegenden Veränderung der Echtzeit-Grafikgenerierung, die maßgeblich auf von NVIDIA selbst trainierten KI-Modellen basiert . Der dadurch entstandene Hype kommt nicht von ungefähr: Für manche stellt es den größten Fortschritt seit der Einführung von Echtzeit-Raytracing dar; für andere den Beginn einer Ära zunehmend homogener Grafik, die allesamt „durch dieselbe KI gefiltert“ wird.
Mit dem wachsenden Hype mehren sich auch die Fragen: Was genau ist DLSS 5 , wie funktioniert es, was benötigt man dafür, in welchen Spielen wird es verfügbar sein und welche Auswirkungen hat es auf Grafik und Performance? Im Folgenden finden Sie einen umfassenden Leitfaden, der alle von NVIDIA veröffentlichten Informationen, die Erklärungen von Fachmedien und die ersten Reaktionen der Community übersichtlich und verständlich zusammenfasst.
Was ist NVIDIAs DLSS 5 und warum wird so viel über diese Version gesprochen?
DLSS steht für Deep Learning Super Sampling . Bisher haben wir es hauptsächlich mit drei Dingen in Verbindung gebracht: Bild-Upscaling zur Erhöhung der Auflösung ohne Leistungseinbußen, fortschrittliches Antialiasing zur Glättung von Kanten und Artefakten sowie Frame-Generierung zur Steigerung der FPS durch die Erzeugung von Zwischenbildern mithilfe von KI. DLSS 5 bricht teilweise mit diesem Konzept, da es nicht mehr als einfaches Upscaling-System, sondern als Echtzeit-3D-Neuronales-Rendering-Modell präsentiert wird.
In der Praxis bedeutet dies, dass DLSS 5 direkt auf den Spielbildern arbeitet und die Farbinformationen und Bewegungsvektoren jedes einzelnen Bildes nutzt, um die Szene zu rekonstruieren und anzureichern. Es erhöht nicht einfach nur die Auflösung; Ziel ist es, detailreichere Materialien und eine deutlich komplexere, fotorealistische Beleuchtung einzufügen , ohne die Geometrie zu verändern oder das Gameplay zu beeinflussen. Die 3D-Basiswelt bleibt die von den Entwicklern entworfene, aber die finale Darstellung kann sich drastisch verändern.
NVIDIA beschreibt DLSS 5 als den größten Fortschritt des Unternehmens im Bereich Computergrafik seit dem Debüt von Echtzeit-Raytracing im Jahr 2018. Tatsächlich bezeichnete Jensen Huang, der CEO des Unternehmens, es in seiner Präsentation als „den GPT-Moment für Grafik“, was darauf hindeutet, dass dieses Modell für die Grafik das darstellt, was große Sprachmodelle für Text und generative Inhalte dargestellt haben.
Es ist wichtig klarzustellen, dass DLSS 5 nicht einfach eine Weiterentwicklung von DLSS Super Resolution darstellt . Es handelt sich um einen neuen Baustein innerhalb der Rendering-Pipeline, der am Ende des Grafikprozesses ausgeführt wird und so konzipiert ist, dass er mit anderen Technologien der DLSS-Familie (Upscaling, Frame-Generierung, Ray-Rekonstruktion usw.) zusammenarbeitet, anstatt sie zu ersetzen.
So funktioniert DLSS 5: Das neuronale Rendering-Modell Schritt für Schritt
Um DLSS 5 besser zu verstehen, müssen wir uns seine Funktionsweise genauer ansehen. Diese Technologie basiert auf neuronalen Netzen, die NVIDIA mithilfe riesiger Mengen an Bilddaten und 3D-Spielinformationen intensiv trainiert hat. Sie ist der Höhepunkt einer Entwicklung, die 2019 mit dem ersten DLSS begann und die Netzwerkarchitekturen kontinuierlich verfeinert hat. Dabei wurden Varianten entwickelt, die Autoencoder nutzen, um sehr detaillierte Zwischenrepräsentationen des visuellen Inhalts zu generieren.
Im Wesentlichen erhält das Modell für jedes Einzelbild als Eingabe die Farbwerte (RGB) der Pixel und eine Reihe von „semantischen“ Daten darüber, was in der Szene geschieht: Bewegungsvektoren, Tiefe, Lichtquellen, Materialien usw. Daraus generiert das neuronale Netzwerk eine hochdimensionale interne Repräsentation des gesamten Bildes , eine Art Zwischenabbildung, die die visuellen und kontextuellen Informationen verdichtet.
Aus dieser Zwischenrepräsentation erzeugt das System ein deutlich detaillierteres Bild . Ein einzelnes „Rohpixel“ des Basisbildes wird auf ein 8x8-Raster extrapoliert, wodurch 64 neue Pixel mit mehr Informationen über Licht, Textur und Mikrodetails entstehen. Das Modell erzeugt nicht einfach isolierte Pixel, sondern berücksichtigt die Umgebung jedes Pixels, vorherige Frames und die während des Trainings erlernten Trends . Dadurch ist das Ergebnis über die Zeit konsistent und flackert oder zerfällt nicht bei Kamerabewegungen.
Die Idee, dass jedes einzelne Pixel in einen wesentlich reichhaltigeren Informationssatz umgewandelt wird, lässt DLSS 5 eher wie einen globalen fotorealistischen Filter wirken , der auf das Spiel angewendet wird, und nicht einfach wie ein Skalierungssystem. Deshalb sprechen viele Spieler davon, dass es das Spiel „neu zeichnet“, und manche assoziieren es mit dem Konzept von KI-Fehlern – also visuellen Inhalten, die durch eine KI-Schicht verarbeitet werden, welche alles homogenisiert.
Welche Verbesserungen bietet DLSS 5 hinsichtlich Grafikqualität: Beleuchtung, Materialien und Stabilität?
Eines der Hauptargumente von NVIDIA ist, dass DLSS 5 es Spielen ermöglicht, fotorealistische Grafik zu erzielen, ohne die Geometrielast oder die Kosten des Raytracings drastisch zu erhöhen . Anstatt die Polygon- oder Raytracing-Anzahl drastisch zu erhöhen, delegiert es einen Teil der Arbeit an künstliche Intelligenz, um zu rekonstruieren, wie die Szene aussehen sollte.
Zu den bemerkenswertesten Vorteilen zählt die filmreife Beleuchtung . Das Modell kann Effekte nachbilden, deren Berechnung mit herkömmlichen Techniken sehr aufwendig wäre, wie Konturbeleuchtung, Streuung unter der Oberfläche (entscheidend für ein natürlicheres Hautbild), komplexe Reflexionen und deutlich realistischere Kontaktschatten. Alle Berechnungen basieren auf den Originalspieldaten und den Erkenntnissen des Netzwerks über das Verhalten von Licht auf verschiedenen Materialien.
Eine weitere bedeutende Verbesserung ist die Tiefe und Detailtreue der Materialien . DLSS 5 verfeinert PBR-Eigenschaften wie Rauheit, Glanz, Transparenz und Oberflächenmikrostruktur, wodurch Metalle, Textilien, Kunststoffe und organische Elemente realistischer wirken. Besonders deutlich wird dies bei feinen geometrischen Elementen wie Haaren, Augen und kleinen Details in der Kleidung, die traditionell schwer in Echtzeit überzeugend darzustellen sind.
Im Hinblick auf die visuelle Stabilität konzentriert sich DLSS 5 auf die zeitliche Konsistenz . Durch die Verarbeitung von Bewegungs- und Farbinformationen Bild für Bild versucht das System, das klassische Flimmern oder Beleuchtungsungleichmäßigkeiten zu vermeiden, die bei Kamerabewegungen auftreten. Ziel ist es, dass das Bild auch in Szenen mit viel Bewegung, Partikeln oder schnellen Lichtwechseln ein stabiles Erscheinungsbild beibehält.
All dies wird kombiniert mit dem Versprechen von Echtzeitleistung bei Auflösungen bis zu 4K bei gleichzeitig flüssigem Gameplay. Der Rechenaufwand ist zwar beträchtlich, doch die Idee ist, dass dieser durch den Einsatz spezialisierter Kerne (Tensor- und neuronale Shader) und die Nutzung anderer DLSS-Technologien weitgehend kompensiert wird.
Ziele von DLSS 5 und dessen Beziehung zur Strahl- und Pfadverfolgung
NVIDIA fasst die Mission von DLSS 5 in zwei Hauptzielen zusammen: Erstens, den Weg für neuronales Rendering in Videospielen zu ebnen , also die Idee in die Praxis umzusetzen, dass KI ein zentraler Bestandteil des Echtzeit-Grafikgenerierungsprozesses ist; zweitens, die Spieler einem visuellen Niveau näher zu bringen, das dem von Spezialeffektkinos sehr nahe kommt, ohne auf mehrere weitere GPU-Generationen warten zu müssen, die ausschließlich auf reiner Rechenleistung basieren.
Es ist wichtig klarzustellen, dass DLSS 5 weder Raytracing noch Path Tracing ersetzt . Es handelt sich um unterschiedliche Technologien mit sich ergänzenden Zielen. Path Tracing konzentriert sich auf die präzisere Simulation des Lichtverhaltens in einer Szene, einschließlich direkter und indirekter Beleuchtung, Reflexionen, Schatten und Verdeckung. Das Problem besteht darin, dass die signifikante Erhöhung der für ein perfektes Ergebnis benötigten Strahlenanzahl die Performance erheblich beeinträchtigt.
DLSS 5 hingegen nutzt neuronales Rendering, um die visuelle Komplexität zu ergänzen , die mit herkömmlichem Raytracing allein nur mit enormen Rechenkosten zu erreichen wäre. Es generiert fotorealistische Beleuchtung und Materialien aus den 3D-Daten und den tatsächlich berechneten Strahlen. Das Ergebnis wirkt, als würden deutlich mehr Strahlen projiziert, als tatsächlich berechnet werden. Vereinfacht gesagt, fungiert es als „visueller Multiplikator“ und ermöglicht der Hardware so, mehr zu leisten, als sie allein könnte.
Deshalb schlägt NVIDIA vor, DLSS 5 und Raytracing gemeinsam einzusetzen . Raytracing liefert eine physikalisch plausible Grundlage, während das neuronale Modell das Bild verfeinert und verbessert und so die praktischen Leistungsgrenzen selbst der leistungsstärksten GPUs kompensiert.
Wie DLSS 5 mit DLSS-Superauflösung, Frame-Generierung und Strahlrekonstruktion integriert wird
DLSS 5 kommt nicht allein. NVIDIA hat bereits bestätigt, dass diese Technologie mit den übrigen DLSS-Komponenten kompatibel ist , obwohl jede Komponente an einer anderen Stelle in der Verarbeitungskette ausgeführt wird. Das Verständnis dieser Reihenfolge hilft zu verstehen, warum das Endergebnis so stark von der Kombination der Komponenten abhängt.
Der Prozess beginnt mit DLSS Super Resolution , das das Bild von einer niedrigeren Auflösung hochskaliert und rekonstruiert. Die KI generiert die Pixel, die das Spiel nicht nativ gerendert hat, mithilfe von Bewegungsvektorinformationen und Daten aus vorherigen Frames. Dieser Schritt wird berechnet, bevor DLSS 5 zum Einsatz kommt. Daher beeinflussen die Qualität des gewählten Modus (Qualität, Ausgewogen, Leistung usw.) und das verwendete Modell direkt, was das neuronale Rendering-Modell anschließend „sieht“.
Neben Super Resolution kann auch die Strahlrekonstruktion aktiviert werden . Diese Technologie ersetzt klassische Rauschunterdrückungsalgorithmen durch ein KI-Modell, das speziell für die präzisere Rekonstruktion von Lichtstrahlen trainiert wurde. Dieser Prozess läuft ebenfalls vor DLSS 5 ab und trägt dazu bei, Rauschen und Artefakte im Basisbild für das neuronale Rendering zu reduzieren, wodurch die Schärfe und der Realismus der generierten Beleuchtung verbessert werden.
Als Nächstes folgt die Frame-Generierung bzw. Multiframe-Generierung , die mithilfe von KI bis zu fünf Frames für jeden herkömmlich gerenderten Frame erzeugen kann. Diese Phase schließt sich an Super Resolution und Ray Reconstruction an und dient dazu, die wahrgenommene Flüssigkeit für den Spieler zu verbessern, ohne dass die GPU all diese zusätzlichen Frames berechnen muss.
Sobald diese Schritte abgeschlossen sind, kommt DLSS 5 zum Einsatz, das in der letzten Phase der Rendering-Pipeline , sogar nach der Frame-Generierung, ausgeführt wird. Konkret bedeutet dies, dass NVIDIA hier einen neuen Block einführt, der von den Ergebnissen der vorherigen Technologien abhängt: Je besser die Ausgangsbasis (Upscaling, Rauschunterdrückung, Bewegungskonsistenz), desto höher die Qualität des finalen Outputs des neuronalen Modells.
Kreative Kontrolle: Wie DLSS 5 die ursprüngliche künstlerische Intention bewahrt
Eine der größten Sorgen von Künstlern und Gamern ist, ob DLSS 5 die vom Studio entworfene Ästhetik beeinträchtigt . NVIDIA versucht, diese Befürchtung zu zerstreuen, indem das Unternehmen betont, dass die Technologie gut kontrollierbar sei und Entwickler selbst entscheiden könnten, wie und wo sie eingesetzt wird.
Spieleentwickler können Parameter wie Effektintensität, Farbkorrektur, Tonwertmischung, Sättigung, Kontrast und Helligkeit anpassen . Sie können außerdem präzise festlegen, welche Objekte oder Bereiche der Szene DLSS 5 aktivieren und welche nicht. So wird sichergestellt, dass wichtige Elemente der künstlerischen Gestaltung gewahrt bleiben oder potenzielle Überzeichnungen bestimmter Oberflächen begrenzt werden.
Darüber hinaus nutzt das Modell detaillierte Farb- und Bewegungsvektorinformationen aus jedem einzelnen Frame , wodurch die Verbesserungen direkt am tatsächlichen 3D-Inhalt verankert werden und nicht als generischer, von der Szene losgelöster Filter fungieren. NVIDIA ist überzeugt, dass das Ergebnis der ursprünglichen Vision treu bleiben kann, vorausgesetzt, das Studio nimmt sich die Zeit für die Feinabstimmung der Tools.
In der Praxis öffnet dies die Tür für eine Vielzahl von Stilen: von Spielen, die ein Finish anstreben, das dem Hyperrealismus sehr nahe kommt und DLSS 5 bis an seine Grenzen ausreizt, bis hin zu solchen, die es subtiler einsetzen, nur um bestimmte Materialien oder die globale Beleuchtung zu verstärken, ohne das ursprüngliche Aussehen zu sehr zu verändern.
Kontroversen und Kritikpunkte: KI, die Spiele verbessert, oder visueller „KI-Schrott“?
Die Ankündigung von DLSS 5 hat in der Community eine hitzige Debatte ausgelöst. Einige Gamer und Entwickler sehen in dieser Technologie eine enorme Chance, die Grafikqualität deutlich zu verbessern , ohne dabei die Budgets in die Höhe treiben zu müssen. Sie nutzen KI für Aufgaben, die traditionell riesige Teams und enorme Renderzeiten erforderten. Doch es gibt auch eine äußerst kritische Gruppe, die genau das Gegenteil befürchtet.
Kritiker weisen aus technischer und ästhetischer Sicht darauf hin, dass DLSS 5 die ursprüngliche Beleuchtung, Texturen und Details erheblich verändert . Durch die Anwendung eines globalen Modells, das versucht, Materialien und Beleuchtung zu „verschönern“ und zu vereinheitlichen, besteht die Gefahr, dass viele Spiele am Ende ähnlich aussehen und Gesichter und Oberflächen an die typischen KI-generierten Inhalte erinnern, die wir täglich sehen.
Diese Angst hat zu Konzepten wie „KI-Schmiergesichtern “ geführt , einer Bezeichnung für Charaktergesichter, die wie KI-generiert wirken, übermäßig glatt sind und seltsame Glanzlichter oder einheitliche Merkmale aufweisen. Es ähnelt dem Effekt bestimmter Gesichtsretuschefilter auf Mobiltelefonen, die alle gleich aussehen lassen. Für manche ist die Einführung dieser Ästhetik in aufwendigen Spielen eine rote Linie.
In der Arbeitswelt und der Industrie besteht zudem die Befürchtung, dass DLSS 5 als Vorwand dienen könnte, Grafikabteilungen zu verkleinern oder die Texturierung und Materialbearbeitung auszulagern , indem man sich auf KI verlässt, um das Endergebnis zu „korrigieren“. Große Verlage könnten Studios unter Druck setzen, die Technologie mit dem Argument der Kosteneinsparung oder kürzeren Entwicklungszeiten einzuführen, selbst wenn das Ergebnis dadurch weniger individuell oder unverwechselbar ausfällt.
Der Nachteil ist, dass DLSS 5 optional ist: Studios sind nicht verpflichtet, es zu verwenden oder standardmäßig zu aktivieren . Es bleibt abzuwarten, welche Möglichkeiten der Spieler hat, den Effekt in den Grafikeinstellungen der einzelnen Titel zu deaktivieren oder anzupassen – ein wichtiger Aspekt für diejenigen, die Wert auf die originalgetreue Umsetzung des Artworks legen und weniger auf zusätzliche visuelle Effekte.
Welche Hardware benötigen Sie für die Nutzung von DLSS 5?
Zum Zeitpunkt der Präsentation bestätigte NVIDIA die DLSS-5-Kompatibilität explizit nur mit der GeForce RTX 5090 , der Grafikkarte, die in der öffentlichen Demo während der GTC 2026 verwendet wurde. In dieser Demo zeigte das Unternehmen ein ziemlich extremes Szenario mit zwei parallel arbeitenden RTX 5090: Eine GPU war für das neuronale Rendering von DLSS 5 zuständig, die andere für das „konventionelle“ Rendering des Spiels.
Das bedeutet nicht, dass Sie zwei Grafikkarten zum Spielen benötigen. NVIDIA hat erklärt, dass das DLSS-5-Modell für den Betrieb mit einer einzelnen GPU optimiert ist und die Verwendung zweier Karten eher dem frühen Entwicklungsstadium des Prototyps als den tatsächlichen Anforderungen der kommerziellen Version geschuldet war. Dennoch verdeutlicht diese Demo, dass es sich um eine Technologie mit erheblichem Rechenaufwand handelt.
Alles deutet darauf hin, dass DLSS 5 mit der GeForce RTX 50- und RTX 40-Serie kompatibel sein wird . Innerhalb jeder Familie kann es jedoch bei einigen günstigeren Modellen oder solchen mit begrenztem Grafikspeicher aus Performancegründen zu eingeschränkter Unterstützung kommen. Die GeForce RTX 30 und ältere Generationen unterstützen FP8 nicht nativ . Sofern NVIDIA kein angepasstes Modell mit INT8 oder einem anderen ressourcenschonenderen Ansatz veröffentlicht, werden diese Karten höchstwahrscheinlich ausgeschlossen sein.
Ein weiterer wichtiger Punkt ist der Speicherverbrauch: Das auf der GTC 2026 vorgestellte DLSS-5-Modell konnte in der Dual-RTX-5090-Konfiguration bis zu 32 GB VRAM belegen – eine enorme Menge für den Heimgebrauch. Die endgültige Version wird deutlich weniger Speicherplatz benötigen, doch alles deutet darauf hin, dass die Technologie nicht für GPUs mit 8 GB VRAM oder weniger ausgelegt ist, wenn man sie mit voller Leistung und hohen Auflösungen nutzen möchte.
Auswirkungen auf Leistung und Verbrauch: Was wir bisher wissen
NVIDIA hat noch keine offiziellen, detaillierten Zahlen dazu veröffentlicht, wie sich DLSS 5 auf FPS, Latenz oder den genauen Speicherverbrauch in realen Spielen auswirkt. Das Unternehmen hat jedoch klargestellt, dass es sich bei den in der Präsentation verwendeten Modellen um sehr anspruchsvolle Prototypen handelte, die die Leistungsfähigkeit der Technologie ohne die Einschränkungen einer Serienkarte demonstrieren sollten. Daher ist es ratsam, mögliche PC-Engpässe zu berücksichtigen , die die Endergebnisse beeinflussen könnten.
Im Vorfeld der Markteinführung arbeitet das Unternehmen an effizienteren Modellen, die in Echtzeit auf einer einzelnen GPU laufen und dabei eine hohe Bildqualität zu angemessenen Kosten gewährleisten. Dennoch sollte man davon ausgehen, dass DLSS 5 einen erheblichen Teil der verfügbaren Ressourcen beanspruchen wird: Die Ausführung eines komplexen neuronalen Netzes in 4K-Auflösung in Echtzeit ist schließlich nicht kostenlos.
Angesichts der bisherigen Ergebnisse von DLSS ist zu erwarten, dass NVIDIA dafür sorgt, dass die visuellen Vorteile die Leistungseinbußen überwiegen , insbesondere in Kombination mit Super Resolution, Frame Generation und Ray Reconstruction. Anders ausgedrückt: Der Spieler sollte letztendlich mehr Details, eine bessere Beleuchtung und ein flüssigeres Gameplay erleben, selbst wenn dies im Vergleich zum Spielen ohne DLSS 5 mit geringerer Grafikqualität einen leichten FPS-Verlust bedeutet.
Wir müssen die ersten unabhängigen Benchmarks abwarten, um zu sehen, inwieweit DLSS 5 für Mittelklasse- und High-End-GPUs praktikabel wird oder ob es de facto auf die leistungsstärksten Modelle der RTX 50-Serie beschränkt bleibt.
Wann erscheint DLSS 5 und in welchen Spielen wird es nutzbar sein?
NVIDIA hat den Start von DLSS 5 für Herbst 2026 angekündigt , ohne jedoch ein genaues Datum zu nennen. Der endgültige Termin hängt vom Fortschritt der Optimierung des Modells und seiner Integration in die ersten Spiele ab, die es nutzen werden. Je nachdem, wie dieser Prozess verläuft, könnte die Technologie bereits im September erscheinen oder sich bis Ende des Jahres verzögern.
Die offizielle Liste der Spiele, deren DLSS-5-Kompatibilität bereits bestätigt wurde, ist beeindruckend. Darunter befinden sich AION 2, Assassin's Creed Shadows, Black State, CINDER CITY, Delta Force, Hogwarts Legacy, Justice, NARAKA: BLADEPOINT, NTE: Neverness to Everness, Phantom Blade Zero, Resident Evil Requiem, Sea of Remnants, Starfield, The Elder Scrolls IV: Oblivion Remastered und Where Winds Meet . NVIDIA fügt hinzu: „und viele weitere“, was verdeutlicht, dass die Liste stetig wachsen wird.
Während der Präsentation wurden konkrete Beispiele aus Resident Evil Requiem, EA Sports FC, Starfield und Hogwarts Legacy sowie der Tech-Demo The Zorah gezeigt. Darüber hinaus gibt das Unternehmen an, die Unterstützung von Top-Publishern wie Bethesda, Capcom, NetEase, NCSOFT, Tencent, Ubisoft, Warner Bros. Games, Hotta Studio und S-GAME zu haben. Dies garantiere, dass die Technologie sowohl für neue Titel als auch für bereits erhältliche große Spiele per Update verfügbar sein werde.
Aktuell liegt der Fokus vollständig auf dem PC-Ökosystem . Konsolen wie die Xbox Series X|S und die PlayStation 5 verfügen nicht über GeForce-GPUs mit FP8-Unterstützung und vergleichbaren Tensor-Kernen, daher ist DLSS 5 für diese Systeme nicht geplant. Visuelle Verbesserungen auf diesen Systemen basieren auf anderen, plattformspezifischen Upscaling- und Optimierungstechnologien.
DLSS im Kontext: von den frühen Versionen bis zum Sprung zu DLSS 5
Um DLSS 5 einzuordnen, lohnt es sich, kurz die Ursprünge dieser Technologiefamilie zu betrachten. Die erste Version von DLSS erschien 2019 zusammen mit den ersten RTX-Grafikkarten und bot ein KI-basiertes Upscaling-System, das speziell für bestimmte Spiele trainiert wurde . Diese ersten Versionen basierten stark auf spezifischen Datensätzen für jeden Titel, und ihre Qualität variierte erheblich.
Im Laufe der Zeit verfeinerte NVIDIA die Architektur und den Trainingsprozess, um vielseitigere und universellere Modelle zu entwickeln. Versionen wie DLSS 2, 3, 4 und 4.5 wurden eingeführt und boten neue Funktionen: verbessertes temporales Antialiasing, schärfere Bewegungsdarstellung und – besonders wichtig – KI-gestützte Frame-Generierung zur Steigerung der FPS, ohne dass die GPU jedes einzelne Bild rendern muss.
Diese Weiterentwicklung ging Hand in Hand mit Hardwareverbesserungen: Jede neue RTX-Generation brachte leistungsstärkere und effizientere Tensor-Kerne sowie neue Befehlssätze und numerische Formate wie FP8 mit sich, die die Ausführung größerer und komplexerer Modelle ohne signifikante Leistungseinbußen ermöglichen. DLSS 5 ist im Wesentlichen das Ergebnis der Kombination dieser ausgereiften Software mit der neu gewonnenen Leistungsfähigkeit der Blackwell-Architektur.
In der Zwischenzeit wird in der Fachwelt darüber diskutiert, wie genau diese Modelle trainiert werden. Es wird über Autoencoder-Architekturen gesprochen, bei denen das Netzwerk lernt, jedes Bild in eine dichte Zwischenrepräsentation zu komprimieren und es anschließend detaillierter zu rekonstruieren. Um die Kompatibilität eines Spiels zu gewährleisten, arbeiten Entwickler mit NVIDIA zusammen, indem sie Bilddaten und zusätzliche Puffer (Tiefen-, Bewegungs- und Maskendaten usw.) senden, die das Training verbessern. Die neuesten DLSS-Versionen zielen jedoch darauf ab, besser zu generalisieren und weniger auf spielspezifisches Training angewiesen zu sein.
In diesem Kontext erweitert DLSS 5 den Aufgabenbereich der KI in der Rendering-Pipeline . Sie beschränkt sich nicht länger auf das „Auffüllen“ der Auflösung oder das Interpolieren von Frames, sondern ist nun vollständig an der finalen Definition von Materialien und Beleuchtung beteiligt und verändert damit in gewissem Maße das Verständnis von modernem Echtzeit-Rendering.
Alles deutet darauf hin, dass DLSS 5 einen Wendepunkt in der Art und Weise markiert, wie PC-Spiele das Gleichgewicht zwischen Grafikqualität, Leistung und Arbeitsaufwand für die Entwickler gestalten. Ob sich dieses Gleichgewicht hin zu spektakuläreren Erlebnissen ohne Einbußen an Individualität verschiebt oder umgekehrt hin zu zunehmend einheitlicher, KI-generierter Grafik, hängt ebenso sehr von NVIDIAs Einsatz ab wie von den Entscheidungen der Studios und der Akzeptanz oder Ablehnung dieses neuen visuellen Standards durch die Community.
