Bereits heute schaffen Smart-Devices anhand der kontinuierlichen Vitalparameter-Erfassung am Menschen Anomalien und Krankheits-Symptome vorherzusagen. Dabei erfolgt die Detektion mittels Methoden des maschinellem Lernens (ML), die eine hohe Genauigkeit sorgen. Im Bereich der Neurotechnik erlaubt der Einsatz von ML-Methoden, im Speziellen die Tiefen Neuronalen Netze (TNN), eine beschleunigte Entwicklung von neuen Therapie- Ansätzen. Jüngste Fortschritte sind die Entwicklung eines Exoskeletts, mit dem Querschnittsgelähmte Personen wieder laufen können. Oder im Gaming-Bereich kann die Steuerung eines Avatars mittels einer EEG-Kappe ausgeführt werden, bei der die Aktion durch die Erfassung der Hirnaktivität vorhergesagt wird. Allerdings werden hierzu noch ressourcen-intensive Beschleuniger-Systeme verwendet. Dabei gilt: Je höher die Ansprüche an die Biosignalverarbeitung sind und je mehr Informationen extrahiert werden kann, desto komplexer werden die zugehörigen Modelle. Die Ausführung solcher Algorithmen durch tragbare Geräte am Patienten oder durch Neuro-Implantate im Patienten ist herausfordernd. Die Einbettung der TNN in ein Sensor-System zur Echtzeit-Auswertung für sehr ressourcen-beschränkte Umgebung erfordert neue Rechenarchitekturen und neue Ansätze im Hardware-Software Co-Design. Im Rahmen des Vortrags werden die Rahmenbedingungen und die möglichen Konzepte für die Ausführung einer KI-basierten Signalverarbeitung für zukünftige Retina-Implantate vorgestellt, die bei erblindeten Patienten ein Sehen wieder ermöglichen sollen.