Künstliche Intelligenz (KI) hat die Landschaft von Wissenschaft, Industrie, Verteidigung und Medizin in den letzten Jahren dramatisch verändert. Unterstützt durch eine erheblich gesteigerte Rechenleistung und Cloud-Speicher hat sich das Feld der KI von überwiegend theoretischen Studien in der Informatik zu verschiedenen realen Anwendungen wie Medikamentenentwicklung, Materialentdeckung, Spracherkennung, selbstfahrende Autos, Werbung, Finanzen, medizinische Bildgebung und astronomische Beobachtung verlagert, bei denen KI-erzeugte Ergebnisse nachweislich mit der Leistung menschlicher Experten vergleichbar oder ihnen sogar überlegen sind. Bei diesen Anwendungen sind die für das maschinelle Lernen benötigten Daten von wesentlicher Bedeutung für die Entwicklung der KI. Trotz seiner herausragenden Bedeutung ist der allererste Prozess der KI-Entwicklung, nämlich die Datenerfassung und -aufbereitung, in der Regel die mühsamste Aufgabe und stellt häufig einen limitierenden Faktor bei der Konstruktion funktionaler KI-Algorithmen dar. Die Lab-on-a-Chip-Technologie, insbesondere die Mikrofluidik, ist eine leistungsstarke Plattform für die Konstruktion und Implementierung von KI in großem Maßstab, kosteneffizient, mit hohem Durchsatz, automatisiert und mit Multiplexverfahren, wodurch der oben genannte Engpass überwunden wird. Auf dieser Plattform ist die Hochdurchsatz-Bildgebung ein entscheidendes Werkzeug, da sie in großem Maßstab Informationen mit hohem Inhalt (z. B. Größe, Form, Struktur, Zusammensetzung, Interaktion) von Objekten erzeugen kann. Die Hochdurchsatz-Bildgebung kann auch mit der Sortierung und der DNA/RNA-Sequenzierung kombiniert werden, um eine massive Erhebung der Beziehungen zwischen Phänotyp und Genotyp durchzuführen, deren Daten zu komplex sind, um sie mit herkömmlichen Berechnungswerkzeugen zu analysieren, aber mit der Leistung der KI analysiert werden können. Neben ihrer Funktion als Datenlieferant kann die Lab-on-a-Chip-Technologie auch eingesetzt werden, um die entwickelte KI zur genauen Identifizierung, Charakterisierung, Klassifizierung und Vorhersage von Objekten in gemischten, heterogenen oder unbekannten Proben zu implementieren. In diesem Übersichtsartikel, der durch die hervorragende Synergie zwischen KI und Lab-on-a-Chip-Technologie motiviert ist, skizzieren wir die grundlegenden Elemente, die jüngsten Fortschritte, die künftigen Herausforderungen und die sich bietenden Möglichkeiten der KI mit Lab-on-a-Chip-Technologie oder kurz „KI auf einem Chip“.