Skip to content
ByteWire
  • KI-Regulierung
  • KI-Infrastruktur
  • KI-Sicherheit
  • KI-Investitionen
  • KI-Agenten

Glasfaser-Weltrekord: Forscher übertragen Daten mit 402 Terabit pro Sekunde

04.04.2026
Glasfaserkabel mit Lichtübertragung

Britische Forscher haben die Grenzen der Glasfaser-Datenübertragung neu definiert: Mit 402 Terabit pro Sekunde über ein einziges Kabel markiert das Experiment der Aston University einen Weltrekord – und deutet an, wie viel ungehobenes Potenzial in der bestehenden Netzinfrastruktur steckt.

Glasfaser-Weltrekord: Forscher übertragen Daten mit 402 Terabit pro Sekunde

Britische Wissenschaftler haben einen neuen Übertragungsrekord für Glasfaserkabel aufgestellt. Über eine einzige Glasfaser lassen sich demnach Daten mit einer Geschwindigkeit von 402 Terabit pro Sekunde transportieren – rechnerisch genug, um 50 Millionen Videostreams in HD-Qualität gleichzeitig zu übertragen.

Neue Frequenzbänder als Schlüssel

Das Forschungsteam der Aston University in Birmingham nutzte für den Rekord bislang weitgehend ungenutzte Frequenzbänder innerhalb des Glasfaserspektrums. Herkömmliche kommerzielle Systeme arbeiten überwiegend im sogenannten C-Band, einem relativ schmalen Wellenlängenbereich. Die britischen Forscher erweiterten die Übertragung auf das E-Band und S-Band, die zusammen deutlich mehr Kapazität bieten.

Kombiniert mit speziellen optischen Verstärkern ergibt sich ein deutlicher Kapazitätszuwachs – ohne dass neue Kabel verlegt werden müssen.

Entscheidend ist dabei, dass für diesen Durchsatz keine neue physische Infrastruktur verlegt werden muss. Bestehende Glasfaserkabel könnten prinzipiell für deutlich höhere Datenraten genutzt werden – sofern die Netzausrüstung an den Endpunkten entsprechend aufgerüstet wird. Das senkt potenzielle Investitionskosten für Netzbetreiber erheblich.

Relevanz für KI-Infrastruktur

Die Entwicklung kommt zu einem Zeitpunkt, an dem der Bandbreitenbedarf durch KI-Anwendungen stark wächst. Das Training großer Sprachmodelle erfordert die Übertragung enormer Datensätze zwischen Rechenzentren, Speichersystemen und Verarbeitungseinheiten. Auch der Inference-Betrieb – also die Beantwortung von Nutzeranfragen in Echtzeit – erzeugt erhebliche Netzlast, insbesondere wenn Modelle auf verteilten Serverarchitekturen laufen.

Cloud-Anbieter und Betreiber von KI-Infrastruktur stehen vor der Herausforderung, Rechenkapazität und Netzwerkleistung parallel zu skalieren. Ein Engpass auf der Übertragungsseite kann selbst gut ausgestattete Rechenzentren ausbremsen.

Rekorde wie dieser zeigen, dass zumindest auf der physischen Übertragungsebene noch erhebliches Potenzial schlummert.

Abstand zwischen Labor und Markt

Allerdings ist der Sprung vom Forschungsexperiment zur kommerziellen Verfügbarkeit erheblich. Die im Labor genutzten optischen Verstärker für E- und S-Band sind bislang teuer und nicht in der für Backbone-Netze nötigen Stückzahl verfügbar. Bis entsprechende Technologie in den Produkten großer Netzwerkausrüster wie Cisco, Nokia oder Huawei auftaucht, dürften noch mehrere Jahre vergehen.

Bisherige Rekorde aus ähnlichen Forschungsprojekten haben gezeigt, dass der Weg in die Praxis oft fünf bis zehn Jahre in Anspruch nimmt.

Einordnung für deutsche Unternehmen

Für deutsche Unternehmen, die eigene KI-Infrastruktur aufbauen oder Cloud-Dienste intensiv nutzen, ist dieser Forschungsfortschritt mittelfristig relevant. Die Kapazitätsgrenze im Glasfasernetz gilt in Fachkreisen als eine der unterschätzten Engstellen beim Ausbau von KI-Rechenzentren.

Sollten sich die im Labor erzielten Übertragungsraten in absehbarer Zeit kommerzialisieren lassen, würden Netzbetreiber erheblich mehr Spielraum gewinnen – ohne kostspielige Neuprojekte zum Verlegen zusätzlicher Kabel. Für Entscheider in datenintensiven Branchen lohnt es sich, die Entwicklung bei optischer Netzwerktechnologie in der Infrastrukturplanung zu berücksichtigen.


Quelle: New Scientist Tech

Dieser Artikel wurde von einer KI auf Basis von Berichten internationaler Medien zusammengefasst und auf Deutsch verfasst. Er wurde nicht von einer menschlichen Redaktion geprüft. Kennzeichnung gemäß EU AI Act Art. 50.

Dieser Artikel wurde von einer KI auf Basis von Berichten internationaler Medien zusammengefasst und auf Deutsch verfasst. Er wurde nicht von einer menschlichen Redaktion geprüft. Kennzeichnung gemäß EU AI Act Art. 50.

Post navigation

← Anthropic schränkt Drittanbieter-Zugang für Claude-Abonnenten ein
Google DeepMind lässt Large Language Model spieltheoretische Algorithmen selbst optimieren – erster Test →

Das könnte Sie auch interessieren

man in gray jacket and pants standing beside glass window

Nvidias Agenten-Studie: Steuerung gewinnt gegenüber dem Modell

21.08.2026

Nvidia-Forschern ist ein bemerkenswerter Befund gelungen: KI-Agenten lassen sich durch gezieltes Fine-Tuning der Steuerlogik zuverlässig und …

Weiterlesen »
blue and white wooden board

Voice-First: Warum KI-Wearables neu denken müssen, um zu überleben

13.08.2026

Die Kategorie KI-Hardware steht an einem Scheideweg: Während frühe Produkte wie die Humane AI Pin oder …

Weiterlesen »
brown chips on brown textile

KI-gestützte Materialforschung: Start-up sucht Wärmeleitmaterialien für effizientere Chips

10.08.2026

Die thermische Belastung moderner Prozessoren wird zum wachsenden Engpass der KI-Infrastruktur. Das US-Start-up Discovered Materials hat …

Weiterlesen »

Suche

Tags

Cybersecurity Cybersicherheit Datenschutz & Compliance Enterprise-KI fin Generative KI KI KI & Gesellschaft KI-Agenten KI-Automatisierung KI-Entwicklung KI-Entwicklungstools KI-Forschung KI-Geopolitik KI-Governance KI-Hardware KI-Infrastruktur KI-Investitionen KI-Modelle KI-Plattformstrategie KI-Politik KI-Produktentwicklung KI-Produktivität KI-Produktivitätstools KI-Produktstrategie KI-Regulierung KI-Risiken KI-Sicherheit KI-Strategie KI-Tools KI-Unternehmensstrategie KI-Unternehmensstrategien KI im Gesundheitswesen Open-Source-KI pol Quantencomputing Raumfahrt Regulierung Robotik Robotik & Automatisierung sci Tech-Regulierung Unternehmensstrategie wi wt
  • Impressum

© 2026 bytewire.ai