Das australische Startup Cortical Labs will lebende menschliche Neuronen als Recheneinheiten in kommerziellen Rechenzentren einsetzen – ein Ansatz, der die Grenzen zwischen Biologie und Informatik grundlegend neu verhandelt und die Energiefrage der KI-Infrastruktur auf radikale Weise adressiert.
Startup plant erstes Rechenzentrum auf Basis menschlicher Gehirnzellen
Ein australisches Startup arbeitet an einer Rechenzentrums-Infrastruktur, die auf lebenden menschlichen Neuronen basiert. Das Unternehmen Cortical Labs will damit einen grundlegend anderen Ansatz für energieintensive KI-Workloads etablieren – und sieht biologisches Computing als langfristige Alternative zu konventioneller Silizium-Hardware.
Biologische Prozessoren statt Grafikchips
Das Konzept hinter dem Vorhaben ist nicht neu, aber die geplante Skalierung schon: Cortical Labs hat sogenannte „Dishbrained”-Systeme entwickelt, bei denen menschliche Neuronen auf Mikroelektroden-Arrays kultiviert werden. Diese Zellverbände können elektrische Signale empfangen und ausgeben – und damit prinzipiell Rechenaufgaben übernehmen. Bislang waren solche Systeme auf Laborexperimente beschränkt; nun will das Unternehmen diese Technologie in kommerziell betreibbare Recheneinheiten überführen.
Die biologischen Einheiten, die Cortical Labs als „Biologically Integrated Processors” bezeichnet, sollen dabei nicht klassische CPUs oder GPUs ersetzen, sondern für spezifische Aufgaben eingesetzt werden, bei denen das menschliche Gehirn evolutionär optimiert ist – etwa Mustererkennung oder adaptives Lernen.
Der Stromverbrauch eines biologischen Neurons liegt dabei um ein Vielfaches unter dem eines vergleichbaren Transistors.
Energieeffizienz als zentrales Argument
Der Kontext, in dem Cortical Labs dieses Projekt verfolgt, ist klar: Der Energiebedarf von KI-Infrastruktur wächst schneller als die Effizienzgewinne konventioneller Hardware. Große Sprachmodelle und andere Deep-Learning-Systeme beanspruchen Rechenleistung in einem Maßstab, der bestehende Stromnetze unter Druck setzt.
Das menschliche Gehirn verarbeitet komplexe Aufgaben mit einer Leistungsaufnahme von lediglich etwa 20 Watt.
Ob biologische Prozessoren diesen theoretischen Vorteil in praktische Rechenzentrums-Effizienz übersetzen können, ist noch offen. Die Herausforderungen sind erheblich: Lebende Zellen brauchen eine präzise kontrollierte Umgebung mit konstanter Temperatur, Nährstoffversorgung und Abfallentsorgung. Zudem ist die Lebensdauer solcher Zellkulturen begrenzt, was Fragen zur Wartung und zum Ersatz in produktiven Umgebungen aufwirft.
Regulatorische und ethische Fragen ungeklärt
Neben den technischen Hürden stehen erhebliche regulatorische und ethische Fragen im Raum. Der Einsatz menschlicher Zellen in kommerzieller Recheninfrastruktur bewegt sich in einem weitgehend ungeregelten Bereich. In der Europäischen Union, wo der Umgang mit biologischem Material streng reguliert ist, dürfte die Zulassung solcher Systeme komplex werden. Cortical Labs hat bislang keine konkreten Aussagen zu regulatorischen Strategien für den europäischen Markt gemacht.
Das Unternehmen hat nach eigenen Angaben bereits Gespräche mit potenziellen Rechenzentrumsbetreibern geführt und plant, erste kommerzielle Systeme in den kommenden Jahren bereitzustellen. Investoren haben das Startup bislang mit mehreren Millionen Dollar unterstützt.
Einordnung für deutsche Unternehmen
Für deutsche Tech-Entscheider ist das Vorhaben von Cortical Labs zunächst ein Signal aus der Grundlagenforschung mit unklarem kommerziellem Horizont. Kurzfristige Investitions- oder Beschaffungsentscheidungen leiten sich daraus nicht ab.
Mittelfristig illustriert der Ansatz, dass die Suche nach energieeffizienter KI-Infrastruktur weit über inkrementelle Chip-Optimierungen hinausgeht.
Unternehmen, die Nachhaltigkeitsziele mit wachsenden KI-Workloads in Einklang bringen müssen, sollten alternative Computing-Paradigmen – von neuromorphen Chips bis hin zu biologischen Systemen – zumindest beobachten. Die Kerndebatte um den Energiebedarf von KI-Infrastruktur wird in Deutschland angesichts hoher Strompreise und Klimazielen weiter an Relevanz gewinnen.
Quelle: New Scientist Tech
