Computer aus menschlichen Gehirnzellen züchten

Lede: Ein lebender Machbarkeitsnachweis

Auf einer Konferenzfläche in Barcelona im März 2025 erregte ein kompakter Kasten mehr als nur Neugier: Er enthielt lebende menschliche Neuronen, die am Leben erhalten und mit Silizium verbunden waren – eine Vorrichtung, die die Hersteller als kommerziellen „Biocomputer“ bezeichneten. Das Gerät, bekannt als CL1, baut auf Experimenten auf, bei denen kultivierte Neuronen lernten, das Arcade-Spiel Pong zu spielen, und später eine rudimentäre Spracherkennung durchführten – Machbarkeitsnachweise (Proofs of Principle) dafür, dass menschliche Gehirnzellen dazu gebracht werden können, Berechnungen anzustellen, wenn sie mit Elektroden und Software gekoppelt werden. Diese Experimente und die darauf folgenden Geschäftspläne haben ein ruhiges, aber sich schnell entwickelndes Forschungsgebiet in die Schlagzeilen und politischen Debatten gerückt.

Von Pong und Reservoir Computing zu Desktop-Biocomputern

Die öffentliche Entstehungsgeschichte des Fachgebiets verweist oft auf eine Arbeit in der Fachzeitschrift Neuron aus dem Jahr 2022, in der ein System namens DishBrain Netzwerke aus kultivierten kortikalen Neuronen – gewonnen aus menschlichen Stammzellen sowie von Nagetieren – nutzte, die auf hochdichten Multielektroden-Arrays (MEAs) montiert waren, um mit einer simulierten Pong-Umgebung zu interagieren. In diesem Closed-Loop-Aufbau lieferte eine gemusterte elektrische Stimulation den Spielzustand als „sensorischen“ Input, und das Feuern der Neuronen steuerte den Schläger; die Kulturen passten ihre Aktivität in einer Weise an, die die Autoren als Lernen bezeichneten. Das Experiment war kein empfindungsfähiger Geist, aber es demonstrierte, dass lebendes Nervengewebe in eine Rückkopplungsschleife eingebunden werden kann und seine Reaktionen verändert, um eine Aufgabe zu erfüllen.

Andere akademische Teams folgten schnell. Eine Gruppe der Indiana University veröffentlichte in Nature Electronics eine Arbeit über ein Reservoir-Computing-System mit Gehirn-Organoiden – unter dem Spitznamen Brainoware –, das Sprecher anhand kurzer Vokale erkannte und nach einer kurzen Trainingsphase einfache nichtlineare Vorhersageaufgaben löste. Diese Demonstrationen nutzten Hirngewebe als adaptives, energieeffizientes Substrat innerhalb eines Hybridsystems, bei dem digitale Ausleseschichten die neuronale Aktivität interpretieren.

Wie Organoide und Elektroden-Arrays „Berechnungen“ durchführen

Auf technischer Ebene teilen diese Aufbauten eine einfache Architektur: Populationen von Neuronen werden aus Stammzellen zu Clustern oder Organoiden gezüchtet und befinden sich auf oder in der Nähe von Multielektroden-Arrays (MEAs). Das MEA liest Spike-Trains – die elektrischen Signale der Neuronen – und kann auch präzise getaktete Impulse abgeben, die als Inputs oder Belohnungen fungieren. Forscher übersetzen Daten (einen Spielzustand, einen Soundclip, Sensorausgaben) in Stimulationsmuster, lassen das lebende Netzwerk reagieren und nutzen dann Methoden des maschinellen Lernens, um die neuronale Aktivität wieder in Ausgaben zu dekodieren. Das „Lernen“ des Systems resultiert aus der intrinsischen Plastizität des Gewebes: Neuronale Verbindungen verstärken oder schwächen sich, wodurch die Reaktionsmuster des Netzwerks verändert werden, ohne dass Software neu geschrieben werden muss.

Kommerzialisierung und der Aufstieg von „Wetware-as-a-Service“

Was einst akademische Neugier war, ist zu einer Markthypothese geworden. Startups und Universitätsteams bewerben nun organoidbasierte Hardware und Cloud-Zugang dazu. Cortical Labs – einer der Pioniere hinter DishBrain – stellte 2025 öffentlich einen Desktop-Biocomputer, den CL1, vor und beschrieb Pläne für Vor-Ort-Einheiten und einen Cloud-Zugang, den das Marketing als „Wetware-as-a-Service“ bezeichnet. Andere Unternehmen und Forschungsplattformen bieten Fernzugriff auf Organoid-Arrays an, damit Labore Experimente durchführen können, ohne Gewebe vor Ort kultivieren zu müssen. Befürworter verweisen auf potenzielle Vorteile: Energieeffizienz bei bestimmten adaptiven Aufgaben, menschenrelevante Modelle für das Wirkstoffscreening und neue experimentelle Werkzeuge für die Neurowissenschaften.

Kurzfristige Anwendungen: Medikamententests, Modelle und Hybridsensoren

Die meisten Experten sehen kurzfristigen Nutzen eher in biomedizinischen und wissenschaftlichen Anwendungen als im Ersatz von Rechenzentrums-GPUs. Organoid-Plattformen ermöglichen es Forschern, Medikamente direkt an menschlichem Nervengewebe zu testen, Entwicklungs- und Krankheitsmechanismen zu untersuchen und Tierversuche zu reduzieren. Hybridsysteme wurden auch für spezialisierte Sensorik und Robotik vorgeschlagen, wo adaptive Controller mit geringem Stromverbrauch von Bedeutung sein könnten. Mehrere Teams untersuchen Klassifizierungsaufgaben – Sprach- oder taktile Signale oder die Vorhersage chaotischer Zeitreihen –, die Leistungsfähigkeit demonstrieren, während sie von allgemeiner Intelligenz weit entfernt bleiben.

Ethik, Semantik und Governance

Der rasante Fortschritt der Technologie hat viele bestehende ethische Rahmenbedingungen überholt. Als die DishBrain-Studie die Sprache der „Empfindungsfähigkeit“ (Sentience) verwendete, löste dies sofortigen Widerstand und eine wissenschaftliche Debatte über Begriffe, Vorsorge und die moralische Bedeutung von laborgezüchtetem Nervengewebe aus. Ethiker haben auf Klarheit gedrängt – wobei zwischen Reaktionsfähigkeit, Lernen und Informationsverarbeitung einerseits und phänomenalem Bewusstsein andererseits unterschieden werden muss – und eine aktualisierte Aufsicht gefordert, die Einwilligung, Geberrechte, die Verwaltung von Gewebe und die Möglichkeit (so fern sie heute auch sein mag) moralisch relevanter Erfahrungen in zukünftigen Systemen abdeckt. Nationale Gremien und akademische Prüfungen haben Governance-Schritte empfohlen: Verfeinerung von Einwilligungsprozessen, Entwicklung von Kriterien zur Bewertung des Potenzials für Empfindungsfähigkeit und Koordinierung internationaler Leitlinien, damit die Kommerzialisierung die Schutzmaßnahmen nicht überholt.

Zwei Dynamiken machen die Ethikdiskussion dringlich. Erstens haben Unternehmen, die Biocomputer vermarkten wollen, einen geschäftlichen Anreiz, eine evokative Sprache zu verwenden, um Finanzmittel und Kunden anzuziehen. Zweitens ist das biologische Substrat nicht nur Code; es handelt sich um vom Menschen stammendes Material, das Bedenken der Spender und der Gesellschaft hinsichtlich Identität, Wiederverwendung und Würde mit sich bringt. Viele Ethiker empfehlen Regeln, die auf die spezifischen Risiken der Technologie zugeschnitten sind, anstatt Rahmenbedingungen umzufunktionieren, die für die klassische biomedizinische Forschung konzipiert wurden.

Wissenschaftliche Grenzen und umstrittene Behauptungen

Jenseits der Ethik müssen technische Behauptungen kritisch geprüft werden. Bisherige Demonstrationen zeigen spezialisierte, kleinteilige Aufgaben und stützen sich auf Hybridarchitekturen, bei denen klassische Hardware immer noch die Schwerstarbeit leistet (Kodierung von Inputs, Dekodierung von Outputs). Forscher betonen, dass Organoide keine kleinen Gehirne sind: Ihnen fehlen die geschichtete, weitreichende Konnektivität und der Entwicklungskontext eines intakten menschlichen Gehirns. Die Reproduzierbarkeit über Labore hinweg, die Langzeitstabilität von Organoid-Netzwerken und die erforderliche Technik, um sie zu zuverlässigen Geräten zu skalieren, bleiben offene Probleme. Einige Befürworter sehen Organoide als Ergänzung zu Silizium – mit Vorteilen beim probeneffizienten Lernen und bei der Energieeffizienz für spezifische Probleme – und nicht als direkten Ersatz für herkömmliche Computer.

Der Weg in die Zukunft: Kalibrierter Optimismus

Was jetzt zählt, ist weniger die binäre Frage, ob ein „Gehirn in einer Box“ gebaut werden kann, sondern vielmehr ein politisch-wissenschaftliches Problem: wie man nützliche Anwendungen mit geringem Risiko beschleunigt und gleichzeitig Schäden begrenzt und die öffentlichen Erwartungen klärt. Das bedeutet, dass Geldgeber, Regulierungsbehörden und Forschungsgemeinschaften sich auf Standards für die Einwilligung bei Spendengewebe, Transparenz darüber, was lebende Systeme leisten können und was nicht, sowie auf gemeinsame Metriken zur Bewertung eines etwaigen emergenten moralischen Status einigen müssen. Parallele technische Arbeiten – die Verbesserung der Reproduzierbarkeit, nicht-invasive Stimulation und standardisierte MEA-Schnittstellen – werden darüber entscheiden, ob Organoid-Computing eine Laborkuriosität bleibt oder zu einem verlässlichen Werkzeug für die Medizin und spezialisierte Berechnungen wird.

Kurz gesagt: Die Experimente der letzten Jahre zeigen, dass lebendes menschliches Nervengewebe als Teil hybrider Rechensysteme genutzt werden kann, und Unternehmen gehen dazu über, diese Ideen zu Produkten zu machen. Ob die Gesellschaft dies als ethisch belastetes Neuland oder als pragmatisches neues Laborinstrument betrachtet, wird von der Offenheit der Forschungsgemeinschaft, der Stärke der Governance und dem Realismus des öffentlichen Diskurses darüber abhängen, was die Biologie tatsächlich leistet.

Quellen

• Neuron (Kagan et al., „DishBrain“ – In-vitro-Neuronen lernen und zeigen adaptives Verhalten).
• Nature Electronics (Guo et al., „Brain organoid reservoir computing“).
• Indiana University (Brainoware-Forschung und Pressematerialien).
• University of Bristol (Organoid-Brailleschrift-Erkennung / Kodierungsstrategien, arXiv-Preprint).
• Nature Reviews Bioengineering und Berichte der National Academies zu Organoid-Ethik und Governance.