Das Ende des Daten-Schleppens: Wie neuromorphe Chips und Memristoren die Computerrevolution entfesseln

Von DerSchneider

Die Botschaft, die Prof. Rainer Waser in seinem viel beachteten Interview formuliert, ist ebenso simpel wie revolutionär: „Wir haben noch GAR NICHTS gesehen!“ . Während die Welt gebannt auf die nächste KI-Anwendung blickt, arbeiten Physiker, Chemiker und Ingenieure im Verborgenen an einer neuen technologischen Grundlage, die das Potenzial hat, unsere digitale Welt grundlegend zu verändern. Es geht um nichts weniger als die Überwindung eines Computer-Flaschenhalses, der seit 1945 besteht, und die Abkehr vom rein binären Denken .

Die Wachstumsbremse: Der Von-Neumann-Flaschenhals

Das Herzstück jedes modernen Computers ist die Von-Neumann-Architektur, bei der Prozessor und Speicher strikt getrennt sind. Die Daten, bestehend aus Nullen und Einsen, müssen über einen Bus, eine Art Datenautobahn, hin- und hertransportiert werden . Dieses unermüdliche „Hin- und Herschieben“ ist nicht nur langsam, sondern vor allem ineffizient. Durch die Kapazität der Leitungen wird bei jedem Transfer Energie in Wärme umgewandelt.

Die Zahlen, die Prof. Waser und andere Experten nennen, sind alarmierend. Etwa 99 Prozent der Energie, die ein moderner Chip verbraucht, wird allein für das Hin- und Herbewegen von Daten aufgewendet, nicht für die eigentliche Rechenoperation . Dieses Problem, bekannt als der „Von-Neumann-Flaschenhals“, war in den Anfängen der Computertechnik ein Randphänomen. Mit dem explosionsartigen Wachstum der Künstlichen Intelligenz wird es jedoch zur existenziellen Bedrohung für die digitale Wirtschaft.

Die Internationale Energieagentur prognostiziert, dass der Energiehunger von KI-Rechenzentren so stark steigen wird, dass sie, als ein Land zusammengefasst, im Jahr 2030 der sechstgrößte Stromverbraucher der Welt wären – noch vor Japan .

Das biologische Vorbild: 25 Watt gegen Megawatt

Das menschliche Gehirn erledigt Aufgaben, für die Supercomputer Megawatt benötigen, mit nur rund 25 Watt . Dieser frappierende Unterschied liegt in der Architektur begründet. Das Gehirn hat keinen getrennten Prozessor und Speicher. Die biologische Synapse ist beides zugleich: Sie speichert Information (in Form ihres synaptischen Gewichts) und verarbeitet sie gleichzeitig. Dieser Ansatz wird technisch als „Computing-in-Memory“ oder „In-Memory-Computing“ bezeichnet .

Hinzu kommt die massive Parallelität: Mit etwa 86 Milliarden Neuronen und rund 100 Billionen Synapsen arbeitet das Gehirn auf eine Weise parallel, die kein konventioneller Chip auch nur annähernd erreichen kann. Zudem ist es ein „Event-based“-System: Energie fließt nur, wenn ein Neuron tatsächlich feuert. Zu jedem Zeitpunkt sind nur etwa ein Prozent der Synapsen aktiv . Würde das Gehirn mit voller Leistung und ohne diese Pausen arbeiten, so Waser, würde es bei etwa 200 Watt buchstäblich kochen .

Die Lösung: Der Memristor als künstliche Synapse

Hier kommt der Memristor ins Spiel – ein Begriff, der sich aus „Memory“ und „Resistor“ zusammensetzt. Ein Memristor ist ein elektrisches Bauelement, das seinen Widerstandswert speichern kann . Es „erinnert“ sich also an den letzten Zustand, was es ideal für die Nachbildung einer Synapse macht. Die Stärke der synaptischen Verbindung wird durch einen Widerstandswert repräsentiert, der direkt am Ort der „Rechnung“ gespeichert wird. Der Flaschenhals zwischen Speicher und Prozessor existiert in dieser Architektur nicht mehr .

Prof. Waser, der an der RWTH Aachen lehrt und am Forschungszentrum Jülich forscht, gilt als einer der Pioniere auf diesem Gebiet . Seine Arbeiten zu redox-basierten Memristoren, die auf Metalloxiden wie Hafniumoxid (HfO₂) beruhen, haben den Grundstein für die heutige Entwicklung gelegt . Der Schaltmechanismus ist atemberaubend winzig: In einem Volumen von wenigen Kubiknanometern wandern Ionen (genauer: Sauerstoff-Fehlstellen) und verändern so die Leitfähigkeit des Materials. Diese Änderung kann um mehrere Größenordnungen erfolgen und ist extrem schnell .

Von der Theorie zur Serie: Die industrielle Revolution

Was lange wie reine Grundlagenforschung aussah, hat die Laborebene längst verlassen. Prof. Waser betont im Interview, dass die Technologie keine Zukunftsmusik mehr ist. Seine Memristor-Zellen werden bereits in Serie gefertigt – unter anderem bei Branchengrößen wie Infineon und TSMC . Die Fertigung nutzt dabei etablierte Prozesse, was einen entscheidenden Vorteil gegenüber völlig neuartigen Ansätzen darstellt.

Das zeigt sich auch an aktuellen Forschungsdurchbrüchen:

• Ein Team der University of Cambridge entwickelte eine neuartige Hafniumoxid-basierte Memristor-Schicht, die den Widerstand nicht durch unberechenbare „Filamente“, sondern über eine gleichmäßige Grenzflächenreaktion schaltet . Dies führt zu einer hervorragenden Stabilität und der Möglichkeit, hunderte verschiedener Leitfähigkeitszustände präzise anzusteuern .
• Der Energieverbrauch dieser Bauelemente ist dramatisch niedrig. Er liegt Berichten zufolge bis zu einer Million Mal unter dem herkömmlicher Bauelemente .
• Die australische Firma BrainChip treibt die Kommerzialisierung mit ihrem AKD1500-Prozessor voran. Er ist als „neuromorpher KI-Co-Prozessor“ für Anwendungen am Rande des Netzes (Edge) konzipiert und nutzt genau diese Prinzipien für extrem effizientes, „immer an“-Lernen (Always-on Inference). Die ersten Serienlieferungen sollen 2026 beginnen . Allerdings zeigen erste Berichte, dass die Fertigung (Ausbeute/Yield) eine der großen Herausforderungen auf dem Weg zur Serienreife darstellt .

Der Blick nach 2075: Jenseits von Binär und Moore

Das Interview mit Prof. Waser endet nicht bei der Technologie. Er wagt einen Blick in eine Zukunft, in der unsere Computer nicht mehr nach dem Binärprinzip (0 und 1) arbeiten, sondern analoge und mehrstufige Zustände nutzen. Die Biologie macht es vor: Eine Synapse hat nicht zwei, sondern viele Zustände, die Waser salopp mit „5 Bit“ beschreibt .

Die Forschung an „neuromorphen“ Systemen zielt genau darauf ab. Es geht um „Event-based“ Chips, die nur bei Bedarf aktiv werden, und um grundlegend neue Materialien. Neben den Oxiden von Waser wird an Phasenwechselmaterialien und magnetoresistiven Speichern geforscht . Ein Highlight ist ein aktueller Chip aus China, der neuronale Dynamiken in weniger als zehn Millisekunden verarbeitet und im Vergleich zu einer Nvidia A100 GPU eine bis zu 478-fache Beschleunigung erreicht . Er ist in einem 40-nm-Prozess gefertigt und kommt ohne die teuren und energiehungrigen Analog-Digital-Wandler aus .

Das Mooresche Gesetz, das seit Jahrzehnten den Fortschritt der Industrie antreibt, nähert sich physikalischen Grenzen. Die Zukunft gehört Architekturen, die diese Grenzen durch intelligente Materialien und eine radikale Abkehr vom traditionellen Rechenmodell überwinden. Die Frage ist nicht mehr ob, sondern wann diese Technologien den Mainstream erreichen. Und wenn es so weit ist, haben wir tatsächlich noch nichts gesehen.

Fazit und Ausblick

Die Vision von Prof. Rainer Waser und seiner Zunft ist keine bloße Verbesserung bestehender Technik, sondern ein Paradigmenwechsel. Die Kombination aus Memristoren, „Computing-in-Memory“ und neuartigen Materialien birgt das Potenzial, den Energiehunger der KI zu zähmen und völlig neue Formen des vernetzten, lernenden und intelligenten Computings zu ermöglichen.

Die Herausforderungen sind dabei nicht zu unterschätzen: Die Herstellung erfordert oft Temperaturen, die nicht mit allen etablierten Prozessen kompatibel sind , und die Serienfertigung mit hohen Ausbeuten ist noch nicht in allen Fällen gelöst . Doch die Richtung ist klar. Die Ära, in der Computer strikt zwischen Rechnen und Erinnern trennen, geht zu Ende. Die Zukunft gehört den Chips, die denken können, weil sie sich erinnern.

Quellen

1. University of Cambridge: New computer chip material inspired by the human brain could slash AI energy use (2026) 
2. Kibubble: Memristor: Prof. Rainer Waser über neuromorphe KI (2026) 
3. BrainChip Holdings: Q10 2026 Quarterly Activities Report (2026) 
4. Heise online: Das Gehirn als Vorbild: Neuromorphe Computer (2023) 
5. IT Boltwise: Neuer Chip simuliert neuronale Dynamik in unter 10 Millisekunden (2026) 
6. ICNCE 2026: From CMOS Technology via Memristive Devices to Neuromorphic Computing – Fundamentals, History and Prospects (Vortrag von R. Waser) (2026) 
7. PhilPapers: Klaus Mainzer, Neuromorphe Computer und Künstliche Intelligenz (2024) 
8. Forschungszentrum Jülich / RWTH Aachen: Informationen zu Prof. Rainer Waser und seinen Projekten 
9. Springer / Discover Nano: Robust Resistive Switching Constancy and Quantum Conductance in High-k Dielectric-Based Memristor (2022) 
10. Nature Communications: Bulk mixed ion electron conduction in amorphous gallium oxide causes memristive behaviour (2014)