Wie 20 biologische Computer in Singapur mit menschlichen Nervenzellen arbeiten

Singapur erprobt eine neue Form des Rechnens: Im Centre for Life Sciences der National University of Singapore (NUS) arbeiten lebende menschliche Neuronen gemeinsam mit Siliziumchips, Software und Labortechnik. Die erste Installation umfasst 20 biologische Computer des Typs CL1 und wird von Cortical Labs zusammen mit NUS Medicine und dem Rechenzentrumsbetreiber DayOne als Forschungs- und Validierungsprototyp betrieben.

Dabei geht es nicht darum, die Silizium-Hardware hinter Cloud-Diensten oder großen Sprachmodellen kurzfristig zu ersetzen. Getestet wird vielmehr, ob biologische neuronale Netze für spezielle Aufgaben geeignet sind – insbesondere dort, wo nur wenige Trainingsdaten vorhanden sind, sich Bedingungen laufend ändern oder die Umgebung schwer vorhersehbar ist.

Was ist ein biologisches Datenzentrum?

Die Anlage ist ein hybrides „Wetware“-System. Die adaptive Verarbeitung übernimmt ein Netzwerk lebender Neuronen. Siliziumchips, Software und Laborgeräte kümmern sich um die elektrische Kommunikation, die Datenzufuhr, die Steuerung der Umgebung und den Erhalt der Zellkultur.

In Singapur steht zunächst ein Rack mit 20 CL1-Einheiten. Die beteiligten Organisationen bezeichnen es als unabhängig betriebenes, biologisch integriertes Server-Rack in einer realen Forschungsumgebung. Es bildet die erste Stufe, bevor ein möglicher Umzug in eine kommerzielle DayOne-Anlage erfolgt.

So verarbeitet die CL1 Daten

Jede CL1 enthält mindestens 200.000 im Labor gezüchtete menschliche Neuronen. Sie stammen aus Blutzellen, die zunächst in Stammzellen umprogrammiert wurden. Anschließend werden die Zellen auf einem Siliziumchip mit Elektroden kultiviert.

Die Elektroden bilden eine Schnittstelle in beide Richtungen:

1. Ein herkömmlicher Computer übersetzt Informationen in elektrische Reize für das neuronale Netzwerk.
2. Die Neuronen reagieren mit charakteristischen Mustern elektrischer Aktivität.
3. Das Elektrodensystem misst diese Aktivität und übermittelt sie als Ergebnis an die Software.

So entsteht ein geschlossener Regelkreis: Die lebende Zellkultur reagiert auf eine simulierte Umgebung, und ihre Aktivität beeinflusst wiederum diese Umgebung. Die Neuronen sind daher nicht bloß biologisches Zubehör. Sie bilden den anpassungsfähigen Teil des Systems, während Silizium die Schnittstellen- und Kontrollebene liefert.

Warum die Versorgung der Zellen entscheidend ist

Eine CL1 ist kein gewöhnlicher Server, der einfach eingeschaltet und sich selbst überlassen werden kann. Die Neuronen müssen dauerhaft am Leben gehalten und unter kontrollierten Bedingungen betrieben werden.

Techniker erneuern alle drei Tage eine Nährlösung mit Zucker, Mikronährstoffen und pH-Puffern. Ein Gasgemisch liefert Kohlendioxid, Sauerstoff und Stickstoff. Das übrige System reguliert die Bedingungen, unter denen die Zellkultur funktionsfähig bleibt.

Die Technologie schafft damit keine wartungsfreie Recheninfrastruktur. Sie könnte zwar den Bedarf an elektrischer Leistung und klassischer Serverkühlung senken, bringt dafür aber Verbrauchsmaterialien, biologische Wartung, kontrollierte Laborbedingungen und speziell geschultes Personal mit sich.

Wo biologische Computer nützlich sein könnten

Cortical Labs zufolge können biologische neuronale Netze möglicherweise aus vergleichsweise wenigen Beispielen lernen und sich flexibler an veränderte Umstände anpassen. Das wäre vor allem für Aufgaben interessant, bei denen sich nicht für jede denkbare Situation große, sauber beschriftete Datensätze erstellen lassen.

Als mögliche Einsatzfelder nennen das Unternehmen und seine Partner unter anderem:

• Humanoide Robotik: Roboter in Wohnungen, Büros oder öffentlichen Räumen treffen auf unvorhersehbare Situationen, die sich nur schwer im Voraus modellieren lassen.
• Cybersicherheit: Biologische Systeme könnten darauf getestet werden, ungewöhnliche Aktivitäten zu erkennen, obwohl nicht für jede mögliche Angriffsmethode ausreichend Trainingsbeispiele existieren.
• Adaptive Forschungsrechner: Wissenschaftler können untersuchen, wie lebende neuronale Netze auf kontrollierte Eingaben und Rückkopplungen reagieren.
• Robotik- und Spieleexperimente: Die Anlage von Cortical Labs in Melbourne soll von Unternehmen und Universitäten für entsprechende Forschungsprojekte genutzt werden.

Das sind bislang potenzielle oder experimentelle Anwendungen. Die verfügbaren Berichte belegen nicht, dass biologische Computer bei produktiven Robotik- oder Cybersicherheitsaufgaben bereits besser abschneiden als Siliziumsysteme. Dafür wären unabhängige Benchmarks erforderlich, die jeweils dieselbe konkrete Aufgabe vergleichen.

Der Energiebedarf – und was der Vergleich nicht zeigt

Cortical Labs gibt an, dass eine CL1 einschließlich ihrer lebenserhaltenden Technik rund 30 Watt benötigt und keine herkömmliche Serverkühlung braucht. Zum Vergleich: Ein Nvidia H100 SXM ist mit bis zu 700 Watt angegeben; ein Server mit acht H100-GPUs soll einschließlich unterstützender Hardware etwa 10.200 Watt verbrauchen.

Diese Zahlen erklären, warum das Konzept in Singapur Aufmerksamkeit erhält. Rechenzentren verbrauchten dort im Jahr 2020 rund 7 Prozent des nationalen Stroms. Zugleich sind die Verfügbarkeit von Strom und Wasser zentrale Faktoren in der Debatte über einen weiteren Ausbau der Rechenzentrumskapazitäten.

Ein niedriger Verbrauchswert pro Gerät bedeutet allerdings noch nicht automatisch niedrigere Gesamtkosten oder eine bessere Umweltbilanz. Die öffentlich verfügbaren Angaben enthalten keine abschließende Bewertung des Wasserverbrauchs, des gesamten Lebenszyklus oder einen Vergleich mit einer gleichwertigen GPU-Infrastruktur bei derselben Arbeitslast. Nährmedien, Gassteuerung, Zellproduktion, Laborausrüstung und menschliche Wartung müssten in eine vollständige Bilanz einfließen.

Keine Ablösung für GPUs in Sicht

Die überzeugendste Rolle der CL1 liegt bei spezialisierten, anpassungsfähigen Aufgaben – nicht beim allgemeinen Hochleistungsrechnen. Auch der CEO von Cortical Labs räumt ein, dass Silizium für die schnellen, präzisen und wiederholbaren Berechnungen hinter großen Sprachmodellen und ähnlichen Anwendungen weiterhin deutlich besser geeignet ist.

Das realistische Modell ist daher ein ergänzendes Zusammenspiel:

• Siliziumprozessoren übernehmen konventionelle Berechnungen mit hohem Durchsatz.
• Biologische neuronale Netze werden für Aufgaben getestet, die von Anpassungsfähigkeit und wenigen Lerndaten profitieren könnten.
• Software und Elektronik verbinden beide Systeme.

Die Bezeichnung „biologisches Datenzentrum“ sollte deshalb nicht den Eindruck erwecken, dass klassische Cloud-Server bald durch Racks voller lebender Zellen ersetzt werden.

Ausbau, kommerzielle Nutzung und Preise

Das Projekt in Singapur startet mit 20 CL1-Einheiten und dient der gemeinsamen Forschung und Entwicklung. Die Partner wollen praktische Betriebserfahrung sammeln und prüfen, welche Herstellungs- und Supportprozesse für einen größeren Einsatz erforderlich wären.

Wenn die Technik validiert wird und Biosicherheitsauflagen sowie behördliche Genehmigungen erfüllt sind, prüfen DayOne und Cortical Labs eine schrittweise Erweiterung auf bis zu 1.000 Einheiten in einer kommerziellen Anlage in Singapur.

Am Standort in Melbourne betreibt Cortical Labs nach eigenen Angaben 120 CL1-Einheiten und bedient Berichten zufolge rund 20 Kunden aus Unternehmensforschung und Hochschulen. Der Fernzugriff auf eine einzelne CL1 soll 2.200 US-Dollar pro Monat kosten. Zum Vergleich werden für die monatliche Miete eines leistungsstarken KI-Chips bei großen Cloud-Anbietern rund 4.300 US-Dollar genannt.

Dieser Fernzugriffspreis ist eine Gebühr für Kunden – nicht die tatsächlichen Betriebskosten des biologischen Computers oder der NUS-Anlage. Die vollständigen Kosten für den Betrieb des Standorts in Singapur wurden bislang nicht veröffentlicht.

Die wichtigsten offenen Fragen

Biologisches Rechnen steht vor mehreren ungelösten Herausforderungen:

• Wartung: Die Neuronen benötigen kontinuierlich Nährstoffe, Gase und kontrollierte Umgebungsbedingungen.
• Konsistenz: Lebende Systeme könnten weniger deterministisch und wiederholbar sein als digitale Hardware.
• Skalierung: Der Schritt von einem Forschungsrack mit 20 Einheiten zu 1.000 Geräten würde eine reproduzierbare Zellproduktion und äußerst zuverlässige Betriebsabläufe erfordern.
• Regulierung und Biosicherheit: Ein größerer kommerzieller Einsatz hängt nicht nur von der technischen Leistung, sondern auch von Genehmigungen ab.
• Benchmarking: Aussagen zu Lerneffizienz, Energieverbrauch und Anpassungsfähigkeit müssen noch unabhängig und unter realen Bedingungen geprüft werden.
• Umweltbilanz: Ein geringerer Strombedarf allein beweist weder einen niedrigeren Wasserverbrauch noch einen kleineren ökologischen Fußabdruck über den gesamten Lebenszyklus.

Diese Einschränkungen erklären, warum die Installation in Singapur als schrittweises Validierungsprojekt behandelt wird – und nicht als fertiger Ersatz für ein konventionelles Serverzentrum.

Was das Projekt für Singapur bedeutet

Singapurs biologisches Datenzentrum ist derzeit vor allem ein strategisches Experiment. Sollten sich die behaupteten Vorteile – Lernen mit begrenzten Daten und Anpassung an wechselnde Bedingungen – in unabhängigen Tests bestätigen, könnte Wetware Computing dem Stadtstaat eine Nischenlösung bieten, um ausgewählte KI-Kapazitäten auszubauen, ohne den Bedarf an Kühlung und Strom im selben Maß wie bei GPU-lastiger Infrastruktur zu erhöhen.

Die derzeitige Faktenlage erlaubt jedoch eine vorsichtigere Schlussfolgerung: Singapur hat einen kleinen Prototypen geschaffen, der lebende Neuronen mit Silizium- und Steuersystemen verbindet. Entscheidend ist nun, ob diese ungewöhnliche Architektur nützlich, zuverlässig und wirtschaftlich skalierbar werden kann – nicht, ob biologische Server bereits die etablierten Rechenzentren verdrängen.