In einer Stadt am Ufer des Genfer Sees gibt es Klumpen lebender menschlicher Gehirnzellen zu mieten. Diese Klumpen von der Größe eines Sandkorns können elektrische Signale empfangen und darauf reagieren — ähnlich wie Computer. Forschungsteams aus aller Welt stellen den Klümpchen Aufgaben, in der Hoffnung, dass sie die Informationen verarbeiten und ein Signal zurücksenden.

Willkommen in der Welt der Biocomputer. In einer Handvoll akademischer Labors und Unternehmen züchten Forschende menschliche Neuronen und versuchen, sie in funktionale Systeme zu verwandeln, die biologischen Transistoren entsprechen. Diese Neuronen-Netzwerke, so argumentieren sie, könnten eines Tages die Leistung eines Supercomputers bieten, ohne den übermäßigen Stromverbrauch.

Die bisherigen Ergebnisse sind noch begrenzt. Aber eifrige Wissenschaftler und Wissenschaftlerinnen kaufen oder leihen sich bereits Online-Zugang zu diesen Gehirnzellen-Prozessoren  — oder investieren sogar Zehntausende von Dollar, um ihre eigenen Modelle zu sichern.

Einige wollen diese Biocomputer als einfachen Ersatz für gewöhnliche Computer verwenden, während andere damit untersuchen wollen, wie Gehirne funktionieren. »Der Versuch, biologische Intelligenz zu verstehen, ist ein sehr interessantes wissenschaftliches Problem«, sagt Benjamin Ward-Cherrier, ein Robotikforscher an der Universität von Bristol, Großbritannien, der sich Zeit für die Forschung mit den Schweizer Gehirnklumpen mietet. »Und wenn man es von unten nach oben betrachtet — mit einfachen kleinen Versionen unseres Gehirns, die wir dann aufbauen —, ist das meiner Meinung nach ein besserer Weg, als von oben nach unten.«

Befürworter des Biocomputing behaupten, dass diese Systeme eines Tages mit den Fähigkeiten der künstlichen Intelligenz und dem Potenzial von Quantencomputern konkurrieren könnten.

Andere Forschende, die mit menschlichen Neuronen arbeiten, sind skeptischer gegenüber dem, was möglich ist. Und sie warnen, dass der Hype — und der wissenschaftlich-fiktionale Reiz von Systemen, die manchmal als »Gehirn im Glas« bezeichnet werden — sogar kontraproduktiv sein könnte. Wenn sich die Vorstellung durchsetzt, dass diese Systeme Empfindungsvermögen und Bewusstsein besitzen, könnte dies Auswirkungen auf die Forschungsgemeinschaft haben.

»Ich habe Angst, dass, wenn diese Art von Arbeit viel Aufmerksamkeit erhält und überbewertet wird, die Reaktion nicht nur sein wird: ›Wir müssen über diese Arbeit etwas sorgfältiger nachdenken‹ sondern: ‹Wir müssen diese Arbeit komplett stoppen.‹«, sagt Madeline Lancaster, eine Entwicklungsbiologin, die an der Universität Cambridge (UK) Nervengewebe zur Erforschung von Entwicklung und Krankheiten einsetzt, aber nicht an Biocomputing-Projekten beteiligt ist. »Das könnte dazu führen, dass Vorschriften erlassen werden, die jegliche Arbeit verhindern, auch auf der Seite des Feldes, auf der wirklich geforscht wird, um Menschen zu helfen.«

Stromausfall

Computerwissenschaftler und -wissenschaftlerinnen haben lange Zeit die erstaunliche Energieeffizienz des menschlichen Gehirns bewundert. Mit weniger als 20 Watt — etwa so viel wie ein kleiner Tischventilator — können seine Milliarden Neuronen das Äquivalent von einer Milliarde mathematischer Operationen pro Sekunde durchführen. Die besten Supercomputer können diese Geschwindigkeit erreichen, verbrauchen dabei aber eine Million Mal mehr Strom.

Einige Forscher versuchen, die supereffiziente Struktur des Gehirns mit Hilfe von Siliziumchips nachzubilden. Dieser Ansatz, der allgemein als neuromorphes Rechnen bezeichnet wird, orientiert sich daran, wie sich Neuronen verbinden und feuern, um zu kommunizieren. Einige Systeme versuchen insbesondere nachzuahmen, wie sich Neuronen bis zu einem Schwellenwert aufladen müssen, bevor sie einen elektrischen Impuls abfeuern.

Biocomputing hingegen geht auf das biologische Ausgangsmaterial zurück. Ausgehend von induzierten pluripotenten Stammzellen (iPS-Zellen), die zu fast jeder Art von Zelle umprogrammiert werden können, züchten Forschende Gemeinschaften von Gehirnzellen und versorgen sie mit Nährstoffen und Wachstumsfaktoren. Um mit ihnen zu kommunizieren, setzen die Forscher die Zellen auf Elektrodenanordnungen und geben dann Signale und Befehle in Form von elektrischen Impulsfolgen an sie weiter. Diese Signale verändern die Art und Weise, wie Ionen in die Neuronen hinein und aus ihnen heraus fließen, und könnten einige Zellen dazu veranlassen, einen elektrischen Impuls, ein so genanntes Aktionspotenzial, abzugeben. Die Biocomputer-Elektroden können diese Signale erkennen und sie mit Hilfe von Algorithmen in verwertbare Informationen umwandeln.

Der gängigste Biocomputer-Ansatz züchtet die Neuronen als 3D-Cluster, die Organoide genannt werden. Die Zusammensetzung dieser Gehirnzellengemeinschaften variiert, je nachdem, wie sich die iPS-Zellen differenzieren, umfasst aber in der Regel Neuronen und Zellen, die sie unterstützen, wie Astrozyten und Oligodendrozyten.

Im August 2025 berichteten Ward-Cherrier und seine Kollegen über die Verwendung menschlicher Hirnorganoide mit etwa 10 000 Neuronen, um Braille-Buchstaben zu »erkennen«. Sie setzten zunächst einen mit einem Tastsensor ausgestatteten Roboter ein, um die Buchstaben zu lesen, und wandelten dann die für jeden Buchstaben gesammelten Daten in ein bestimmtes Muster elektrischer Impulse um — beispielsweise durch Variation des Timings und der Intensität —, die sie durch eine Reihe von acht neben der Oberfläche des Organoids angebrachten Elektroden leiteten. Diese Elektroden zeichnen die kollektive Aktivität vieler Neuronen in der Nähe auf.

Die Forschenden wollten herausfinden, ob sich die Feuermuster im Organoid je nach Stimulationsmuster unterscheiden und ob diese Reaktionen konsistent sind.

Für jeden Buchstaben sammelten sie die Antworten von jeder Elektrode, bildeten einen Durchschnitt, um eine Gesamtleistung des Organoids zu erhalten, und verwendeten maschinelles Lernen, um etwaige Muster zu erkennen.

Die Ergebnisse zeigten, dass ein einzelnes Organoid, wenn es mit elektrischen Impulsen versorgt wurde, die bestimmten Buchstaben entsprachen, im Durchschnitt in 61 % der Fälle dieselbe charakteristische Reaktion zeigte. Wenn die Antworten von drei Organoiden kombiniert wurden, stieg diese Quote auf 83 %. Mit anderen Worten, die Organoide konnten eine einfache Verarbeitungsaufgabe erfüllen: Sie konnten zwischen Eingaben unterscheiden und diese identifizieren.

Für Ward-Cherrier ist dies ein solider Beweis für das Prinzip. »Es ist ein erster Versuch zu zeigen, dass wir diese Art von Aufgaben bewältigen können. Der nächste Schritt besteht darin, etwas Komplexeres zu tun«. Dazu könnte die Interpretation von Nachrichten aus den kultivierten Zellen als Anweisungen für den Roboter gehören — zum Beispiel, den Brief noch einmal zu lesen. Solche Fähigkeiten definieren das, was Forscher als Closed-Loop-Systeme bezeichnen, die bisher noch nicht mit menschlichen Hirnorganoiden demonstriert wurden.

Da es sich bei den Ein- und Ausgängen in kultivierten Systemen, Organoiden, um einfache elektrische Signale handelt, ist es einfach, über das Internet Fernzugriff auf die Organoide zu gewähren. Obwohl der Blindenschrift-lesende Roboter in Ward-Cherriers Labor in Bristol steht, werden die Organoide bei der Firma FinalSpark in Vevey in der Schweiz gezüchtet und untergebracht.

Fred Jordan, Mitbegründer von FinalSpark und bekennender Science-Fiction-Fan, möchte Systeme aus biologischen Neuronen entwickeln, die »ähnliche Aufgaben erfüllen können, wie sie heute mit künstlicher Intelligenz durchgeführt werden«.

Bis dahin ist es noch ein weiter Weg. Als Computer sind die organoiden Systeme derzeit »aus praktischer Sicht völlig unbrauchbar«, räumt er ein. »Es ist ein großer Unterschied, ob man von etwas träumt, darüber nachdenkt oder ob man es wirklich tut. Und ich würde gerne zu den Menschen gehören, die diesen Schritt machen«.

Ausgewählte akademische Gruppen, wie die von Ward Cherrier, erhalten kostenlosen Zugang zu FinalSpark-Organoiden, und viele Teams haben sich dafür angemeldet. Ein Team an der University of Michigan in Ann Arbor testet beispielsweise verschiedene Arten der Stimulation, um zu sehen, wie sich die Organoide verhalten, und Forscher an der Freien Universität Berlin konzentrieren sich darauf, wie maschinelle Lernwerkzeuge am besten Informationen aus neuronalen Feuermustern extrahieren können.

Kunden mit größerem Geldbeutel, darunter auch Privatunternehmen, können sich mit monatlichen Gebühren von 5.000 US-Dollar den exklusiven Online-Zugang zu einem Organoid-System sichern. Und das tun viele. »Wir haben sehr große Unternehmen, die in einzelnen Bereichen tätig sind, von denen man annehmen würde, dass sie nichts damit zu tun haben«, sagt Jordan. Anders als bei der kostenlosen Arbeit von akademischen Gruppen weiß FinalSpark nicht, wofür die zahlenden Kunden die Organoide verwenden.

Andere unabhängige Gruppen, die sich mit Organoiden auskennen, stürzen sich auf das Biocomputing. Die neuronalen Organoide im Labor von Alysson Muotri an der University of California, San Diego, enthalten jeweils etwa 2,5 Millionen Neuronen verschiedener Typen. Muotri möchte die Organoide auf ein reales Problem anwenden: die Vorhersage des Weges möglicher Ölverschmutzungen im Amazonasdschungel. Das von einer Ölgesellschaft finanzierte Projekt soll bis 2028 abgeschlossen werden. »Wir nehmen die Herausforderung an«, sagt er. »Wir werden sehen, wo wir in drei Jahren stehen.«

Trainingslager

Für viele Benutzer und Benutzerinnen von Organoiden, die versuchen, komplexere Aufgaben auszuführen, besteht ein unmittelbares Ziel darin, Wege zu finden, die Neuronen zu trainieren und dadurch zielgerichtetes Verhalten zu fördern. Derzeit haben die Reaktionen der im Labor gezüchteten Organoide von FinalSpark mehr mit den Reflexen des peripheren Nervensystems gemein — wenn beispielsweise das Bein einer Person als Reaktion auf einen Schlag unterhalb des Knies zuckt — als mit den formbaren Prozessen, die die Entscheidungsfindung im Gehirn steuern.

Um mit mehr Komplexität umgehen zu können, müssen diese neuronalen Systeme in der Lage sein, zu lernen. Eine Möglichkeit, dies zu fördern, so Jordan, besteht darin, Neurotransmitter wie Dopamin zu verabreichen, um die Reaktionen der Organoide auf bestimmte Reize abzustimmen. Dopamin macht es wahrscheinlicher, dass Neuronen feuern und stärkt die Synapsen, die sie verbinden — zwei Veränderungen, die es wahrscheinlicher machen, dass die gleiche neuronale Reaktion auf einen Reiz in Zukunft wiederholt wird.

Ein weiteres Verfahren ist die so genannte Mustertrainingsstimulation, die 2022 von Forschern des im australischen Melbourne ansässigen Unternehmens Cortical Labs angewandt wurde, um im Labor gezüchtete Gehirnzellen dazu zu bringen, das Computerspiel Pong aus den 1970er Jahren zu spielen.

Anstatt mit Organoiden zu arbeiten, zogen sie es vor, Zellnetze in Petrischalen anzulegen. Dann schlossen die Forscher sie an einen Computer an, der so programmiert war, dass die Reaktion der Neuronen auf Stimulationen ein virtuelles Paddel bewegte, während ein virtueller Ball herumsprang. Um das Paddel in Richtung des Balls zu lenken, fütterten die Forscher die Neuronen mit einem organisierten Schub elektrischer Aktivität, wenn die Zellen (zunächst zufällig) richtig lagen. Wenn die Neuronen das Paddel in die falsche Richtung bewegten, wurden sie mit chaotischem weißem Rauschen beschallt. Mit der Zeit lernten die Neuronen, den Ball so zu schlagen, dass sie die gemusterte Antwort erhielten und nicht die zufällige.

Die Strategie beruht auf der Beobachtung, dass Gehirnzellen dazu neigen, Aktivitäten zu wiederholen, die zu einem vorhersehbaren Ergebnis führen, so dass sie Verhaltensweisen lernen, die vertraute Stimulationen auslösen.

Cortical Labs hat nun ein modulares System entwickelt, das eine zunehmende Anzahl von einzelnen Wells mit jeweils höchstens 1.000 Neuronen zu einer, wie das Unternehmen es nennt, biotechnologisch erzeugten Intelligenz verbinden kann. Jede Zellkultur kann etwa sechs Monate benutzt werden, bevor sie ausgetauscht werden muss.

»Man kann die Geometrie, die Topologie, die Position der Zellen, die Form der Zellen und ihre Verbindungen kontrollieren«, sagt Brett Kagan, Chief Scientific Officer bei Cortical Labs. »Und das wird zu völlig anderen Arten von Informationsprozessen führen.« Der Ansatz ermögliche besser reproduzierbare Experimente und verringere so die Variabilität der Ergebnisse, die bei Organoiden häufig zu beobachten sei.

»Man erhält viel mehr Transparenz, und das wird unserer Meinung nach zu einem viel besseren Verständnis führen«, fügt er hinzu.

Das Unternehmen hat eine Reihe von Experimenten mit seiner Anlage durchgeführt. In einem wurde die Auswirkung von Medikamenten gegen Epilepsie auf das Feuern der Neuronen getestet; ein anderes zeigte, dass die Neuronen effizienter lernen als bestehende KI-Systeme. Das Cortical-Team arbeitet nun daran, zu zeigen, dass sein System handgeschriebene Ziffern und Symbole erkennen kann.

Wie FinalSpark bietet auch Cortical Labs einen Online-Zugang zu seinen neuronalen Kulturen an, ist aber noch einen Schritt weiter gegangen und verkauft auch den ersten biologischen Computer der Welt, den CL1. Das 35.000 US-Dollar teure Gerät kombiniert die angeschlossenen Wells mit den gezüchteten Neuronen mit einer programmierbaren Schnittstelle, die es dem Benutzer ermöglicht, Befehle zu erteilen und die elektrischen Antworten zu analysieren. Laut Kagan wurden bereits eine Handvoll Geräte an Labors in der ganzen Welt verkauft und ausgeliefert, und weitere Bestellungen sind in Vorbereitung.

Die Benutzer interessieren sich für die Untersuchung grundlegender neurowissenschaftlicher Prinzipien wie Plastizität und Netzwerkdynamik, für die Verbindung von Wetware mit KI und für Echtzeit-Kontrollsysteme, einschließlich Robotik. Einige versuchen sogar, die Gehirnzellen zur Entwicklung von Unterhaltungsanwendungen zu nutzen, darunter Spiele und ein, wie Kagan es nennt, »experimentelles Musikprodukt«.

»Der CL1 ist im Grunde genommen dazu gedacht, die Zugangsbarriere zu beseitigen«, sagt er, ähnlich wie die Apple-Geräte »personalisiertes Computing für die breite Masse« ermöglicht haben.

Kontroverse und Vorsicht

Kagan ist kein Unbekannter, wenn es um kühne Behauptungen geht. Sein Pong-Papier aus dem Jahr 2022 alarmierte viele in der Gemeinschaft der Hirnorganoide, weil der Titel das Wort »Empfindungsvermögen« zur Beschreibung des einfachen In-vitro-Systems enthielt. Dreißig Forscher veröffentlichten eine Antwort , in der sie argumentierten, dass eine solche Formulierung »unangemessen und durch die vorgelegten Daten nicht gerechtfertigt« sei und die breitere Gemeinschaft einem »unnötigen Risiko« von Beschränkungen für diese Art von Arbeit aussetzen könnte.

Kagan verwendete den Begriff »Empfindungsvermögen«, weil er laut seinem Papier einfach als »auf Sinneseindrücke reagierend« definiert werden kann. Doch die negative Reaktion hat ihn zum Umdenken veranlasst. »Ich würde das Wort empfindungsfähig in Zukunft nicht mehr verwenden«, erklärte er letzten Monat gegenüber Nature. »Mit dem Wissen, das wir jetzt haben, wären wir wahrscheinlich ein wenig vorsichtiger gewesen.«

Lancaster meint, dass die Verwendung von Begriffen wie Empfindungsfähigkeit zur Beschreibung von Zellkulturen — und die damit verbundenen Diskussionen darüber, ob solche Kulturen ein Bewusstsein haben könnten — ungerechtfertigte und unerwünschte Forderungen nach einer Regulierung von Seiten derjenigen hervorrufen könnte, die solche Arbeiten aus ethischen Gründen ablehnen. Neuronale Organoide werden viel häufiger für die neurowissenschaftliche Grundlagenforschung als für Biocomputing-Anwendungen verwendet, und Lancaster ist besorgt, dass eine strengere Regulierung solche Forschungen ihrer Gruppe und anderer blockieren könnte.

»Ein Knäuel von Neuronen ist kein Gehirn. Es kann nicht denken. Das kann es nicht«, sagt sie. »Aber wenn das so vermittelt wird, dann werden die Leute das auch so auffassen«.

Sie bezweifelt auch, dass die Biocomputing-Experimente das zeigen, was sie zu tun behaupten. »Es gibt ein gewisses Potenzial, aber ich bin nicht davon überzeugt, dass alles, was bisher gezeigt wurde, wirklich rechnerisch ist«, sagt sie. In einer Studie von 2024 wurde gezeigt, dass ein nicht-biologisches Hydrogel, das keine Neuronen enthält, ebenfalls »lernen« kann, Pong zu spielen. In solchen Systemen, die eine einfache Rückkopplung aufweisen, könnte das, was wie Lernen aussieht, Rauschen sein, sagt sie.

Muotri ist optimistischer. »Organoide verfügen über die Grundlagen der menschlichen Kognition«, sagt er. »Diese Idee könnte sogar mit Quantencomputern konkurrieren. Es könnte die nächste Stufe der Datenverarbeitung sein, die nicht zu viel Energie benötigt«.