Dennis L.
Ein Zellverband aus menschlichen Nervenzellen, ein Chip und ein digitaler Spielraum genügen bereits, um eine ungewöhnliche Form von Lernen sichtbar zu machen. Hinter dem Aufsehen um die neue Demo steckt ein neurotechnischer Versuchsaufbau, in dem elektrische Reize und Antworten im Millisekundenbereich zirkulieren. Entscheidend ist nicht das Spiel selbst, sondern was der geschlossene Regelkreis über Anpassung, Signalverarbeitung und biologische Rechenleistung verrät. Genau dort beginnt die wissenschaftlich spannende Frage.
Die Idee, lebende Nervenzellen nicht nur zu beobachten, sondern als Rechensystem in eine digitale Umgebung einzubinden, bewegt sich an der Grenze zwischen Neurobiologie, Informatik und Elektrotechnik. Solche Systeme werden oft als Biocomputer beschrieben. Gemeint ist kein vollständiges Gehirn, sondern eine vereinfachte Neuronenkultur, die auf einem Mikroelektrodenarray wächst und dort kontinuierlich elektrische Reize empfängt und aussendet. Anders als klassische Halbleiterlogik verarbeitet ein solcher Zellverband Signale nicht über fest verdrahtete Schaltpfade, sondern über veränderliche Aktivitätsmuster, Synapsenstärke und spontane Selbstorganisation. Gerade diese Plastizität macht den Ansatz für Forscher interessant, die besser verstehen wollen, wie Lernen auf zellulärer Ebene entsteht. Zugleich berührt das Feld Fragen, die auch bei Gehirn-Computer-Schnittstellen relevant sind, etwa wie neuronale Signale codiert, gelesen und in technische Befehle übersetzt werden, ohne ihre biologische Dynamik durch zu grobe Vereinfachung zu verlieren.
Im Zentrum steht dabei meist ein geschlossener Regelkreis zwischen Zellen und Software. Die Elektroden stimulieren die Kultur mit Mustern im Millisekundenbereich, registrieren Antworten und speisen diese in eine simulierte Umgebung zurück. Aus Sicht der Neurophysiologie ist entscheidend, dass relevante Information nicht bloß in einzelne Impulse zerfällt, sondern in zeitliche Muster, räumliche Aktivitätsverteilungen und Rückkopplung. Viele dieser Systeme basieren auf aus Stammzellen gewonnenen menschlichen Nervenzellen, weil sich ihre Entwicklung kontrollierter standardisieren lässt als bei Primärgewebe. In der Fachliteratur taucht dafür der Ausdruck synthetische biologische Intelligenz auf. Er beschreibt nicht Bewusstsein im starken Sinn, sondern den Versuch, adaptive Informationsverarbeitung in vitro mit Hardware und Software zu koppeln. Gerade deshalb sorgt jede neue Demonstration schnell für Aufmerksamkeit, selbst wenn der wissenschaftliche Wert weniger im Spektakel als in der Qualität des Versuchsaufbaus, der Vergleichsbedingungen und der Reproduzierbarkeit liegt.
Der methodische Ausgangspunkt ist keine populäre Schlagzeile, sondern ein sauber definierter Versuchsaufbau. In einer peer reviewten Neuron-Studie von 2022 beschrieb das Team ein System, in dem eine Neuronenkultur auf einem hochdichten Mikroelektrodenarray mit einer vereinfachten Pong-Umgebung gekoppelt wurde. Die Zellen erhielten räumlich geordnete Reizmuster, ihre Aktionspotenziale wurden ausgelesen und unmittelbar in Spielbefehle übersetzt. Genau dieser geschlossene Regelkreis war entscheidend, weil die Kultur nicht bloß Signale produzierte, sondern die Folgen ihrer Aktivität auf die simulierte Umgebung zurückgespiegelt bekam. Nach den publizierten Daten traten Hinweise auf Lernen bereits innerhalb von fünf Minuten Echtzeit auf, während Kontrollbedingungen ohne strukturierte Rückmeldung deutlich schwächer abschnitten. Wissenschaftlich wichtig war dabei weniger die Spielmechanik als die Beobachtung, dass biologische Netzwerke ihr Aktivitätsmuster unter Feedback zielgerichtet umorganisieren können.
Die aktuelle Aufmerksamkeit entstand nun, weil dieselbe Grundidee auf eine deutlich komplexere Umgebung übertragen wurde. Auf der CL1-Plattform von Cortical Labs wachsen reale Neuronen in einer Nährlösung über einem Siliziumchip, während die firmeneigene biOS Software sensorische Information in elektrische Muster übersetzt und Antworten der Hirnzellen wieder in digitale Aktionen zurückführt. Nach Unternehmensangaben ist das System als kompakter Biocomputer ausgelegt, arbeitet in Echtzeit, enthält die nötige Lebenserhaltung direkt im Gerät und kann Kulturen bis zu sechs Monate stabil halten. In der neuen Demonstration interagiert der Zellverband nicht mehr mit einem minimalistischen 2D Spiel, sondern mit dem Ego-Shooter Doom, also mit einer räumlich deutlich reicheren und dynamischeren Umgebung. Das erinnert an andere Ansätze mit lebenden Computern aus menschlichen Gehirnzellen, geht hier aber einen Schritt weiter, weil Eingabe, Auslese und Training als integriertes System gedacht sind.
Gerade an dieser Stelle ist begriffliche Nüchternheit wichtig. Weder aus dem Pong-Experiment noch aus der Doom-Demo folgt, dass die Kultur denkt wie ein Mensch oder gar Bewusstsein entwickelt. Die Zellen bilden kein vollständiges Gehirn, sondern ein reduziertes Modell mit begrenzten Ein und Ausgängen, hoher Variabilität und starker Abhängigkeit vom Versuchsdesign. Dennoch ist der Forschungswert real. Eine 2025 publizierte Anschlussarbeit aus demselben Umfeld zeigte bereits, dass sich die Leistung solcher Systeme durch pharmakologische Eingriffe verändern lässt, was den Ansatz für Krankheitsmodelle und Wirkstofftests interessant macht. Auch Versuche mit Robotern mit lebendem Gehirn verdeutlichen, dass das Feld längst nicht mehr nur um eine provokante Überschrift kreist. Entscheidend bleibt, ob die Ergebnisse reproduzierbar sind, welche Kontrollgruppen bestehen und wie klar sich Lernen von bloßer Aktivität oder Drift im Netzwerk trennen lässt.
Langfristig zielt diese Forschung nicht auf biologische Spielkonsolen, sondern auf präzisere Modelle neuronaler Informationsverarbeitung. Wenn Hirnzellen auf Chips unter definierten Reizen lernen, könnten Forscher künftig testen, wie Krankheiten Signalwege verändern, wie Medikamente Rückkopplung beeinflussen oder welche Reizmuster stabile Anpassung fördern. Genau deshalb betonen aktuelle Übersichtsarbeiten die Verbindung von Wetware, Hardware und Software als Kern des Feldes. Im Idealfall entsteht daraus ein System, das für bestimmte Fragen näher an echter Neurophysiologie arbeitet als rein siliziumbasierte Modelle und zugleich weniger Tiere benötigt. Gleichzeitig bleiben große Hürden: Standardisierung der Kulturen, Langzeitstabilität, ethische Grenzen, Datenvergleichbarkeit und die Frage, wie sich Ergebnisse aus einer in vitro Umgebung überhaupt auf ein intaktes Nervensystem übertragen lassen. Die eigentliche Pointe an der Doom-Demo liegt daher nicht im Spektakel, sondern darin, dass Biocomputer als Werkzeug der Forschung ein Stück konkreter geworden sind.
Neuron, In vitro neurons learn and exhibit sentience when embodied in a simulated game-world; doi:10.1016/j.neuron.2022.09.001
Communications Biology, Drug treatment alters performance in a neural microphysiological system of information processing; doi:10.1038/s42003-025-08194-6
