Neuromorphe KI: Ein Pionier rechnet mit dem LLM-Boom ab
Neuromorphe KI ist ein Gegenentwurf zu heutigen Sprachmodellen. Sie nimmt das Gehirn als Vorbild und setzt auf Selbstorganisation statt reine Rechenleistung. Im YouTube-Interview erklärt Prof. Dr. Christoph von der Malsburg seine These. Große Sprachmodelle hält der Hirnforscher für eine Sackgasse. Ein menschliches Gehirn arbeitet dabei mit rund 20 Watt.
von der Malsburg gilt als Mitbegründer der Computational Neuroscience. Seit den 1970er-Jahren erforscht er, wie aus Nervenzellen Wahrnehmung entsteht. Die folgende Analyse ordnet seine Kritik am aktuellen KI-Kurs ein.
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Der Waschanlagen-Test: Wo Sprachmodelle scheitern
Ein Beispiel zeigt das Problem sofort. Die Frage lautet: Soll ich zur 40 Meter entfernten Waschanlage laufen oder fahren? Viele Modelle antworten mit laufen. Damit verfehlen sie den Kern. Eine Autowaschanlage setzt ein Auto voraus. Wer dorthin will, fährt.
von der Malsburg nennt zwei Schwächen. Erstens fehlt den Systemen der Kontakt zur unmittelbaren Umwelt. Sie kennen nur den eingetippten Text. Zweitens folgen sie nur gelernten Mustern aus der Vergangenheit. Eigene Ziele oder innere Antriebe steuern sie nicht.
Diese Lücke hat Folgen. von der Malsburg verweist auf Anthropic. Das Unternehmen habe einen Vertrag mit der US-Regierung platzen lassen. Die KI sollte nicht über autonome Kriegsgeräte entscheiden. Auf ihre Urteile sei kein Verlass.
Das Bindungsproblem: Was im Kopf zusammenfindet
1981 formulierte von der Malsburg das Bindungsproblem. Es fragt, wie das Gehirn verteilte Signale zu einem Objekt zusammenfügt. Farbe, Form, Bewegung und Bedeutung gehören zusammen. Doch kein innerer Beobachter setzt sie im Kopf zusammen.
Genau hier hakt es bei Sprachmodellen. Das Wort Waschanlage erzeugt im Gehirn sofort ein stimmiges Bild. Auto, Wasser und Fahrt klicken zusammen. Ein Modell ohne dieses Prinzip bindet die Teile falsch.
Selbstorganisation statt Skalierung
Schon 1973 beschrieb von der Malsburg die Selbstorganisation im visuellen Cortex. Zellen ordnen sich durch lokale Wechselwirkung selbst. Kein externer Programmierer legt die Struktur fest. Diese Arbeit zählt zu den Grundlagen heutiger neuronaler Netze.
Sein Zebra-Beispiel macht den Unterschied greifbar. Ein Kind sieht ein hölzernes Zebra ein einziges Mal. Danach erkennt es jedes echte Zebra. Ein Sprachmodell braucht dafür hunderttausende Bilder. von der Malsburg nennt diese Methode verschwenderisch.
Auch die Evolution liefert kein klassisches Pretraining. Das menschliche Genom passt in rund 5 Megabyte. Es speichert keine fertigen Gewichte für Millionen Synapsen. Es speichert Strategie, nicht das Aussehen von Zebras.
Neuromorphe KI: 20 Watt statt Rechenzentren
Hier setzt die neuromorphe KI an. Ein Kindergehirn arbeitet mit rund 20 Watt. Aktuelle Trainingsläufe verbrauchen das Zehntausend- bis Hunderttausendfache. Neuromorphe Chips rechnen analog statt digital. Sie brauchen weniger Energie und arbeiten langsamer.
Diese Technik wartet seit etwa 20 Jahren auf das passende Konzept. Mit einem Gesamtmodell könnte sie einen Roboter mit 20 Watt steuern. Genau dort liegt der Reiz für humanoide Systeme auf Batterie.
von der Malsburg betont die Rolle des Körpers. Intelligenz entsteht aus der Beziehung zwischen Sehen, Greifen und Bewegung. Ein Roboter braucht ein inneres Abbild der echten Welt. Dieselbe Stoßrichtung verfolgen Forscher an Weltmodellen für die KI.
Wie der Umbruch den Arbeitsmarkt trifft
Beobachter achten vor allem auf den Arbeitsmarkt. Heutige agentische Systeme verschicken E-Mails und tätigen Einkäufe. Auf ihre Entscheidungen ist noch kein voller Verlass. von der Malsburg nennt das ein Spiel mit dem Feuer.
Beim Programmieren zeigt sich der Trend zuerst. Erfahrene Entwickler müssen den Gesamtprozess steuern. Sonst entsteht Spaghetti-Code mit hohem Aufräumaufwand. Branchenkenner beobachten denselben Effekt.
Die Zahlen untermauern den Druck. Laut McKinsey lassen sich bis 2030 rund 57 Prozent der Arbeitsstunden automatisieren. Das trifft auch gut bezahlte Wissensarbeit. von der Malsburg sieht darin ein tiefgreifendes Problem ohne Lösung.
Fazit: Wann die neuromorphe KI kommt
Die neuromorphe KI bleibt vorerst ein Nischenthema. von der Malsburg rechnet dennoch mit einem Umschlag. In acht bis zehn Jahren könnten selbstorganisierende Systeme das heutige Paradigma ablösen. Für den Standort Europa sieht der Forscher eine Chance.
Der Ansatz braucht weniger Daten und weniger Kapital. Ethische Prinzipien ließen sich von Beginn an verankern. Noch dominiert das Skalieren den Markt. Doch die Zweifel an reiner Rechenleistung wachsen.
Häufige Fragen
Was ist neuromorphe KI?
Neuromorphe KI bezeichnet KI-Systeme, die das Gehirn als Vorbild nehmen. Sie rechnen oft analog statt digital und verbrauchen weniger Energie. Statt Millionen Trainingsbeispiele zu verarbeiten, setzen sie auf Selbstorganisation. Prof. Dr. Christoph von der Malsburg sieht darin den Weg zur nächsten KI-Generation. Beobachter werten den Ansatz als sparsamere Alternative zum heutigen Skalieren.
Was ist das Bindungsproblem in der KI?
Das Bindungsproblem beschreibt, wie ein System verteilte Merkmale zu einem Objekt zusammenfügt. Farbe, Form und Bewegung müssen zur selben Sache gehören. Prof. von der Malsburg formulierte das Problem bereits 1981. Große Sprachmodelle lösen es nur teilweise. Deshalb verknüpfen sie Begriffe wie Waschanlage und Fortbewegung manchmal falsch. Das menschliche Gehirn bindet diese Teile dagegen mühelos zusammen.
Warum scheitern große Sprachmodelle an einfachen Fragen?
Große Sprachmodelle kennen nur den eingetippten Text und keine echte Umwelt. Sie folgen Mustern aus ihren Trainingsdaten. Eigene Ziele oder innere Antriebe fehlen ihnen. Bei der Frage nach Laufen oder Fahren zur Waschanlage greift dieses Muster daneben. Das Modell hat die Situation nicht verstanden, sondern nur statistisch abgebildet. Genau diese Lücke macht ihre Antworten unzuverlässig.
Wie viel Energie verbraucht das Gehirn im Vergleich zu KI?
Ein menschliches Gehirn arbeitet mit rund 20 Watt. Damit löst es Aufgaben, an denen aktuelle KI-Systeme mit riesigen Rechenzentren arbeiten. Heutige Trainingsläufe verbrauchen das Zehntausend- bis Hunderttausendfache. Neuromorphe KI will diese Lücke schließen. Sie rechnet analog und langsamer, dafür sparsamer. Ein humanoider Roboter könnte so theoretisch mit 20 Watt laufen.
Wer ist Christoph von der Malsburg?
Prof. Dr. Christoph von der Malsburg ist Physiker und Neurowissenschaftler. Er gilt als Mitbegründer der Computational Neuroscience. 1981 formulierte er das Bindungsproblem. Heute forscht er als Senior Fellow am Frankfurt Institute for Advanced Studies. 1997 gründete er die Gesichtserkennungs-Firma Eyematic Interfaces mit. Ihre Technologie übernahm 2006 Google.
