Digitale Zwillinge großer Hirnnetzwerke

Das Bernstein Center Freiburg und die Fakultät für Biologie laden im Wintersemester 2026/27 wieder zu spannenden Fragen, kreativen Ansätzen und praxisbezogenen Methoden rund um das Thema Neurowissenschaften ein. Herausragende Neurowissenschaftlerinnen und -wissenschaftler aus ganz Deutschland werden jeweils aus Sicht ihrer Disziplin anschaulich und verständlich über ihre Forschung berichten. Angesprochen wird ein Publikum mit Interesse an den aktuellen Themen der Hirnforschung. Nach einem etwa 40-minütigen Vortrag gibt es Gelegenheit zur Diskussion. Der Eintritt ist frei.
Das Großhirn von Säugetieren beruht auf einem einheitlichen Baustein: Lokalen Netzwerken von Nervenzellen, sogenannten Mikro-Schaltkreisen. Menschen haben mehr vom Gleichen. Von der Maus zum Menschen vergrößert sich das Volumen des Großhirns etwa tausendfach. Ähnliche Gewebe finden sich zudem in den verschiedenen Hirnarealen derselben Art, unabhängig davon, ob sie visuelle oder auditorische Information verarbeiten, oder mit der Planung von Bewegungen beschäftigt sind. Auf dieser zweifachen Einheitlichkeit beruht die Hoffnung, dass wir grundlegende Prinzipien der Informationsverarbeitung des Gehirns entdecken können.

Neurowissenschaftler wollen verstehen, wie das Gehirn funktioniert. Heute hat diese Frage an gesellschaftlicher Relevanz gewonnen. Die für die Künstliche Intelligenz (KI, Englisch: Artificial Intelligence, AI) benötigte Energie begrenzt den Fortschritt und die Souveränität von Gesellschaften und Staaten. Das Gehirn dagegen kommt mit Größenordnungen weniger Energie aus als die KI. Ein Unterschied liegt in der Art, wie Nervenzellen miteinander kommunizieren. Nur etwa einmal pro Sekunde sendet eine Nervenzelle ein Signal und auch nur an einen verschwindend kleinen Teil aller Nervenzellen im Gehirn. In großen Netzwerken führt diese Spärlichkeit in Raum und Zeit zu einem anderen Profil der durchzuführenden Rechnungen als bei den dichten künstlichen neuronalen Netzwerken, welche die KI in den letzten Jahren dominieren. Realistische Simulationen solcher Netzwerke waren lange Zeit aufwendig und nur eingeschränkt möglich.

In den letzten zehn Jahren hat die Community jedoch große Fortschritte beim Aufbau anatomisch detailgetreuer Modelle des Gehirngewebes gemacht. Fortschritte in Hardware und ein neuer Block auf wissenschaftliche Software [1] erlauben inzwischen, Netzwerke mit natürlicher Dichte von Nervenzellen und Synapsen zu berechnen. Am Beispiel eines etablierten Modells eines Mikro-Schaltkreises [2] zeigt der Vortrag, welche Einsichten diese Simulationen liefern, wie neue Messdaten aus der Elektronenmikroskopie eine alte Hypothese bestätigen, und wo Grenzen bestehen. Das Modell dient heute als Referenz für sogenannte neuromorphe Rechner, Systeme deren Architektur sich am Gehirn orientieren. Zwischen diesen Systemen entstand ein konstruktiver Wettlauf [3]: Innerhalb weniger Jahre sanken Simulationszeiten und Energieverbrauch um den Faktor hundert. Auf klassischen Prozessoren und Grafikkarten folgen die Laufzeiten im Wesentlichen der Verkleinerung der Chipstrukturen. Größere Effizienzsprünge entstehen erst durch neue Architekturen.

Auf der Seite des Lernens wurde das Modell der Eligibility Propagation kürzlich auf die Arbeitsweise und strikte Lokalität neuromorpher Hardware übertragen und erreicht eine Leistungsfähigkeit, die mit etablierten Verfahren künstlicher neuronaler Netzwerke vergleichbar ist [4]. Die biologisch motivierten Randbedingungen führen zu einer Technik, die für Netzwerke von Millionen von Nervenzellen geeignet ist.

Der Vortrag bespricht, wie digitale Zwillinge von Hirnnetzwerken als Forschungsplattform dienen können, um effiziente, skalierbare KI-Systeme zu entwickeln.

[1] Hocquet et al. (2024) Nat Comput Sci 4:465 (2024)
[2] Plesser et al. (2025) Cereb Cortex 35(11):bhaf295
[3] Senk et al. (2026) Neuromorph Comput Eng 6:012001
[4] Korcsak-Gorzo et al. (2025) arXiv:2511.21674

Prof. Markus Diesmann, Forschungszentrum Jülich

https://www.bcf.uni-freiburg.de/ringvorlesung/2026-2027/20261109_diesmann