Stellen Sie sich einen Server vor, der Zucker trinkt. Kein Bild, sondern wirklich Zucker. In einem ruhigen Flügel der National University of Singapore haben Ingenieure und Biotechnologen das Drehbuch konventioneller Rechenzentren umgeschrieben und Reihen heißer Siliziumplatten gegen Petrischalen und lebendes neuronales Gewebe ausgetauscht.

Das Projekt ist eine Zusammenarbeit zwischen dem DayOne-Betreiber Singapurs und dem australischen Biotech-Startup Cortical Labs und wurde am 17. Juli 2026 eröffnet. Im Inneren befinden sich 20 biologische Recheneinheiten namens CL1: hybride Geräte, die aus umprogrammierten Blutzellen gezüchtete Neuronen mit elektrodenbestückten Siliziumchips verbinden. Das Ergebnis liest sich wie Science-Fiction und funktioniert wie ein Nischenprozessor.

Techniker pflegen die Kulturen alle drei Tage. Sie füttern die Zellen mit einer Mischung aus Zucker, mikrobiellen Nährstoffen und pH-Puffern und verwenden dann eine kleine Rührvorrichtung sowie eine kontrollierte Zufuhr von Sauerstoff, Stickstoff und Kohlendioxid, um das Netzwerk am Leben zu halten. Dies sind keine passiven Proben im Regal. Jede CL1 enthält mindestens 200.000 im Labor gezüchtete Neuronen, die elektrisch mit dem darunter liegenden Chip kommunizieren. Diese neuronalen Muster werden von Software interpretiert und in nutzbare Verarbeitungssignale umgewandelt.

Warum also ein gehirnbasiertes Rechenzentrum bauen? Chang Han Wong, Gründer von Cortical Labs, ist deutlich: Biologische Systeme zeigen ihre Stärken, wenn Daten knapp und Umgebungen unvorhersehbar sind. Er behauptet, diese lebenden Prozessoren seien besonders gut darin, aus begrenzten, unordentlichen Eingaben zu lernen, ein Fall, bei dem siliziumbasierte Server Probleme haben. „Biologische Rechenzentren sind besser geeignet für Anwendungen, bei denen Datensätze klein und die Bedingungen hochgradig unvorhersehbar sind“, sagte er. „Man kann humanoide Roboter nicht für jede reale Variationsform allein mit herkömmlichen Servern trainieren.“

Es gibt auch praktische Anwendungen. Wong verweist auf die Anomalieerkennung in der Cybersicherheit als vielversprechende Anwendung; neuronale Kulturen können subtile Unregelmäßigkeiten erkennen, ohne Berge von gelabelten Beispielen zu benötigen. Aber er ist ebenso klar in Bezug auf die Grenzen: Konventionelles Silizium bleibt unübertroffen bei schneller, präziser und reproduzierbarer Arithmetik, die große Sprachmodelle und andere rechenintensive KI-Aufgaben antreibt.

Jede CL1 verbraucht inklusive Lebenserhaltungssystemen etwa 30 Watt, weniger Strom als ein einfacher Taschenrechner. Im Vergleich dazu: moderne KI-Beschleuniger: eine einzelne NVIDIA H100 SXM kann bis zu 700 Watt aufnehmen, und ein typischer Server mit acht dieser GPUs zieht etwa 10.200 Watt. Die Energierechnung ist drastisch und stellt den zentralen Vorteil des biologischen Ansatzes dar.

Die Kosten spiegeln diesen Kompromiss wider. Der Zugang zu einer CL1 kostet kommerzielle und akademische Kunden etwa 2.200 USD pro Monat, ungefähr die Hälfte des Preises für die Miete eines Spitzen-KI-Chips bei großen Cloud-Anbietern. Das macht biologische Rechenleistung zu einer attraktiven, wenn auch spezialisierten Option für Teams, die energieeffiziente Inferenz oder experimentelle Forschung zu verkörperter Intelligenz verfolgen.

Es gibt harte Fragen jenseits der Ökonomie: Bioethik, langfristige Zuverlässigkeit, regulatorische Aufsicht und wie man ein lebendes System skaliert, ohne die Verhaltensweisen zu verlieren, die es nützlich machen. Die Anlage in Singapur ist bewusst klein gehalten, eher ein Testfeld als ein Ersatz für GPU-Farmen. Dennoch erinnert der Anblick eines Neuronenclusters, das Probleme löst, während es eine Lösung aus Zucker und Nährstoffen aufnimmt, daran, dass Computing nicht so aussehen muss wie bisher.

Was passiert also als Nächstes, mehr hybride Zentren oder eine stille Nische, die uns neue Denkweisen über Intelligenz lehrt? So oder so ist das Bild eindrucksvoll: Rechnen, das lebt, atmet und in einer Weise lernt, wie es unsere heutigen Maschinen niemals könnten.