knowledge-base/wiki/concepts/hardware/neuromorphic-chips-und-quantencomputer.md

---
created: 2026-06-16
updated: 2026-06-16
sources:
  - raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md
related_raw:
  - raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md
tags: [concept, hardware, ki-frontier, neuromorphic-computing, quantencomputing, mainzer, post-silicon]
---

# Hardware-Frontier: Neuromorphe Chips & Quantencomputer

Quelle: Prof. Dr. Klaus Mainzer im Gespräch mit Everlast AI (Leon Martin Schmedding), 1:48:40, 2026-06-03.
Vollständige Mitschrift + Timestamps siehe `[[raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer]]`.

## Kernthese

Die nächste Generation der KI entsteht **nur aus der Verbindung** dreier Felder:

1. **Klassische KI** (Statistik, LLMs, Transformer)
2. **Neuromorphic Computing** (chips, die Gehirn-Architektur nachbauen)
3. **Quantencomputing** (Superposition + Verschränkung für spezielle Problemklassen)

Aktuelle LLMs sind statistisch mächtig, aber physikalisch und energetisch limitiert: das Gehirn arbeitet mit ~20 W, ein modernes LLM-Inferenz-Cluster mit Megawatt. Wer nur an der Software-Schraube dreht, löst das Bottleneck nicht.

## Drei Felder — was sie können (und was nicht)

### Neuromorphic Computing
- Chips, deren Schaltkreise die **Struktur biologischer Neuronen** nachbilden (Spikes, lokale Plastizität, ereignis-basierte Verarbeitung).
- Vorteil: Enormer Energievorteil bei Aufgaben, die dem Gehirn ähneln (Pattern Recognition, sensorische Verarbeitung, Echtzeit-Reaktion).
- Nachteil: Kein Allzweck-Beschleuniger. Für symbolisches Reasoning oder Multiplikations-schwere Workloads weniger geeignet.

### Photonisches Rechnen („Rechnen mit Licht")
- Berechnung mit Photonen statt Elektronen → massiv höhere Bandbreite, geringere Wärmeentwicklung.
- Einsatz v.a. in der Telekommunikations- und Signalverarbeitungs-Infrastruktur.

### Quantencomputing
- **Was Quanten können:** Shors Algorithmus (Faktorisierung in Polynomialzeit → knackt RSA), bestimmte Optimierungs- und Simulation-Probleme.
- **Was Quanten (noch) nicht können:** Generelle KI-Beschleunigung — das ist Marketing-Mythos. Quantencomputer sind Spezialwerkzeuge, keine Allzwecksklaven.
- **Zentrales Problem — Dekohärenz:** Quantenzustände kollabieren bei jeder Messung/Wechselwirkung mit der Umgebung. Das „Auslese-Problem" ist der Hauptgrund, warum Quantencomputer 2026 nur Nischen-Anwendungen produktiv lösen.
- **Quantenhirn & Quanteninternet:** Mainzer spekuliert, dass zukünftige Quanten-Kommunikation ein „Quantum Internet" ermöglicht — und dass Gehirn-Prozesse auf Quanten-Ebene eine Rolle spielen könnten. Das ist Forschungs-Hypothese, keine etablierte Theorie.

## Energie-Bottleneck (Mainzers Lieblings-Argument)

> „Das Gehirn bedarf mal schlappe 20 Watt."

| System | Energieverbrauch | Vergleich |
|---|---|---|
| Menschliches Gehirn (Dauerbetrieb) | ~20 W | 1× |
| LLM-Training (Frontier-Modell) | ~10 GWh | ~50.000.000× |
| LLM-Inferenz-Cluster (Dauerbetrieb) | ~10–100 MW | 500.000× – 5.000.000× |

Mainzer argumentiert: Wenn KI in Alltagsgeräten (Autos, Telefone, Sensoren) **embedded** laufen soll, brauchen wir neuromorphe oder photonische Lösungen — kein Moore'sches Skalieren mehr.

## Geopolitische Positionierung (Mainzers Meinungen, nicht Wissenschaft)

- **China:** Klare Langfrist-Strategie für KI bis 2050; „geführt wie ein Konzern" — Mainzer kritisiert das implizit als zu zentralistisch, aber bewundert die Planungsfähigkeit.
- **Pro Atomkraft:** Mainzer sieht Kernenergie als notwendig, um den KI-Energiehunger zu decken.
- **Verschlüsselung:** Shors Algorithmus → RSA in Gefahr, sobald ausreichend große Quantenrechner verfügbar sind („Post-Quantum-Kryptografie" ist nicht mehr akademisch, sondern akut).
- **Thiel-Kritik:** Mainzer kritisiert Monopol-Konzentration im Tech-Sektor (implizit: Big Tech als Innovations-Hemmer).
- **DeepSeek aus Europa:** Mainzer bringt es als positives Beispiel für europäische KI-Souveränität.

## Geistesgeschichtlicher Rahmen

Mainzer spannt einen Bogen von **Laplaces Dämon** (Grenzen der Berechenbarkeit) über **Turing** (Berechenbarkeit formalisiert) und **Expertensysteme** (am Limit) bis zu **ChatGPT** („alles nur Statistik"). Die Position: Aktuelle LLMs sind ein mächtiges Werkzeug, aber kein Endpunkt — die nächsten 20 Jahre gehören der Hardware.

## Substanz vs. Hype

- **Substanzvoll:** Mainzer kommt aus ernsthafter Wissenschaftstheorie (Komplexitätsforschung, TU München, Akademie-Präsident 2000+ Mitglieder, 30+ Nobelpreisträger). Die technischen Erklärungen zu Dekohärenz, Shors Algorithmus, neuromorphen Schaltkreisen sind fundiert.
- **Mit Vorsicht:** Mainzers geopolitische Positionen (Pro-Atomkraft, China-Bewunderung, Thiel-Kritik) sind **Meinung**, keine Wissenschaft. Nicht alles unhinterfragt übernehmen.
- **Im Everlast-Format:** Der Channel ist Tech-Influencer mit Werbe-Integration (KI-Schulungen, WhatsApp-Channel) — Botschaften können kommerziell motiviert sein.

## Cross-References

- `[[wiki/concepts/llm/post-transformer-llm-architectures]]` — die algorithmische Seite (Transformer → Mamba/Griffin/JEPA/World-Models); Mainzer liefert die **Hardware-Gegenseite** dazu.
- `[[raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer]]` — vollständiger Transkript mit allen Timestamps.
- OME Topic 502 (Theorie-Bildung): Pit teilte das Video am 2026-06-16 11:37 UTC; Rüdiger hatte am 2026-06-05 einen Welt-Artikel im selben Topic verlinkt (Hardware- vs. Algorithmus-Perspektive auf „was kommt nach dem Transformer").

## Offene Fragen

- Wann wird neuromorphes Computing produktiv-relevante KI-Workloads spürbar beschleunigen? (Intel Loihi, IBM TrueNorth — Status 2026?)
- Welche konkreten Quanten-Algorithmen sind über Shors/Grovers hinaus **tatsächlich** für KI-Beschleunigung relevant? (VQE, QAOA — aber praktischer Nutzen umstritten.)
- Quanten-Resistente Kryptografie: ab welchem Quanten-Computer-Skalierungsniveau wird RSA *de facto* unsicher?