--- 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. - **RSA-Timeline präzise:** Gidney (Google Quantum AI) hat im Mai 2025 die Qubit-Schätzung von ~20 Mio. auf <1 Mio. physische Qubits reduziert; ein Sydney-Preprint (Feb 2026) behauptet <100k Qubits mit LDPC. Realistische Bedrohungs-Timeline: **2030 ± 2 Jahre**, nicht „akut" im Sinne nächster 1–3 Jahre. NIST empfiehlt RSA-Abschaffung erst nach 2035. „Nicht mehr rein akademisch" ist die korrekte Lesart, „akut" wäre eine Überspitzung. ## 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 (Teil seiner Analyse) Mainzers politische und wissenschaftliche Positionen stehen in derselben Denktradition — strukturelles, systemisches Denken, das vor politischen Implikationen nicht haltmacht. Die Trennung „Wissenschaft hier, Meinung da" ist falsch; seine Politik kommt aus seiner Komplexitätsanalyse, nicht daneben. - **China:** Klare Langfrist-Strategie für KI bis 2050; Mainzers analytischer Blick: Planungsfähigkeit + zentralistische Risiken — beides nüchtern benannt, nicht als Lob oder Kritik verkürzt. - **Pro Atomkraft:** Konsequenz aus dem Energie-Argument (KI-Energiehunger vs. 20W-Gehirn). Wer das eine annimmt, kommt am anderen nicht vorbei. - **Verschlüsselung:** Shors Algorithmus → RSA in Gefahr, sobald ausreichend große Quantenrechner verfügbar sind („Post-Quantum-Kryptografie" ist nicht mehr akademisch, sondern akut). - **Thiel-Kritik:** Monopol-Konzentration als Innovations- und Freiheits-Hemmer. Steht in derselben anti-zentralistischen Logik wie seine Komplexitätsforschung (resiliente Systeme brauchen Dezentralität). - **DeepSeek aus Europa:** Mainzer bringt es als Beleg für europäische KI-Souveränität — wieder: strukturelles Argument, nicht Tagesmeinung. ## 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 — und seine politischen Positionen stehen analytisch in derselben Reihe. - **Everlast als Distributions-Kontext:** Der YouTube-Kanal „Everlast AI" ist ein werbefinanziertes Tech-Influencer-Format (KI-Kurse, WhatsApp-Kanal, „AI-Automations-Manager"-Weiterbildung). Das ist ein Faktor für die Mediendistribution, nicht für die inhaltliche Bewertung. Es ist ein Faktum über das Format, nicht ein Caveat zu Mainzers Thesen — die stehen unabhängig von der Pipeline, durch die sie laufen. ## 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? ## Verbindung zu Aschenbrenners „The Project" Aschenbrenners Essay (siehe `[[wiki/concepts/agi/aschenbrenner-situational-awareness]]`) beschreibt eine trillion-dollar-Mobilisierung der US-Industrie für GPU-Cluster und Strom-Infrastruktur. Mainzers Energie-Bottleneck (20W Gehirn vs. Megawatt-Cluster) ist die **physische Grenze**, an der Aschenbrenners Skalierungs-These auf Widerstand stößt: - Aschenbrenners „The Project" fokussiert auf **klassische GPU-Skalierung** (NVIDIA, Stromverträge, Rechenzentren) - Mainzers Hardware-Trias (klassisch + neuromorph + Quanten) ist die **systemische Antwort** auf diese Bottlenecks — Hardware-Diversität als Mittel gegen reine Compute-Skalierung - Aschenbrenners „100 million automated AI researchers" sind das **software-seitige** Pendant zu Mainzers hardware-seitiger Diversitäts-These: nicht „mehr vom Selben", sondern „mehr Architektur-Pfade parallel" Die beiden Analysen sind kompatibel und komplementär — Aschenbrenners These funktioniert *innerhalb* der GPU-Skalierung, Mainzer zeigt, dass jenseits davon andere Architekturen nötig werden.