122er H-Index und 71.000 Zitate: der Kopf hinter dem Memristor
Ein Memristor ist ein elektrisches Bauelement, das seinen Widerstandswert dauerhaft speichert. Damit bildet er eine biologische Synapse nach. Im Interview mit Everlast AI erklärt Prof. Dr. Rainer Waser, Pionier des Memristors, wie diese Technik den Energiehunger der KI an der Wurzel senkt.
Waser ist Physiker, Chemiker und Elektrotechniker in einer Person. Er lehrt an der RWTH Aachen und leitete am Forschungszentrum Jülich die Sektion elektronische Materialien. Sein H-Index liegt bei rund 122. Seine Arbeiten zählen über 71.000 Zitationen. 2014 erhielt er den Leibniz-Preis, die höchste deutsche Forschungsauszeichnung.
Der von-Neumann-Flaschenhals frisst den Strom
In heutigen Computern sind Prozessor und Speicher getrennt. Die Daten wandern im Gigahertz-Takt über einen Bus hin und her. Genau das nennt Waser den von-Neumann-Flaschenhals. Jede Leitung besitzt eine Kapazität. Diese wird ständig geladen und entladen. Dabei wird Strom in Wärme umgesetzt.
Der Effekt ist enorm. Etwa 99 Prozent der Chip-Energie verpufft beim Schaufeln der Daten. Nur ein Bruchteil entfällt auf die eigentliche Rechnung. Bekannt ist das Problem schon seit 1945. Mit der KI wird es zur Kostenfrage.
Die Zahlen sind wuchtig. Fasst man alle Rechenzentren der Welt zu einem Land zusammen, landet es laut Internationaler Energieagentur 2030 auf Platz 6 der größten Stromverbraucher. Es zieht mehr Strom als ganz Japan heute. Wie sich Modelle sparsamer und lokal betreiben lassen, zeigen wir im Report zu lokaler KI.
Warum das Gehirn mit 25 Watt auskommt
Das menschliche Gehirn braucht nur rund 25 Watt. Eine Simulation von 500.000 Neuronen auf einem Supercomputer zieht dagegen 2,5 Megawatt. Der Grund liegt in der Architektur. Das Gehirn rechnet direkt an den Synapsen. Dort wird gespeichert und gerechnet zugleich. Diesen Computing-in-Memory-Ansatz kennt Silizium nicht.
Dazu kommt die Parallelität. Etwa 86 Milliarden Neuronen tragen je 1.000 bis 10.000 Synapsen. So entstehen rund 100 Billionen Verbindungen. Kein Rechner der Welt erreicht diese Dichte. Gleichzeitig arbeitet das Gehirn langsam, im Bereich von 10 bis 30 Millisekunden.
Der dritte Trick heißt Event-based Computing. Energie fließt nur, wenn wirklich gerechnet wird. Zu jedem Zeitpunkt sind nur etwa 1 Prozent der Synapsen aktiv. Mehr würde das System überhitzen. Waser warnt: bei 200 Watt würde das Gehirn kochen.
Memristor: rechnen direkt im Speicher
Hier setzt der Memristor an. Ein Resistor mit Speicher hält seinen Widerstandswert fest. Genau das braucht eine künstliche Synapse. Ihre Kopplungsstärke entspricht einem Gewicht. Der Memristor speichert dieses Gewicht direkt am Ort der Rechnung. Der Flaschenhals verschwindet.
Waser arbeitet mit redoxbasierten Metalloxiden. In einem winzigen Volumen von wenigen Kubiknanometern wandern Ionen. Sauerstoff-Leerstellen verschieben sich und ändern die Leitfähigkeit. So verändert sich der Widerstand des ganzen Bauteils. Der Hub reicht bis zu zwei Größenordnungen. Das Schalten ist zudem sehr schnell.
Drei Wege zum memristiven Bauelement
Neben den Oxiden gibt es zwei weitere Ansätze. Phasenwechselmaterialien nutzen Kalkogenide. Ein kurzer Spannungspuls schmilzt das Material. Schnelles Abschrecken macht es amorph, langsames Abkühlen kristallin. Beide Zustände haben verschiedene Widerstände.
Der dritte Weg ist magnetoresistiv. Hier steuert die Magnetisierung den Widerstand. Der Nachteil ist der kleine Hub von nur 20 bis 30 Prozent. Dafür lassen sich diese Zellen häufiger beschreiben. Wasers Oxide gewinnen beim Widerstandshub klar.
Serienfertigung bei Infineon und TSMC
Wasers Arbeit ist keine Theorie mehr. Seit Mai 2025 fertigen Infineon und TSMC seine oxidbasierten Memristor-Zellen in Serie. Sie stecken in künftigen Mikrocontroller-Generationen. Diese sitzen in vielen Geräten, etwa in der Automobiltechnik. Die Zellen ersetzen dort Flash, weil sie kleiner und sparsamer sind.
Echtes neuromorphes Computing ist das noch nicht. Dafür braucht es ganz neue Rechnerarchitekturen. Genau daran arbeitet das Projekt Neurotech, gefördert vom Bund mit 36 Millionen Euro. Der Zukunftscluster Neurosys setzt vertikal darauf auf. Offen bleiben Variabilität und Zuverlässigkeit der Bauteile.
Waser über AGI, Superintelligenz und das Jahr 2075
Waser hält AGI faktisch für erreicht. Große Modelle besitzen ein Weltmodell. Sie antworten auf dem Niveau eines soliden Fachmanns. Bewusstsein sei davon getrennt. Es entstehe als emergentes Phänomen aus schierer Komplexität, wie Nässe aus vielen Wassermolekülen.
Für 2075 erwartet er drei Wellen. KI-Agenten buchen bald selbst Reisen und regeln Prozesse. Autonome Autos und Haushaltsroboter folgen. Am Ende berät eine Superintelligenz Menschen und Politik. Mars-Kolonien und den Upload des Geistes in die Cloud nennt Waser Blödsinn.
Fazit: der Memristor als Ausweg aus der Energiefalle
Moores Gesetz läuft aus. Mit 2 Nanometern erreichen Transistoren die Sättigung. Der Memristor öffnet einen neuen Pfad. Er bringt Rechnen und Speichern zusammen, so wie das Gehirn. Wer KI skaliert, muss sparsame Hardware bald einpreisen. Genau das sehen wir in unserer KI-Implementierung täglich.
Häufige Fragen
Was ist ein Memristor einfach erklärt?
Ein Memristor ist ein elektrischer Widerstand mit Gedächtnis. Er speichert seinen Widerstandswert auch ohne Strom. Angeregt wird er durch einen elektrischen Impuls. Damit lässt sich eine biologische Synapse nachbilden. Prof. Dr. Rainer Waser gilt als Pionier dieser oxidbasierten Bauelemente. Sie sollen KI-Chips deutlich sparsamer machen, weil sie Rechnen und Speichern am selben Ort vereinen.
Warum verbraucht KI so viel Energie?
Der Hauptgrund ist der von-Neumann-Flaschenhals. Prozessor und Speicher sind getrennt. Die Daten wandern ständig über einen Bus hin und her. Dabei werden Leitungskapazitäten geladen und entladen. Rund 99 Prozent der Chip-Energie verpuffen als Wärme. Nur ein Bruchteil entfällt auf die eigentliche Rechnung. Neuromorphe Chips wollen genau diesen Weg abkürzen.
Was ist neuromorphes Computing?
Neuromorphes Computing baut Rechner nach dem Vorbild des Gehirns. Speicher und Recheneinheit verschmelzen an einem Ort. Memristoren übernehmen die Rolle der Synapsen. So entfällt das teure Schaufeln von Daten. Das Ziel ist eine drastisch höhere Energieeffizienz. Projekte wie Neurotech zeigen den Ansatz heute im Labor, bevor die Industrie ihn breit übernimmt.
Wo werden Memristoren schon eingesetzt?
Seit Mai 2025 fertigen Infineon und TSMC oxidbasierte Memristor-Zellen in Serie. Sie stecken in Mikrocontrollern, etwa in der Automobiltechnik. Dort ersetzen sie Flash-Speicher, weil sie kleiner und energieeffizienter sind. Das ist noch klassische Speicheranwendung. Echtes neuromorphes Rechnen braucht neue Architekturen. Prof. Dr. Rainer Waser sieht darin den nächsten großen Schritt.
Top comments (0)