Wer sich in den vergangenen Jahrzehnten vom Nimbus der "künstlichen Neuronalen Netzwerke" angelockt für eine Vorlesung in Informatik oder Psychologie anmeldete, konnte sich auf eine prompte Enttäuschung gefasst machen: "An diesen Netzen ist nur eines 'neuronal' und zwar der Name", bekamen ungezählte Studenten von Dozenten zu hören, die ganz offensichtlich um den wissenschaftlichen Ruf ihres Fachs besorgt waren. Nur wer darauf aus war, sich im großen Stil ins wissenschaftliche Abseits zu befördern, behauptete, dass die Netze eine Simulation von Gehirnvorgängen darstellten. Die Digitalversion des Gehirns stand leider nicht auf dem Lehrplan.

Bei weitem zu kompliziert und zu unverstanden war das Gehirn, als dass man sich ernsthaft daran wagte, die zerebralen Nervengeflechte am Computer nachzubauen. Die Idee, sozusagen live am Monitor mitverfolgen zu können, wie in einem solchen System ein Gedanke entsteht, war damals noch ein reiner Wunschtraum und das "Elektronengehirn" verbannte man sicherheitshalber in die Welt der Science-Fiction-Romane.

Doch die Zeiten ändern sich scheinbar. Wenn heutzutage Wissenschaftler von biologischen neuronalen Netzwerken reden, dann meinen sie auch tatsächlich eine Simulation von Prozessen, wie sie in Netzen aus Nervenzellen ablaufen. Und Fortschritte in der Computertechnik sowie ein rasant gewachsenes Wissen um neurobiologische Vorgänge lassen die Forscher bei diesem Unternehmen keineswegs mehr auf so verlorenem Posten dastehen wie noch Jahre zuvor.

Der Nachbau eines ganzen Gehirns bis in alle Einzelheiten übersteigt allerdings immer noch bei weitem die Grenzen der technischen Machbarkeit. Wozu sollte dies auch gut sein? "Säugetiere machen bereits sehr gute Kopien von sich selbst. Wir brauchen keinen Computer, der eine Kopie von einem Säugetier macht", kommentiert Henry Markram von der École Polytechnique in Lausanne diese Vorstellung.

Nerven für ein gigantisches Puzzle

Heute lockt ein durchaus realistisches Ziel: hochkomplexe Nervennetze sollen in ein vereinfachtes, dynamisches Computer-Modell übersetzt werden. Denn dann hätten die Wissenschaftler endlich die Möglichkeit, das Gehirn "in silico" statt in vivo, also am lebenden Gewebe, zu untersuchen. Die klassische Analyse zerebraler Vorgänge stößt nämlich schnell an ihre Grenzen, soll sie mehr als nur Ausschnitte erfassen. Die Stärke der Simulation liegt da, wo diese Teilstücke zu einem Gesamtbild zusammengesetzt werden müssen. Mit ihr soll es einmal gelingen, eine Brücke zu schlagen zwischen den untersten Zellebenen einerseits und der Makroebene ganzer Gehirnstrukturen andererseits.

Leider bringt ein solches Unterfangen, das zumeist als Neuroinformatik oder Computational Neuroscience bezeichnet wird, Probleme mit sich, die ohne Übertreibung das Prädikat "gigantisch" verdienen. Das menschliche Gehirn besteht aus rund einhundert Milliarden Nervenzellen, eingebettet in ein Netzwerk, bei dem jede Zelle mit schätzungsweise eintausend anderen eine Verbindung eingeht – ein kaum lösbares Puzzlespiel, könnte man meinen, auch nur Teile davon in eine Simulation einbeziehen zu wollen.

Was noch schlimmer ist: der Vergleich mit einem Puzzle hinkt. Erstens ist anders als dort überhaupt nicht gewiss, wie das Gesamtsystem oder -bild letztendlich auszusehen hat. Und zweitens greift die sonst übliche Strategie des stückweisen Zusammenpuzzelns nicht: Die Hirnforschung stellt einen geradezu riesigen Baukasten neuronaler Eigenschaften zur Verfügung. Obwohl viele davon für die Verarbeitung irrelevant sind, lassen sich dennoch aus ihnen funktionierende, aus biologischer Sicht aber trotzdem falsche Gesamtsysteme zusammenbauen – ein Problem, dass sich wie ein roter Faden durch sämtliche Forschungsbemühungen zieht.

Am Anfang war das Neuron?

Wo also anfangen? Sollte man zunächst die Zelle mit allen molekularen Details simulieren, um das Neuron vollständig zu verstehen? Das schaffen aber selbst heutige Supercomputer kaum. Für den Blick auf das Wesentliche – die gröberen Zusammenhänge des Informationsflusses etwa – hätten es die Forscher am liebsten, gleich ganze Netzwerke aus Neuronen zu bauen. Doch das funktioniert nur, wenn man weiß, aus welchen Bestandteilen man sie aufbaut. Die Henne und ihr Ei kommen auch in der modernen Neurowissenschaft vor.

Deshalb standen zunächst mehr oder weniger allgemein gehaltene, mathematische Modelle einer Nervenzelle im Blickpunkt. Übersetzt man sie in eine Simulation, feuern sie bei simulierter Erregung ziemlich genau so, wie eine entsprechend gereizte Nervenzelle reagieren würde.

Mit solchen Neuronen kann man schon sehr viel anfangen – zu viel fast. Denn Netze aus nur drei oder vier solcher Neuronen sind bereits hochkomplex und in ihrer Dynamik schwer zu fassen. Bei Zellverbänden, die aus Hunderten oder gar Tausenden bestehen, geht es deutlich an die mathematische Substanz.

Da stört es auch weniger, dass die Struktur der Großhirnrinde in der Regel nicht bis ins Detail nachgebildet werden kann. Zwar wissen Neurobiologen schon lange, dass beispielsweise der Kortex horizontal in Schichten und vertikal in Säulen, die Kolumnen, unterteilt ist. Weil sie aber erst in jüngster Zeit die interne Verschaltung und Aktivität in solchen Kolumnen wenigstens für einige tierische Kortexbereiche hinreichend genau messbar machen konnten, mussten sich Neuroinformatiker vor allem mit zufällig verschalteten Netzen begnügen.

Obwohl ihre Simulationen also einen so wesentlichen Faktor wie die Verschaltung außer Acht lassen, liefern sie dennoch eine Fülle von Informationen über die Komplexität und nicht-lineare Dynamik solcher Systeme. Exaktere Modelle, wie man sie für die Zukunft plant, wären ohne dieses Wissen überhaupt nicht möglich.

Neuronaler Geheimcode

Auch weitere Grundsatzfragen sind noch immer ungeklärt. Neuronen sind beispielsweise äußerst unzuverlässige und träge Zeitgenossen. Sie feuern vergleichsweise langsam oder einfach gar nicht, dann aber auch wieder spontan und ohne äußeren Anlass. Wissenschaftler gehen deshalb davon aus, dass nicht jedem einzelnen Impuls Bedeutung beigemessen werden kann. Wo also ist das eigentlich relevante Signal versteckt? Die Information könnte in der Frequenz kodiert sein, mit der eine Nervenzelle feuert, vermuten einige, andere tippen eher auf die Zeitdifferenz zwischen den einzelnen Pulsen. Für dritte wiederum liegt der Schlüssel im Verhalten ganzer Zellpopulationen.

Diese und weitere denkbare Varianten würden in Systemen aus Nervenzellen funktionieren – so viel haben Simulationen gezeigt. Für welche Alternative sich die Natur aber entschieden hat, lässt sich noch immer nicht mit Gewissheit sagen. Das ewig virulente "Puzzleproblem" tritt also auch in diesem Punkt zu Tage.

Wie die Aktivität einzelner Zellen etwa in einer kortikalen Kolumne tatsächlich aussieht, konnte erst kürzlich durch ein spezielles Mikroskopierverfahren von Fritjof Helmchen und Werner Goebel von der Eidgenössischen Technischen Hochschule Zürich zumindest messbar gemacht werden. Das Video in der Spalte "Medien" auf der linken Zeile zeigt wie die Zellen feuern, wenn sie von einer Elektrode stimuliert werden.

Mühsam nährt sich der Neuroinformatiker

Ein langer Atem ist demnach gefragt von all denen, denen es um den Nachbau künstlicher Denkvorgänge geht. Es gilt, sich auf Bereiche zu beschränken, die in ihrer Komplexität derzeitigen Methoden zugänglich sind – auch wenn es sich dabei um die Gehirne von Ratten oder Katzen handelt, für die es mehr anatomische und physiologische Daten gibt. Selbst an winzigen "Insektengehirnen" können Wissenschaftler studieren, wie schon kleinste Nervensysteme ein komplexes Verhalten hervorbringen.

Bei der Untersuchung einzelner Gehirnfunktionen konzentrieren sich Forscher aus dem gleichen Grund vor allem auf sensorische Areale – also solche Gehirnbereiche, die für die Verarbeitung von visueller oder auditorischer Sinneswahrnehmung zuständig sind. Der Input in diese Bereiche stammt hauptsächlich von den Sinnesorganen und ist deshalb leichter handhabbar als der von Bereichen höherer kognitiver Leistungen. Denn dort werden Informationen verarbeitet, die aus anderen, ihrerseits noch unverstandenen Kortexarealen stammen. Dementsprechend steht man bei der Nachbildung von Sprache, Handlungsplanung oder gar dem Bewusstsein selbst erst ganz am Anfang. Auch das für fast alle Gehirnvorgänge so wichtige Lernen ist nur in Teilen modellierbar.

Schiere Computerpower

Der enorme Fragenkatalog hat sich durch die erfolgreichen Modelle der letzten Jahre erst unwesentlich geschmälert. Dass Wissenschaftler vom "Blue Brain"-Projekt der École Polytechnique in Lausanne einen der schnellsten Supercomputer der Welt auf eine 10 000 Neuronen große Nachbildung einer einzigen der einen Million kortikaler Säulen ansetzen wollen, zeigt, in welchen Dimensionen gedacht werden muss, will man die Exaktheit der Nachbildung immer weiter treiben.

Schon innerhalb des nächsten Jahrzehnts, rechnet Eugene Izhikevich vom Neurosciences Institute in San Diego vor, könnte die Rechenleistung von Supercomputern ausreichen, um theoretisch ein ganzes Gehirn mit allen Neuronen auf einmal zu simulieren – ohne Frage eine faszinierende Vorstellung. Doch Computerpower allein reicht nicht aus: "Jede Simulation ist immer nur so gut wie die Theorie, die dahinter steckt", sagt Rolf Würtz, selbst Neuroinformatiker von der Universität Bochum. Bevor ein solches Vorhaben also gelingen kann, steht nicht nur den simulierten grauen Zellen noch eine Menge Arbeit bevor.