Neuromorphic Computing überträgt Prinzipien der Informationsverarbeitung im Gehirn auf neue Computerarchitekturen. Nordrhein-Westfalen vereint dafür Kompetenzen von der Material- und Bauelementforschung über Chipdesign und Nanofabrikation bis zu Software, Anwendungen und industrieller Skalierung.
Künstliche Intelligenz eröffnet neue Möglichkeiten – in der industriellen Produktion, der Mobilität, der Medizin, der Robotik oder in intelligenten Sensor- und Assistenzsystemen. Gleichzeitig wächst mit der Leistungsfähigkeit von KI-Modellen auch ihr Bedarf an Rechenleistung und Energie. Besonders bei Anwendungen, die Daten unmittelbar vor Ort auswerten müssen, stoßen klassische Computerarchitekturen zunehmend an Grenzen.
Eine Ursache ist die Trennung von Prozessor und Speicher: Daten müssen fortlaufend zwischen beiden Einheiten übertragen werden. Dieser sogenannte Von-Neumann-Flaschenhals kostet Zeit und Energie. Neuromorphe Systeme verfolgen einen anderen Ansatz. Inspiriert von der Arbeitsweise biologischer Nervensysteme bringen sie Speicherung und Verarbeitung enger zusammen, rechnen hochparallel und verarbeiten Informationen teilweise ereignisgesteuert – also dann, wenn tatsächlich relevante Signale auftreten.
Neuromorphic Computing bedeutet dabei nicht, das menschliche Gehirn vollständig nachzubauen. Vielmehr werden einzelne Prinzipien seiner außergewöhnlich effizienten Informationsverarbeitung technisch nutzbar gemacht. Zum Einsatz kommen beispielsweise Memristoren als künstliche Synapsen, analoge In-Memory-Schaltungen, photonische Komponenten oder physikalische Reservoirs. Sie können spezialisierte KI-Aufgaben mit geringer Latenz und niedrigem Energiebedarf direkt auf Sensoren, mobilen Geräten oder in Maschinen ausführen.
Das ist insbesondere für Edge AI interessant: Wenn Daten dort verarbeitet werden, wo sie entstehen, sinkt der Kommunikationsbedarf zur Cloud. Reaktionszeiten werden kürzer, sensible Daten können lokal verbleiben und autonome Systeme werden unabhängiger von einer permanenten Netzverbindung. Potenzielle Anwendungen reichen von lernenden Robotern und Fahrzeugen über die industrielle Zustandsüberwachung bis zu medizinischen Geräten und intelligenten Infrastrukturen.
Neuromorphe Systeme werden klassische Prozessoren und Hochleistungsrechner voraussichtlich nicht vollständig ersetzen. Ihre Stärke liegt in der Spezialisierung und in der Kombination mit anderen Rechnerarchitekturen. Entscheidend ist deshalb das Zusammenspiel von Materialien, Bauelementen, Schaltungsdesign, Algorithmen, Software und konkreten Anwendungen.
Genau hier besitzt Nordrhein-Westfalen besondere Kompetenzen. Vor allem in der Region Aachen-Jülich, aber auch in Dortmund, Bochum, Siegen und weiteren Standorten arbeiten Wissenschaft, Start-ups und etablierte Industrieunternehmen an unterschiedlichen Teilen der neuromorphen Wertschöpfungskette. Bereits die NMWP.NRW-Magazine „Schlüsseltechnologien aus NRW als Enabler für zukünftige Digital- und Computing-Konzepte“ und „Future of Computing“ haben die Breite dieses Ökosystems sichtbar gemacht.
Zukunftscluster: Spitzenforschung für Innovation und Wertschöpfung
Zukunftscluster verbinden ausgewählte Spitzenforschung mit Unternehmen und beschleunigen den Transfer in Anwendung und wirtschaftliche Wertschöpfung. NeuroSys setzt diesen Ansatz für neuromorphe Hardware in der Region Aachen-Jülich um.
Zukunftscluster NeuroSys, Aachen-Jülich
Der vom Lehrstuhl für Elektronische Bauelemente der RWTH Aachen koordinierte Zukunftscluster NeuroSys bündelt Kompetenzen der RWTH Aachen, des Forschungszentrums Jülich, der AMO GmbH sowie zahlreicher Unternehmen und Akteure der Wirtschaftsförderung. In sieben Projekten arbeitet der Cluster interdisziplinär an memristiven Bauelementen, photonischen neuromorphen Schaltungen, Algorithm-Hardware-Co-Design, Anwendungen, dem Transfer der Technologien in die Wirtschaft sowie deren soziökonomischer Wirkung. NeuroSys verfolgt damit nicht nur einzelne Forschungsfragen, sondern den Aufbau einer durchgängigen Technologiebasis und eines regionalen Innovationsökosystems für europäische KI-Hardware.
Weitere beispielhafte Akteure aus Nordrhein-Westfalen
Die folgende Auswahl nennt ausdrücklich nur beispielhafte Akteure und erhebt keinen Anspruch auf Vollständigkeit. Sie verdeutlicht die unterschiedlichen Kompetenzen, die Nordrhein-Westfalen im Neuromorphic Computing zusammenführt.
AiML Technologies, Jülich
Das aus dem Forschungszentrum Jülich hervorgegangene Gründungsvorhaben AiML – Analogue in Memory Logic entwickelt einen analogen neuromorphen Chip für Edge-KI-Anwendungen. Rechenoperationen sollen unmittelbar in analogen Speicherelementen stattfinden, wodurch der energie- und zeitintensive Datentransfer zu externen Speichern reduziert wird. Als Zielanwendungen werden insbesondere Robotik, Assistenzsysteme und autonome Mobilität adressiert. 2025 erhielt AiML eine Förderung über das Programm NRW Startup Transfer.
AIXTRON SE, Herzogenrath
AIXTRON entwickelt im Rahmen von NeuroSys die MOCVD-Anlagentechnologie für neuromorphe Bauelemente aus zweidimensionalen Materialien weiter. Solche atomar dünnen Materialschichten können neuartige memristive Funktionen ermöglichen, müssen für eine industrielle Nutzung aber reproduzierbar und auf größeren Wafern hergestellt werden. AIXTRON adressiert damit eine entscheidende Schnittstelle zwischen Materialforschung, Bauelemententwicklung und späterer Skalierung.
AMO GmbH, Aachen
Die AMO GmbH bringt ihre Infrastruktur und Expertise in der Mikro- und Nanofabrikation, bei zweidimensionalen Materialien und in der Integration neuartiger Bauelemente ein. Im Zukunftscluster NeuroSys arbeitet sie sowohl an der Technologiereifung memristiver Komponenten als auch an photonischen neuromorphen Schaltungen. Ein Schwerpunkt sind ultrakompakte Graphen-Phasenmodulatoren, die in photonischen Tensorkernen besonders schnelle und energieeffiziente Vektor-Matrix-Berechnungen ermöglichen sollen.
ELEMENT 3–5 GmbH, Baesweiler
Die ELEMENT 3–5 GmbH entwickelt Anlagen und Prozesse für die ressourceneffiziente Epitaxie von Halbleitern mit großem Bandabstand. Die plasmabasierte „Next Level Epitaxy“ ermöglicht monokristalline Schichten bei deutlich niedrigeren Prozesstemperaturen als konventionelle Verfahren und eröffnet damit neue Möglichkeiten für temperaturempfindliche Substrate und Materialkombinationen. Mit dem ACCELERATOR 3500K adressiert das Unternehmen unter anderem die skalierbare Herstellung von Aluminiumnitrid-Startschichten für das anschließende GaN-Wachstum. Für das neuromorphe Ökosystem liegt die Bedeutung insbesondere in der industriellen Herstellung neuartiger Schichtsysteme.
ELMOS Semiconductor SE, Dortmund
ELMOS ist als Industriepartner an NeuroSys und an der anwendungsspezifischen Technologiereifung memristiver Bauelemente beteiligt. Das Unternehmen bringt insbesondere Erfahrung mit industriellen CMOS-Prozessen, integrierten Schaltungen und automobilgeeigneter Halbleitertechnik ein. In Forschungsarbeiten dienen CMOS-Chips von Elmos der Integration nanoskaliger Memristoren.
Forschungszentrum Jülich und NEUROTEC
Komplementär zum Zukunftscluster NeuroSys verbindet das Forschungszentrum Jülich im Verbundprojekt NEUROTEC Materialforschung, Nanoelektronik, Schaltungs- und Systementwicklung, Software, Neurowissenschaften und Supercomputing. Im Projekt NEUROTEC werden neue memristive Materialien und Bauelemente, ihre Integration in Halbleiterprozesse, Messverfahren, Demonstratorschaltungen sowie passende Algorithmen und Software erforscht. Das Jülich Supercomputing Centre untersucht darüber hinaus, wie neuromorphe Module künftig mit klassischen Hochleistungs- und Quantencomputern zu modularen Rechensystemen verbunden werden können.
Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS
Das Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS verbindet Sensorentwicklung, integrierte Mikroelektronik und eingebettete KI. Im Fraunhofer-Leitprojekt NeurOSmart verantwortete das Institut die KI-gestützte Datenvorverarbeitung, die Systemintegration und das LiDAR-Sensorsystem. Die entstandene Plattform koppelt die sensornahe Verarbeitung mit einem analog-neuromorphen In-Memory-Beschleuniger, sodass relevante Bildbereiche bereits am Sensor erkannt und Datenraten sowie Energiebedarf reduziert werden. Darüber hinaus arbeitet das IMS an analogen neuronalen Schaltungen und an der Integration von CMOS-Bildsensoren mit gehirninspirierten Prozessor-Speicher-Strukturen. Damit besetzt Duisburg insbesondere die Schnittstelle zwischen Sensorik, Edge AI und der Überführung neuromorpher Ansätze in anwendungsnahe Systeme.
GEMESYS Technologies, Bochum
GEMESYS entwickelt eine analoge, gehirninspirierte Chiparchitektur für Edge AI. Der Ansatz nutzt memristive Prinzipien, um die bei neuronalen Netzen besonders häufigen Rechenoperationen näher am Speicher beziehungsweise unmittelbar in der analogen Schaltung auszuführen. Ziel ist es, nicht nur die Inferenz, sondern auch das Lernen und die Anpassung von KI-Modellen direkt auf mobilen Geräten, Sensoren und autonomen Systemen zu ermöglichen.
Hochschule Bielefeld – University of Applied Sciences and Arts
Die Hochschule Bielefeld (HSBI) erforscht am Fachbereich Ingenieurwissenschaften und Mathematik ressourceneffiziente Hardwarearchitekturen für eingebettete KI. Im abgeschlossenen Projekt NireHApS wurden spikende neuronale Netze, Online-Lernen und neuromorphe Beschleuniger auf FPGA- und Many-Core-Plattformen untersucht und mit ereignisbasierten Sensoren verbunden. Das aktuelle Projekt Edge4SparseML führt diesen hardwarenahen Ansatz in breiterer Form fort: Entwickelt werden automatisierte Methoden für das Hardware-KI-Co-Design ressourcenbeschränkter Edge-Systeme, einschließlich ereignisgetriebener Klassifikation sowie der Bewertung von Leistung, Latenz und Energiebedarf. Erprobt werden die Lösungen unter anderem in der industriellen Oberflächeninspektion.
RWTH Aachen – Integrierte Digitale Systeme und Schaltungsentwurf
Der Lehrstuhl für Integrierte Digitale Systeme und Schaltungsentwurf der RWTH Aachen entwickelt energie- und flächeneffiziente Chiparchitekturen und Schaltungskonzepte in modernen CMOS-Technologien. Im Mittelpunkt stehen Hardwarerealisierungen für künstliche und biologische neuronale Netze sowie das Algorithm-Hardware-Co-Design. Untersucht werden unter anderem die Überführung klassischer neuronaler Netze in spikende Varianten, Time-Domain Computing, Compute-in-Memory und Werkzeugketten für memristive KI-Beschleuniger. Mit neuroAIx arbeitet der Lehrstuhl außerdem an beschleunigten Simulationen biologischer neuronaler Netze. Er ergänzt das Aachener Ökosystem damit um die digitale Architektur- und Entwurfsperspektive zwischen Algorithmus, Schaltung und physischer Implementierung.
TU Dortmund
Am Lehrstuhl für Mikro- und Nanoelektronik der TU Dortmund erforschen Prof. Dr.-Ing. Stefan Tappertzhofen und Apl. Prof. Dr.-Ing. Dirk Schulz memristive Bauelemente und ihre Material-, Schalt- und Integrationseigenschaften. Im Mittelpunkt stehen unter anderem künstliche Nano-Synapsen, memristiv programmierbare Transistoren und rekonfigurierbare analoge beziehungsweise Mixed-Signal-Schaltungen. Einen komplementären Ansatz verfolgt die Dortmunder Experimentalphysik: Ein internationales Team entwickelte ein Phonon-Magnon-Reservoir auf einem Chip, das analoge Signale physikalisch vorverarbeitet und damit neue Perspektiven für kompaktes Reservoir Computing eröffnet.
Universität Bielefeld und CITEC
Die Universität Bielefeld verbindet an der Technischen Fakultät und am Center for Cognitive Interaction Technology (CITEC) bioinspirierte Algorithmen mit intelligenten technischen Systemen. Die Forschungsgruppe Nachhaltige KI untersucht, wie sich Mechanismen biologischer Nervensysteme für energieeffizientere Lernverfahren nutzen lassen. Im Verbundprojekt EVENTS wurden ereignisbasierte KI-Algorithmen für neuromorphe Systeme zur maschinellen Bildverarbeitung entwickelt. Das laufende EU-Projekt PRIMI verbindet neuromorphes Engineering und ereignisgesteuerte Informationsverarbeitung mit kognitiver Robotik. Die entstehenden Systeme sollen unter anderem in der robotergestützten Rehabilitation nach Schlaganfällen erprobt werden.
Universität Siegen
Der Lehrstuhl für Analoge Schaltungen und Bildsensoren um Prof. Bhaskar Choubey entwickelt im eigenen Reinraum Memristoren und untersucht ihre Integration mit Siliziumschaltungen und bildgebenden Sensoren. Ziel sind stromsparende analoge Edge-AI-Systeme, die Daten bereits im Sensorumfeld verarbeiten können. Damit verbindet die Universität Siegen Material- und Bauelemententwicklung mit CMOS-Schaltungsdesign, Bildsensorik und neuromorphen Anwendungen.
NRW-Kompetenzen entlang der neuromorphen Wertschöpfungskette
Die Stärke Nordrhein-Westfalens liegt nicht allein in einzelnen wissenschaftlichen Ergebnissen oder Unternehmensideen. Entscheidend ist die Verbindung komplementärer Kompetenzen: neue Materialien und Memristoren, Nano- und CMOS-Integration, photonische und analoge Schaltungen, Hardware-Software-Co-Design, Fertigungs- und Messtechnik sowie konkrete Anwendungen.
Noch befinden sich viele neuromorphe Ansätze zwischen Grundlagenforschung, Demonstrator und industrieller Validierung. Welche Architekturen sich für welche Anwendungen durchsetzen werden, ist offen. Nordrhein-Westfalen besitzt jedoch gute Voraussetzungen, diesen Entwicklungsweg mitzugestalten – von der Erforschung neuer physikalischer Prinzipien bis zur Überführung in energieeffiziente KI-Hardware. Damit kann Neuromorphic Computing nicht nur zu leistungsfähigeren digitalen Systemen beitragen, sondern auch zu mehr technologischer Souveränität, nachhaltigerer Digitalisierung und neuer Wertschöpfung in NRW.
