Whole Brain Emulation

Whole Brain Emulation (WBE; deutsch Gesamthirn-Emulation oder Ganzhirn-Emulation) bezeichnet das wissenschaftlich-technische Forschungsprogramm, ein vollständiges biologisches Gehirn so detailliert zu vermessen und in ein computergestütztes Modell zu überführen, dass das ausgeführte Modell die funktional relevanten Eigenschaften des Originals reproduziert.

Der Begriff stammt aus der computationalen Neurowissenschaft und ist technisch wie methodologisch breiter angelegt als der eng verwandte, jedoch ideologisch stärker aufgeladene Ausdruck Mind Uploading: Während Letzteres eine Identitätsübertragung des individuellen Bewusstseins impliziert, bezeichnet WBE zunächst nur das wissenschaftliche Vorhaben, ein Gehirn als komplexes neuronales System rechnerisch nachzubilden – ohne notwendige Aussage darüber, ob das emulierte System Bewusstsein, personale Identität oder denselben Geist besitzt wie das Original.

Mit der vollständigen Veröffentlichung des Drosophila-Konnektoms 2024 und ersten embodieten Emulationen einer Fruchtfliege 2026 hat das Feld einen ersten qualitativen Schwellenwert erreicht.

Zusammenfassung

WBE ist heute ein etabliertes Forschungsfeld an der Schnittstelle von Konnektomik, computationaler Neurowissenschaft, Neuroinformatik und neuromorphen Architekturen.

Die Grundlage formulierten Anders Sandberg und Nick Bostrom 2008 in Whole Brain Emulation: A Roadmap, deren Dreiteilung – Scannen, Interpretieren, Simulieren – bis heute das paradigmatische Gerüst bildet.

Während die theoretischen und philosophischen Implikationen – insbesondere die Frage nach Bewusstsein und personaler Identität bei Emulationen – eng mit transhumanistischen Diskursen, dem Singularitarianismus und der Mind-Uploading-Debatte verflochten sind, hat sich WBE als wissenschaftliches Programm zunehmend von diesen ideologischen Kontexten emanzipiert.

Konkrete Etappen sind die Konnektom-Rekonstruktion von C. elegans (1986/2019), die Veröffentlichung des kompletten adulten Drosophila-Konnektoms durch das FlyWire-Konsortium (Oktober 2024) und die erste embodied funktionale Emulation eines vollständigen Insektengehirns durch Eon Systems (2026). Eine WBE eines Säugetier- oder Menschengehirns ist gegenwärtig nicht in Reichweite; die Größenordnungen unterscheiden sich um sechs bis acht Größenordnungen.

Begriffliche Abgrenzungen

WBE ist von mehreren benachbarten Begriffen sorgfältig zu unterscheiden:

• Mind Uploading: Begrifflich identitätsorientiert; WBE ist eines der technischen Voraussetzungsfelder, jedoch nicht mit der Identitätsbehauptung verknüpft.
• Brain Simulation: Allgemeiner Oberbegriff in der Computational Neuroscience; umfasst auch Modelle, die nicht den Anspruch der Vollständigkeit erheben (etwa hippokampale Mikroschaltkreis-Modelle).
• Connectomics / Konnektomik: Spezialgebiet der Erfassung neuronaler Verschaltungen; liefert eine notwendige, aber nicht hinreichende Datengrundlage für WBE.
• In-silico-Neurowissenschaft: Umfassende Bezeichnung für computergestützte neurowissenschaftliche Forschung; WBE ist eine besonders ambitionierte Spielart.
• Person Emulation: Untergruppe der WBE; bezeichnet Emulationen mit individueller statt typisch-arttypischer Auflösung (Sandberg/Bostrom 2008).
• Brain-Computer Interfaces (BCI): Hardwareseitige Anbindung biologischer Gehirne an Computer; konzeptionell und von WBE getrennt.

Die Sandberg/Bostrom-Roadmap

Im Mai 2007 organisierte das Future of Humanity Institute (FHI) der Universität Oxford den ersten Whole Brain Emulation Workshop.

Daraus entstand der 2008 publizierte technische Bericht Whole Brain Emulation: A Roadmap (Sandberg/Bostrom, FHI Technical Report 2008-3), an dem John Fiala, Robin Hanson, Kenneth Hayworth, Todd Huffman, Eugene Leitl, Bruce McCormick, Ralph Merkle, Toby Ord, Peter Passaro, Nick Shackel, Randal A. Koene, Robert A. Freitas Jr. und Rebecca Roache mitwirkten. Die Roadmap definiert:

1. Drei Methodenphasen: Scanning (hochauflösende Erfassung des Gehirns), Interpretation (Konstruktion eines exekutierbaren Modells aus den Scan-Daten), Simulation (Ausführung des Modells auf geeigneter Hardware).
2. Acht Auflösungsebenen: von makroskopischer Konnektivität (≈1 mm) über mesoskopische Schaltkreise und einzelne Synapsen bis zu molekularen und quantenmechanischen Auflösungen. Welche Ebene WBE-relevant ist, hängt davon ab, welche Eigenschaften der neuronalen Dynamik (Aktionspotenziale, Membranleitfähigkeiten, Rezeptordichten, Neuromodulatoren) als emulationsrelevant gelten.
3. Erfolgsstufen: funktionale Emulation (Reaktionen auf Standardreize) → species-generic-Emulation (typisches Verhaltensrepertoire) → individuelle Emulation (personenspezifische Eigenschaften) → potenzielle Bewusstseins- oder Identitätsemulation (von der Roadmap explizit nicht abschließend bewertet).

Eine fortlaufende Aktualisierung wird seit 2014 von der Carboncopies Foundation unter Randal Koene koordiniert.

Methodische Komponenten

Scanning

Die hochauflösende Erfassung biologischen Hirngewebes ist gegenwärtig der ratenbegrenzende Schritt. Etablierte Verfahren sind:

• Serial-Section Electron Microscopy (ssEM): Mikroskopische Bildgebung dünner Gewebeschnitte; liefert sub-Nanometer-Auflösung der Synapsen; verwendet in den FlyWire- und MICrONS-Projekten.
• Focused Ion Beam SEM (FIB-SEM): Verbessert die isotrope Auflösung, ist aber langsamer.
• Expansion Microscopy: Vergrößert biologisches Gewebe physikalisch durch ein Polymernetz; ermöglicht hohe Auflösung mit konventioneller Lichtmikroskopie.
• MRI / Diffusion Tensor Imaging: Makroskopisch (mm-Auflösung); für menschliche Studien nicht-invasiv.
• Magnetspektroskopische und chemische Verfahren: zur Erfassung von Neurotransmitter- und Rezeptorzuständen, die das Konnektom allein nicht abbildet.
• KI-gestützte Segmentierungs- und Proofreading-Modelle: Werkzeuge wie PATHFINDER (Januszewski u. a., Google Research / HHMI Janelia, Mai 2025) und MoGen (Januszewski/Rieger, Google Research, ICLR 2026) verknüpfen KI-erkannte Neuriten-Fragmente zu vollständigen Neuronen und senken Rekonstruktionsfehler; nach Angaben der Autoren spart eine Fehlerreduktion von 4,4 Prozent bei Anwendung auf ein komplettes Mausgehirn rund 157 Personenjahre manueller Korrekturarbeit – der bislang ratenbegrenzende Schritt der Konnektom-Rekonstruktion.

Interpretation und Modellierung

Aus den Rohdaten wird ein rechentechnisch exekutierbares Modell konstruiert. Drei Hauptansätze:

• Point-Neuron-Modelle (Hodgkin-Huxley, Izhikevich): mathematisch sparsam, biologisch reduziert.
• Multi-Compartment-Modelle (NEURON, GENESIS): detailreichere Modellierung dendritischer Berechnung; Standard im Blue Brain Project.
• Connectome-konditionierte Modelle: ableitung der dynamischen Eigenschaften aus dem Konnektom plus generischen biophysikalischen Annahmen; Standard etwa bei FlyWire-basierten Simulationen.

Die zentrale Streitfrage lautet, ob das Konnektom – also die statische Verschaltungstopologie – eine hinreichende Datengrundlage darstellt oder ob zusätzlich neuromodulatorische, glia-, blutfluss- und genexpressive Variablen miterfasst werden müssen.

Simulation

Die Simulation des Modells erfordert je nach Auflösung erhebliche Rechenleistung. Klassische Schätzungen liegen für ein menschliches Gehirn zwischen 10¹⁵ und 10²⁵ FLOPS – Bereiche, die aktuelle Exascale-Systeme (Frontier 2022, El Capitan 2024) im unteren Bereich erreichen, deren biologische Realitätsnähe aber umstritten ist.

Neuromorphe Architekturen (SpiNNaker, Intel Loihi 2, IBM TrueNorth) versuchen, die Energieeffizienz biologischer Verarbeitung in Hardware nachzubilden.

Konkrete Projekte und Meilensteine

OpenWorm (C. elegans)

Seit 2011 koordiniert das OpenWorm-Projekt die Vollemulation des Fadenwurms Caenorhabditis elegans, dessen 302-Neuronen-Konnektom 1986 von John White u. a. erstmals vollständig kartiert wurde (überarbeitete Version: Cook u. a. 2019). Trotz der minimalen Komplexität hat OpenWorm bisher nur funktionale Teilemulationen, keine vollständige Verhaltensemulation erreicht.

Blue Brain Project

Das 2005 von Henry Markram an der EPFL Lausanne gegründete Blue Brain Project zielte ursprünglich auf eine biophysikalisch detaillierte Vollemulation des Nagetier-Neocortex.

Es lieferte hochauflösende Modelle einzelner kortikaler Mikroschaltkreise (etwa die Veröffentlichung Reconstruction and Simulation of Neocortical Microcircuitry in Cell 2015 mit 31.000 Neuronen). Das Projekt wurde 2024 nach 19 Jahren beendet, nachdem die Vollemulation eines Mäusehirns nicht erreicht worden war.

Human Brain Project

Das EU-finanzierte Human Brain Project (2013–2023, Budget rund 1 Mrd. €) verfolgte ursprünglich eine WBE-ähnliche Vision, wurde nach erheblicher wissenschaftlicher Kritik (offener Brief 2014) jedoch in mehrere thematische Subprojekte (Neuroinformatik, neuromorphes Computing, EBRAINS-Forschungsinfrastruktur) umgegliedert. Es verzichtete in seiner Schlussphase explizit auf das WBE-Ziel.

FlyWire (FAFB)

Das FlyWire-Konsortium um Sebastian Seung (Princeton) und Mala Murthy publizierte im Oktober 2024 in Nature das vollständige Konnektom eines adulten Drosophila-Gehirns: 139.255 Neuronen, über 50 Millionen chemische Synapsen.

Grundlage war ein 2018 von Davi Bock u. a. (HHMI Janelia) am vollständigen weiblichen Drosophila-Hirn erzeugter EM-Datensatz; die Korrektur (“proofreading”) der KI-basierten Segmentierung erfolgte verteilt durch 127 Institutionen mit insgesamt rund 33 Personenjahren manueller Arbeit.

Im selben Nature-Heft veröffentlichten Philip Shiu, Gabriella Sterne, Kristin Scott u. a. die erste computationale Vollhirn-Simulation: ein Modell auf Basis des FlyWire-Konnektoms, das auf einem Laptop läuft und neuronale Aktivierungsmuster bei Geschmacks- und Berührungsreizen mit etwa 95 Prozent Genauigkeit vorhersagt.

ZAPBench (Zebrafisch)

Im März 2025 veröffentlichte ein Team um Jan-Matthis Lueckmann (Google Research, in Kooperation mit HHMI Janelia, Harvard University und weiteren Partnern) den Zebrafish Activity Prediction Benchmark (ZAPBench, vorgestellt auf der ICLR 2025): einen Datensatz zellulär aufgelöster Ganzhirn-Aktivität eines sechs Tage alten Zebrafisch-Larven mit rund 71.700 erfassten Neuronen – die bislang umfassendste simultane funktionale Erfassung eines vollständigen Wirbeltiergehirns.

Ein begleitendes strukturelles Konnektom desselben Tieres befindet sich in Arbeit; ZAPBench dient als Benchmark für Modelle, die neuronale Aktivität aus struktureller und funktionaler Information vorhersagen sollen.

Eon Systems (2026)

Im März 2026 publizierte das von Alex Wissner-Gross mitgegründete Unternehmen Eon Systems die nach eigenen Angaben erste embodied Vollhirn-Emulation: Das FlyWire-basierte Modell wurde mit dem NeuroMechFly v2-Körpermodell und dem Physik-Engine MuJoCo gekoppelt und reproduzierte mehrere natürliche Verhaltensweisen einer Fruchtfliege in einer simulierten Umgebung. Damit ist die Schleife von Sensorik über neuronale Verarbeitung zu motorischer Ausführung erstmals für ein vollständiges Hirn geschlossen.

Größenordnungsvergleich

Zur Einordnung der Skalensprünge:

Wissenschaftliche und epistemische Streitpunkte

Konnektom-Suffizienz

Die zentrale wissenschaftliche Kontroverse: Genügt das Konnektom als Datengrundlage für WBE, oder müssen biochemische, neuromodulatorische, glia- und genexpressive Zustände miterfasst werden?

Vertreter der Sufficiency Thesis (Sebastian Seung, Sandberg) argumentieren, dass die statische Verschaltung in Verbindung mit generischen biophysikalischen Annahmen ausreiche; Kritiker (Markram, João Pedro Magalhães, Eve Marder) verweisen auf den durch Modulation bewirkten Funktionswandel identischer Schaltkreise.

Skalierungslücken

Selbst bei optimistischer Konnektom-Suffizienz besteht eine Skalierungslücke von rund sechs Größenordnungen zwischen Fliege und Mensch. Diese Lücke ist nicht nur quantitativer, sondern auch qualitativer Natur: höhere kognitive Funktionen, Bewusstsein und Selbstmodelle sind möglicherweise an Architektureigenschaften gebunden, die in Insektenmodellen nicht auftreten.

Validierungsproblem

Ein zentrales methodologisches Problem: Wie ließe sich eine erfolgreiche WBE validieren? Verhaltensreplikation prüft funktionale Äquivalenz, nicht innere Zustände. Die fading qualia-Argumentation von David Chalmers bietet einen philosophischen, aber keinen empirischen Validierungsweg.

Bewusstseinsfrage

Die WBE-Roadmap hält die Frage, ob eine Emulation Bewusstsein besitze, ausdrücklich für unentscheidbar. Aus Sicht funktionalistischer Bewusstseinstheorien wäre Bewusstsein bei hinreichend genauer Emulation gegeben; aus Sicht biologisch-naturalistischer Theorien (Searle) oder integrierter Informationstheorien (Tononi) ist dies offen oder zu bezweifeln.

Kritik

Wissenschaftliche Kritik

• Reduktionismus-Vorwurf: WBE setze ein computationales Modell des Gehirns voraus, das die Komplexität biologischer Berechnung unterschätze.
• Datengrundlagenkritik: Selbst hochauflösende Konnektome erfassten nicht alle emulationsrelevanten Eigenschaften.
• Ressourcenkritik: Die WBE-Forschung absorbiere Mittel, die in andere neurowissenschaftliche Programme produktiver investiert wären (Argument im Streit um das Human Brain Project 2014).

Philosophische Kritik

Die identitätsphilosophischen und bewusstseinsphilosophischen Einwände (Searle, Penrose, Olson, Williams) treffen WBE nur insoweit, als sie die Identitäts- oder Bewusstseinsbehauptung mitführt – als rein wissenschaftliches Programm ist WBE von diesen Einwänden weniger betroffen.

Kulturkritische und ideologiekritische Einwände

In ihrer transhumanistisch-ideologischen Lesart wird WBE – wie auch Mind Uploading – als Bestandteil des in der ideologiekritischen Forschung TESCREAL genannten Diskursbundles analysiert (Gebru/Torres 2024). Die wissenschaftliche WBE-Forschung selbst hat sich in den letzten zehn Jahren zunehmend von diesen Kontexten distanziert.

Verbindungen und Anwendungspotenziale

Unabhängig von Mind-Uploading-Erwartungen wird WBE für mehrere wissenschaftlich-medizinische Anwendungsfelder diskutiert:

• Neuropharmakologie: Test pharmakologischer Wirkungen auf simulierten Schaltkreisen.
• Verständnis psychiatrischer Störungen: Modellierung pathologischer Aktivierungsmuster (Schizophrenie, Depression).
• Computational Neuroscience: Theoriebildung über Wahrnehmungs-, Lern- und Entscheidungsprozesse.
• KI-Forschung: Brain-inspired AI nutzt WBE-Erkenntnisse zur Architektur neuronaler Netze.
• Kryonik: Als hypothetische Fernzielperspektive für brain preservation-Verfahren (Brain Preservation Prize 2018).

Verwandte Begriffe

• Konnektomik – methodische Grundlagendisziplin
• Substrat-Unabhängigkeit – bewusstseinsphilosophische Voraussetzung für WBE-basierte Identitätsbehauptungen
• Brain-Computer Interface – verwandte Technologie ohne Emulationsanspruch
• Em (Brain Emulation) – Robin Hansons sozialökonomische Modellierungseinheit
• Posthumanismus – theoretische Reflexion entkörperlichter Existenz

Quellenangaben

1. Bostrom, Nick, 2014. Superintelligence: Paths, Dangers, Strategies.
2. Carboncopies Foundation (2014ff.): WBE Roadmap Update. carboncopies.org.
3. Chalmers, David J. (1995): Absent Qualia, Fading Qualia, Dancing Qualia. In: Metzinger, Thomas (Hrsg.): Conscious Experience. Schöningh: Paderborn, S. 309–328.
4. Cook, Steven J. u. a. (2019): Whole-Animal Connectomes of Both Caenorhabditis elegans Sexes. In: Nature 571 (7763), S. 63–71. DOI: 10.1038/s41586-019-1352-7.
5. Dorkenwald, Sven u. a. (2024): Neuronal Wiring Diagram of an Adult Brain. In: Nature 634 (8032), S. 124–138. DOI: 10.1038/s41586-024-07558-y.
6. Gebru, Timnit / Torres, Émile P., 2024. The TESCREAL Bundle: Eugenics and the Promise of Utopia through Artificial General Intelligence. In: First Monday 29 (4). DOI: 10.5210/fm.v29i4.13636.
7. Hanson, Robin, 2016. The Age of Em: Work, Love, and Life when Robots Rule the Earth.
8. Januszewski, Michał u. a. (2025): Accelerating Neuron Reconstruction with PATHFINDER. bioRxiv preprint, 16. Mai 2025. DOI: 10.1101/2025.05.16.654254.
9. Januszewski, Michał / Rieger, Franz (2026): AI-Generated Synthetic Neurons Speed Up Brain Mapping (MoGen). Google Research Blog, 16. April 2026. https://research.google/blog/ai-generated-synthetic-neurons-speed-up-brain-mapping/
10. Lueckmann, Jan-Matthis u. a. (2025): ZAPBench: A Benchmark for Whole-Brain Activity Prediction in Zebrafish. arXiv:2503.02618, 4. März 2025 (ICLR 2025).
11. Markram, Henry u. a. (2015): Reconstruction and Simulation of Neocortical Microcircuitry. In: Cell 163 (2), S. 456–492.
12. Markram, Henry (2006): The Blue Brain Project. In: Nature Reviews Neuroscience 7 (2), S. 153–160.
13. MICrONS Consortium (2025): Functional Connectomics Spanning Multiple Areas of Mouse Visual Cortex. In: Nature 640 (8058), S. 435–447. DOI: 10.1038/s41586-025-08790-w.
14. Open Letter to the European Commission (2014): Concerning the Human Brain Project. unterzeichnet von 800+ Neurowissenschaftlern, 7. Juli 2014.
15. Pospisil, Dean A. u. a. (2024): The Fly Connectome Reveals a Path to the Effectome. In: Nature 634 (8032), S. 201–209. DOI: 10.1038/s41586-024-07982-0.
16. Sandberg, Anders / Bostrom, Nick, 2008. Whole Brain Emulation: A Roadmap. Future of Humanity Institute, Oxford University, Technical Report 2008-3.
17. Schlegel, Philipp u. a. (2024): Whole-Brain Annotation and Multi-Connectome Cell Typing of Drosophila. In: Nature 634 (8032), S. 139–152.
18. Searle, John R., 1980. Minds, Brains, and Programs. In: Behavioral and Brain Sciences 3 (3), S. 417–457. DOI: 10.1017/S0140525X00005756.
19. Shiu, Philip K. u. a. (2024): A Drosophila Computational Brain Model Reveals Sensorimotor Processing. In: Nature 634 (8032), S. 210–219. DOI: 10.1038/s41586-024-07763-9.
20. White, John G. u. a. (1986): The Structure of the Nervous System of the Nematode Caenorhabditis elegans. In: Philosophical Transactions of the Royal Society B 314 (1165), S. 1–340.
21. Zheng, Zhihao u. a. (2018): A Complete Electron Microscopy Volume of the Brain of Adult Drosophila melanogaster. In: Cell 174 (3), S. 730–743.

← Zurück zur Lexikon-Übersicht