Die Fliege im Computer

Eine winzige Fliege läuft über eine glatte Fläche, reibt die Vorderbeine, putzt ihre Antennen und streckt den Rüssel nach Zuckerwasser aus. Nichts daran wäre bemerkenswert, gäbe es die Fliege wirklich. Doch sie lebt in einem Computer. Im März 2026 stellte das US-Unternehmen Eon Systems eine nach eigenen Angaben weltweit erste verkörperte Ganzhirn-Emulation eines Tiers vor: eine digitale Fruchtfliege, deren simuliertes Gehirn einen virtuellen Körper steuert, erstaunlich naturgetreu und ganz ohne KI-Training im herkömmlichen Sinn.¹² Um zu verstehen, warum das ein wissenschaftlicher Meilenstein ist, muss man einen Schritt zurückgehen, zu einer Karte.

Warum ausgerechnet die Fruchtfliege?

Dass dieser Durchbruch bei einer Fruchtfliege gelingt, ist kein Zufall. Drosophila melanogaster ist seit über hundert Jahren das Arbeitspferd der Genetik. Der Biologe Thomas Hunt Morgan machte die Fliege Anfang des 20. Jahrhunderts zum Modell der Vererbungslehre, und seither ist sie aus der Forschung nicht mehr wegzudenken. Mehrere Nobelpreise gehen auf Arbeiten mit ihr zurück.

Die Gründe sind praktischer Natur. Die Fliege ist winzig, billig zu halten und vermehrt sich rasant, eine neue Generation alle zwei Wochen. Ihr Erbgut umfasst rund 14.000 Gene, überschaubar genug, um es vollständig zu untersuchen, und dennoch erstaunlich nah am menschlichen. Genau diese Mischung aus Einfachheit und Verwandtschaft macht sie zum idealen ersten Kandidaten für ein vollständiges Connectome: klein genug, um machbar zu sein, komplex genug, um relevant zu sein.

Was ist ein Connectome, und warum ist es so schwer?

Ein Connectome ist der vollständige Schaltplan eines Gehirns: eine Karte, die jede einzelne Nervenzelle und jede ihrer Verbindungen zu anderen Zellen verzeichnet. Für ein menschliches Gehirn mit rund 86 Milliarden Neuronen ist das bis heute utopisch. Für die Fruchtfliege Drosophila melanogaster, deren Gehirn kleiner ist als ein Mohnkorn, gelang es zum ersten Mal vollständig.

Im Oktober 2024 veröffentlichte das internationale Konsortium FlyWire in Nature den kompletten Schaltplan eines erwachsenen Fliegenhirns, als Paket von neun wissenschaftlichen Arbeiten.³ Der Weg dorthin war eine Kärrnerarbeit. Das winzige Gehirn wurde in rund 7.000 hauchdünne Scheiben geschnitten und mit dem Elektronenmikroskop fotografiert. Aus diesen Bildern rekonstruierte eine Künstliche Intelligenz die dreidimensionale Form jeder Zelle. Das Ergebnis: 139.255 Nervenzellen, verbunden durch über 54 Millionen Synapsen, sortiert in 8.453 verschiedene Zelltypen. Es ist die vollständigste Hirnkarte eines Lebewesens, die es je gab.

Bemerkenswert ist, dass KI diese Arbeit zwar möglich, aber nicht allein gemacht hat. Die Algorithmen liefern eine Rohkarte, die noch Fehler enthält. Erst die geduldige Nachkontrolle von Hand machte den Schaltplan belastbar. Über 200 Fachleute aus rund 50 Laboren, angeführt von einem Team der Princeton University, prüften und annotierten das Ergebnis, unterstützt von Hunderten Freiwilligen weltweit. Ein Teil dieser Korrekturarbeit lief sogar als Bürgerwissenschaft: Über ein Online-Spiel halfen Menschen ohne Fachausbildung mit, die einzelnen Nervenbahnen richtig zusammenzusetzen. So wurde die Rekonstruktion über Jahre hinweg Zelle für Zelle verlässlich gemacht.

Ohne KI wäre diese Rekonstruktion praktisch nicht zu bewältigen gewesen; ohne die menschliche Prüfung wäre sie nicht verlässlich. Genau dieses Zusammenspiel, Maschine als Kartograf, Mensch als Korrektor, ist ein Muster, das weit über die Neurobiologie hinausreicht. Es ist dasselbe Prinzip, das gute KI-Projekte in Unternehmen auszeichnet: Die Maschine erschließt eine Menge, die kein Mensch mehr überblickt, und der Mensch sorgt dafür, dass am Ende etwas Korrektes und Nutzbares steht.

Warum funktioniert die Fliege ohne KI-Training?

Hier liegt der eigentliche Bruch mit dem, was man von KI kennt. Ein heutiges neuronales Netz, etwa hinter einem Sprachmodell, wird aus riesigen Datenmengen trainiert, bis es ein gewünschtes Verhalten zeigt. Seine innere Verdrahtung ist gelernt, nicht abgeschaut. Man weiß am Ende, dass es funktioniert, aber nur selten genau, warum.

Die Fliegen-Emulation dreht dieses Prinzip um. Sie lernt nichts. Stattdessen übernimmt sie die real vermessene Verdrahtung aus dem FlyWire-Connectome und lässt sie rechnen. Das Verhalten entsteht nicht aus einem Trainingsprozess, sondern aus dem nachgebauten Schaltplan selbst. Genau das meint die Formulierung „Gehirn-Emulation ohne KI-Training”: Nicht ein Modell wird auf ein Ziel hin optimiert, sondern die Natur wird eins zu eins nachgebaut und eingeschaltet.

Eon Systems verband dieses digitale Gehirn mit einem physikbasiert simulierten Insektenkörper in der Physik-Engine MuJoCo, samt fortlaufender Rückmeldung zwischen Sinnen und Bewegung.¹ Wenn die Sensoren der Antennen „Staub” melden, putzt sich die Fliege. Schmeckt sie Zucker, fährt der Rüssel aus. Das Erstaunliche: Schon mit einem der einfachsten Neuronenmodelle erreichte das Team eine Verhaltensgenauigkeit von etwa 91 bis 95 Prozent im Vergleich zum echten Tier.² Der Schaltplan allein trägt also einen Großteil des Verhaltens, noch bevor man die Feinheiten einzelner Zellen überhaupt berücksichtigt.

Was heißt hier eigentlich Emulation?

Der Gedanke, ein Gehirn vollständig im Computer nachzubilden, ist nicht neu. Unter dem Stichwort Whole Brain Emulation wird er in der theoretischen Neurowissenschaft seit Jahren diskutiert: Wenn man die Struktur eines Gehirns genau genug kennt und ausreichend Rechenkraft hat, sollte sich sein Verhalten nachbilden lassen. Lange blieb das ein Gedankenexperiment, weil schlicht die Karte fehlte. Mit dem FlyWire-Connectome liegt sie für ein erstes, kleines Gehirn nun vor.

Wichtig ist die Unterscheidung zwischen zwei Wörtern, die oft verwechselt werden. Eine Simulation bildet einen Vorgang näherungsweise nach, oft mit vereinfachten Annahmen. Eine Emulation versucht, das Original so genau nachzubauen, dass es sich in relevanter Hinsicht gleich verhält. Die digitale Fliege ist deshalb ambitionierter als ein gewöhnliches Modell: Sie will nicht ungefähr fliegen-artig wirken, sondern die konkrete Fliege abbilden, deren Gehirn tatsächlich vermessen wurde. Dass das mit einem einfachen Neuronenmodell schon zu über neunzig Prozent gelingt, ist genau deshalb bemerkenswert.

Was kann die digitale Fliege wirklich?

Man sollte die Erwartungen richtig einordnen. Die virtuelle Fliege ist kein Lebewesen und kein Bewusstsein, sondern ein Modell, das Bewegungen und einfache Reaktionen erzeugt. Aber es ist ein verkörpertes Modell: Das Gehirn steuert nicht abstrakte Zahlen, sondern einen Körper, der in einer simulierten Welt mit Schwerkraft, Reibung und Sinnesreizen agiert. Der digitale Zwilling läuft, hält die Balance, reagiert auf Reize seiner Umgebung. Damit lässt sich zum ersten Mal beobachten, wie aus einer vollständig bekannten Verdrahtung sichtbares Verhalten wird, ein geschlossener Kreis von der einzelnen Synapse bis zur Beinbewegung.

Der praktische Wert liegt genau darin. Weil der Schaltplan vollständig bekannt ist, können Forschende gezielt Eingriffe durchspielen: Was passiert, wenn man bestimmte Zellen stummschaltet oder eine Verbindung verändert? Solche Experimente lassen sich im Modell in Minuten testen, wo sie am lebenden Tier aufwendig und begrenzt wären. Und weil der Körper mitsimuliert wird, sieht man nicht nur, welche Zellen feuern, sondern auch, welches Verhalten daraus folgt. Genau dieser Schritt, von der Verdrahtung zur sichtbaren Handlung, war bisher die große Lücke zwischen einer schönen Hirnkarte und echtem Verständnis.

Zugleich sind die Grenzen deutlich. Das Modell bildet eine einzelne, gesunde Fliege in einer vereinfachten Umwelt ab. Es lernt nicht dazu, altert nicht und kennt weder Hunger noch Erschöpfung im biologischen Sinn. Die digitale Fliege ist kein Ersatz für das lebende Tier, sondern ein Werkzeug, um Hypothesen zu prüfen, die man am Ende doch wieder im Labor bestätigen muss.

Wie ging es 2025 weiter?

Die Fliege blieb kein Einzelfall. Im Oktober 2025 stellte ein Team von HHMI Janelia, dem MRC Laboratory of Molecular Biology, der University of Cambridge und Google Research den kompletten Connectome des männlichen zentralen Nervensystems der Fruchtfliege vor, also von Gehirn und Bauchmark zusammen.⁴ Er umfasst 166.691 Neuronen und 11.691 Zelltypen. Erstmals konnten Forschende männliche und weibliche Fliegengehirne bis auf die Ebene einzelner Synapsen vergleichen und die Unterschiede zwischen den Geschlechtern präzise beschreiben.

Das ist mehr als eine Fleißaufgabe. Wenn man zwei vollständige Schaltpläne nebeneinanderlegt, lässt sich fragen, welche Schaltkreise für unterschiedliches Verhalten verantwortlich sind, etwa für das arttypische Balzverhalten der Männchen. Erst der Vergleich macht aus einer statischen Karte ein Werkzeug, mit dem sich Ursache und Wirkung im Nervensystem aufspüren lassen. Was mit einer einzelnen Karte begann, wird so zu einer Familie von Schaltplänen, die sich vergleichen und gegeneinander prüfen lassen, und jeder neue Plan erhöht den Wert der vorhandenen.

Was bringt uns eine Computerfliege?

Die kleine Fliege ist mehr als eine wissenschaftliche Spielerei. Ihr Nutzen reicht in drei sehr unterschiedliche Richtungen.

• Medizin. Rund 75 Prozent der menschlichen Krankheitsgene haben ein Pendant in der Fliege.⁵ Sie ist deshalb seit über hundert Jahren ein zentrales Modell der Genetik. Forschende nutzen sie unter anderem, um die genetischen Grundlagen von neurodegenerativen Erkrankungen wie Parkinson und Alzheimer oder von Epilepsie zu untersuchen. Ein vollständiger, funktionierender Schaltplan eröffnet nun die Chance, solche Fragen dort zu studieren, wo man alle Bausteine kennt: Man kann eine Veränderung im Modell setzen und beobachten, wie sie sich durch das ganze Netz fortpflanzt, statt nur einzelne Zellen isoliert zu betrachten.
• Künstliche Intelligenz. Heutige neuronale Netze sind stark vereinfachte Karikaturen echter Gehirne. Sie brauchen gewaltige Datenmengen zum Training und viel Energie im Betrieb. Der Connectome zeigt dagegen, wie die Natur ein leistungsfähiges Gehirn tatsächlich verdrahtet, sparsam, kompakt und dennoch vielseitig. Eine echte Fliege lernt aus wenigen Erfahrungen und verbraucht dabei kaum Energie. Der Schaltplan könnte deshalb ein Anstoß sein für KI-Architekturen, die mit weniger Daten und Strom auskommen, statt immer größer und hungriger zu werden.
• Robotik. Eine Fliege bewältigt mit rund 140.000 Neuronen Aufgaben, an denen heutige Maschinen scheitern: Sie fliegt, landet kopfüber auf wackligen Oberflächen und weicht Hindernissen in Sekundenbruchteilen aus, gesteuert von einem Gehirn, das kleiner ist als ein Sandkorn. Ein verstandenes, nachbaubares Fliegenhirn ist damit auch eine Blaupause für wendigere, genügsamere Roboter, die nicht auf riesige Rechenzentren angewiesen sind, sondern mit dem auskommen, was an Bord passt.

Was kommt als Nächstes?

So wie die Entzifferung des menschlichen Erbguts vor gut zwei Jahrzehnten eine neue Ära der Biologie einläutete, könnte die vollständige Kartierung und Emulation von Gehirnen der Anfang einer neuen Ära sein. Als nächstes Ziel nennt Eon Systems ein Mausgehirn mit rund 70 Millionen Neuronen, also etwa 560-mal größer als das der Fliege.²

Dieser Sprung ist gewaltig, und er verdeutlicht die eigentliche Herausforderung. Schon der Schritt von der Fliege zur Maus bedeutet hunderte Male mehr Nervenzellen, ungleich mehr Verbindungen und eine Kartierungsarbeit, die selbst mit besserer KI Jahre dauern wird. Das menschliche Gehirn ist noch einmal rund tausendmal größer als das der Maus. Der Weg zu einem menschlichen Connectome bleibt deshalb weit, und viele offene Fragen, von der schieren Rechenleistung bis zur philosophisch heiklen Frage, was Bewusstsein überhaupt ausmacht, sind ungelöst. Eine Emulation, die läuft, ist nicht dasselbe wie ein Wesen, das empfindet, und diese Unterscheidung wird die Debatte der kommenden Jahre prägen.

Für die eigene Arbeit mit KI lohnt hier ein zweiter Blick. Die Geschichte der digitalen Fliege ist nämlich nicht die Geschichte einer Maschine, die den Menschen überflüssig macht. Sie ist die Geschichte eines Werkzeugs, das eine Datenmenge erschließt, die kein Mensch mehr allein bewältigen könnte, und die erst durch menschliche Prüfung, biologisches Vorwissen und kluge Fragen zu Erkenntnis wird. KI kartiert, der Mensch versteht. Genau diese Aufgabenteilung entscheidet auch außerhalb des Labors darüber, ob aus beeindruckender Technik echter Nutzen wird.

Vorsicht ist deshalb ebenso angebracht wie Faszination. Ein vollständiger Schaltplan ist noch kein vollständiges Verständnis; er sagt, was verbunden ist, nicht, was es bedeutet. Doch die Richtung ist bemerkenswert. Wer das nächste Mal eine Fliege von der Marmelade verscheucht, verscheucht ein Wesen, dessen Gehirn die Wissenschaft gerade als erstes vollständig verstanden und zum Leben im Computer erweckt hat.