Das Mooresche Gesetz ist am Ende. Intel und Nvidia sagen das mittlerweile offen. Die kleinste Strukturgröße liegt bei 2 Nanometern. Noch kleiner geht nicht. Tunneleffekte machen weitere Verkleinerung unmöglich. Gleichzeitig verbraucht Open AI alleine so viel Strom wie eine Großstadt. Es braucht einen völlig neuen Ansatz. Dieser Ansatz heißt photonische Chips. Prof. Dr. Mario Chemnitz forscht genau an dieser Technologie. Im exklusiven Interview erklärt er, warum Licht die Zukunft der KI ist und wann photonische Prozessoren GPUs ablösen werden.
Wer ist Prof. Mario Chemnitz?
Mario Chemnitz ist Juniorprofessor für Intelligente Photonische Systeme an der Friedrich-Schiller-Universität Jena. Gleichzeitig leitet er die Forschungsgruppe Smart Photonics am Leibniz-Institut für Photonische Technologien.
Seine akademische Laufbahn führte ihn von Jena über Cambridge nach Montréal. In Kanada forschte er mit dem renommierten Banting Fellowship am Institut National de la Recherche Scientifique. 2022 kehrte er nach Jena zurück.
Im November 2025 erhielt er das WE Heraeus Research Fellowship. Diese Auszeichnung würdigt junge Forscher, die der Physik neue Impulse geben. Chemnitz arbeitet daran, das Rechnen auf eine völlig neue Grundlage zu stellen. Nicht mit elektrischen Strömen. Sondern mit Licht.
Das Problem mit GPUs
Im Interview erklärt Chemnitz das fundamentale Problem. GPUs sind für neuronale Netzwerke eigentlich ungeeignet.
„Neuronale Netzwerke sind sehr analoge Modelle", sagt er. „Es geht viel um Multiplikation, viel um Summation von Gleitkommazahlen. Das in digitale Arithmetik auszudrücken ist sehr energieaufwendig."
Die Zahlen sind erschreckend. Eine einzelne GPU frisst mehrere hundert Watt. In einem Rechenzentrum stecken zehntausende Chips. Das Modell Grok 3 brauchte 100.000 GPUs für das Training. Der Energieverbrauch liegt im Megawatt-Bereich pro Stunde.
Sam Altman selbst sagt: Das größte Problem für KI ist nicht Geld. Es sind auch nicht die Chips. Es ist Elektrizität.
Das Mooresche Gesetz ist Geschichte
Chemnitz spricht aus, was viele noch nicht wissen. Das Mooresche Gesetz gilt nicht mehr.
„Das Mooresche Gesetz selber ist eigentlich am Ende. Das wissen auch die Elektroniker. Das sagt auch Intel und Nvidia ziemlich offen inzwischen."
Die physikalischen Grenzen sind erreicht. Bei 2 Nanometern Strukturgröße treten Quanteneffekte auf. Elektronen tunneln durch Barrieren. Die thermische Last wird zu hoch. Fehler lassen sich nicht mehr korrigieren.
„Wir leben aktuell eigentlich in einer sehr spannenden Zeit", erklärt Chemnitz. „Wir erleben das Ende einer hochgradig skalierbaren Technologie mit. Und wir suchen händeringend nach Alternativen."
Was sind photonische Chips?
Die Alternative heißt photonische Chips. Im Interview erklärt Chemnitz das Konzept.
„Unsere Vision sind tatsächlich Computerchips. Ähnlich den elektronischen Computerchips. Aber die funktionalen Elemente sind etwas anders."
Statt elektrischer Leiterbahnen gibt es Lichtwellenleiter. Statt Transistoren gibt es Mikroresonatoren und Modulatoren. Diese Elemente verstärken Lichtwellen oder verschieben deren Phase.
Chemnitz nutzt ein anschauliches Beispiel. Er verweist auf die Szene aus Jurassic Park. Der T-Rex läuft vorbei. Im Wasserglas entsteht eine Welle. „Das ist tatsächlich so eine Art Eigenmode des Kaffeebechers", erklärt er. Ähnliche modale Elemente können mit Licht fundamentale Operationen ausführen.
Die Stromquelle ist ein integrierter Laser. Statt elektronischer Signalabtaster gibt es Fotodetektoren. Alles sitzt auf zentimetergroßen Chips.
Wer tiefer in die technischen Grundlagen einsteigen möchte, findet in unserem Artikel über photonische Chips als Zukunft der KI weitere Details.
Der Energievorteil: Faktor 1000
Der größte Vorteil liegt beim Energieverbrauch. Chemnitz erklärt warum.
„Mathematische Operationen wie eine Multiplikation oder eine Faltung kann Licht passiv durchführen. Das bedeutet ohne, dass eine Prozessorplattform mit Strom betrieben werden muss."
Die Lichtwelle bewegt sich durch ein optisches Medium. Dabei multipliziert sie bereits Gewichte. Sie faltet das Signal in eine bestimmte Richtung. Alles geschieht mit Lichtgeschwindigkeit. Ohne zusätzlichen Stromverbrauch.
„Dadurch können diese Schlüsseloperationen für neuronale Netze bis zu Faktor 1000 energieeffizienter durchgeführt werden", sagt Chemnitz. „Wir reden hier nicht von Picojoule pro Operation wie in der Elektronik. Wir reden von Femtojoule."
Das bedeutet: 15 Nullen weniger beim Energieverbrauch pro Rechenoperation.
Licht skaliert anders
Ein weiterer Vorteil betrifft die Skalierbarkeit. Photonische Chips verhalten sich thermisch besser als elektronische. Das eröffnet neue Möglichkeiten.
„Man kann nun zum Beispiel den Chip nicht mehr nur zweidimensional bauen", erklärt Chemnitz. „Weil es deutlich thermisch weniger Aufwand ist, kann man nun sogar anfangen, die Chips übereinander zu packen."
Der Prozessor der Zukunft sieht vielleicht aus wie ein Zuckerwürfel. Dreidimensional statt flach. Microsoft arbeitet bereits an genau solchen räumlichen Strukturen. Ein Paper aus 2025 zeigt einen 3D-photonischen KI-Beschleuniger.
Warum Elon Musk recht hat
Im Interview geht Chemnitz auf eine Aussage von Elon Musk ein. Der Tesla-Chef twitterte: „Auf langfristige Sicht werden über 99% des Inputs und Outputs von KI-Modellen Photonen sein. Nichts anderes wird skalieren."
Chemnitz stimmt zu. „Er hat recht", sagt er. Der Grund liegt in der Physik.
Elektronen können durch einen Leiter nur als Einzelsignal propagieren. Bei Licht ist das anders. Ein einzelner Lichtleiter kann hunderte verschiedener Farben transportieren. Er kann hunderte verschiedener räumlicher Ausprägungen übertragen.
„All diese einzelnen Moden lassen sich mit jedem Jahr schneller und kontrollierter modulieren", erklärt Chemnitz. „Das heißt, durch ein einzelnes Lichtleitkabel kriegen wir Informationsvolumen, was sich exponentiell skalieren lässt."
Die Forscher arbeiten bereits an einem Mooreschen Gesetz für die Optik. Auch dieses wird irgendwann an Grenzen stoßen. Aber der Spielraum ist noch enorm.
Die größte Herausforderung: Speicher
Photonische Chips haben ein Problem. Licht ist flüchtig. Man kann es nicht einfach in einem Glas einfangen.
„Ein Laserpuls ist in Lichtgeschwindigkeit da hinten und dann auch bald wieder weg", erklärt Chemnitz. „Die Information, die ich auf Licht aufpräge, ist immer volatil. Sie kann im Medium nur sehr schwer festgehalten werden."
Das ist das Bottleneck der Photonik. Aber die Forschung macht Fortschritte.
Chemnitz nennt zwei Lösungsansätze. Erstens: Holographische Speichermedien erleben eine Wiedergeburt. Zweitens: Phase Change Materials können ihren Brechungsindex ändern. Diese Materialien reagieren auf Lichtintensität. Sie können Information lokal festhalten und dynamisch abrufen.
„Kollegen haben gezeigt, dass man ein Petabyte in einem sehr kleinen Würfel speichern kann", berichtet er. „Und wieder abrufen kann durch Lichtwellen."
Der Schulterschluss ist erreicht
Chemnitz verwendet einen interessanten Begriff: Schulterschluss. Damit meint er den Moment, in dem photonische Prozessoren mit elektronischen gleichziehen.
„Wir haben gezeigt, dass photonische Prozessoren ähnlich performen können wie die Elektronik", sagt er. „Das finde ich schon sehr spannend."
Das Unternehmen Lightmatter aus den USA hat diesen Beweis erbracht. Ihre photonischen Prozessoren erreichen bei bestimmten KI-Aufgaben die gleiche Effizienz wie Top-Nvidia-Grafikkarten. Bei ähnlicher Genauigkeit.
Im April 2025 bestätigte eine Studie in Nature: Der Photonik-Prozessor ist dreimal schneller und zehnmal energieeffizienter als ein Nvidia A100. Die Performance entspricht dem Nachfolger H100.
Wann kommen photonische GPUs?
Die entscheidende Frage: Wann werden photonische Chips GPUs ersetzen? Chemnitz wagt eine Prognose.
„Wir werden die ersten Serienmodelle von optischen KI-Beschleunigern wahrscheinlich in weniger als 10 Jahren sehen."
Mehrere Faktoren beschleunigen die Entwicklung. Erstens: Der Schulterschluss ist erreicht. Zweitens: Rechenzentren tauschen bereits Interconnects aus. Statt elektronischer Brücken kommen photonische Verbindungen zum Einsatz. Drittens: Google und Microsoft treiben eigene Entwicklungsprojekte voran. Viertens: Die optische Modulationstechnologie verbessert sich rasant.
Mikrospiegelarrays und räumliche Phasenmodulatoren skalieren inzwischen zu Millionen Parametern. Die Peripherie wird immer leistungsfähiger.
Deutsche Unternehmen an der Spitze
Deutschland spielt bei photonischen Chips eine wichtige Rolle. Chemnitz nennt zwei Unternehmen.
Q.ANT aus Stuttgart hat den ersten funktionalen photonischen Rechenserver nach Jülich geliefert. Das war eine Überraschung für Chemnitz selbst. Deutschland erreicht bereits System Readiness. Photonische Technologien sind für alltägliche KI-Geschäfte einsetzbar.
Das zweite Unternehmen heißt Aketonics. Das Gründungsteam stammt aus Berlin und München. Ihre Vision geht noch weiter. Sie wollen keine KI-Beschleuniger bauen. Sie wollen eine komplette digitale Rechenarchitektur mit Licht nachbauen. Quasi einen Nvidia-Chip nur mit Photonen.
„Das ist ein unglaublich mutiges Unterfangen", sagt Chemnitz.
Das Förderproblem in Deutschland
Im Interview spricht Chemnitz auch eine bittere Pille an. Deutsche Forschung hängt stark von finanzieller Förderung ab. Venture Capital ist rar.
„Bei uns kommen nicht die großen Milliardäre an und sagen: Okay, deine Forschungsrichtung finde ich schön, ich mache jetzt eine Stiftung auf."
Die aktuelle Hightech-Agenda setzt auf Quantentechnologien und Mikroelektronik. Beides wichtige Zukunftsfelder. Aber neuromorphe Photonik droht in Vergessenheit zu geraten.
Dabei wäre gerade Deutschland prädestiniert. Die Kilowattstunde kostet hier doppelt so viel wie in den USA. Große Rechenzentren werden teuer. Photonische Chips könnten diesen Nachteil ausgleichen.
„Wir sollten anfangen, in alternative Richtungen zu denken", fordert Chemnitz. „Etwas mutiger werden. Experimentellere Wege gehen."
Mehr als nur effizientere Chips
Am Ende des Gesprächs wird Chemnitz visionär. Photonische Chips können mehr als nur Energie sparen. Sie könnten die KI-Architektur grundlegend verändern.
„Die aktuellen KI-Modelle basieren auf der einfachsten Simulation eines Neurons", erklärt er. „Aber Neurowissenschaftler wissen, dass das nur eine starke Vereinfachung ist."
Echte Neuronen sind viel komplexer. Die Signalverarbeitung auf Membranwänden übertrifft jedes künstliche Modell. Das liegt auch daran, dass die Modelle auf alte Hardware ausgelegt wurden.
Licht bietet neue Möglichkeiten. Elektromagnetische Wellen tragen nicht nur Amplitude. Sie tragen auch Phase. Das ist ein viel größerer Informationsraum.
„Ich habe die Hoffnung, dass wir zu einem optischen Modell eines künstlichen Neurons kommen", sagt Chemnitz. „Wo schon das einzelne Neuron deutlich komplexere Aufgaben abdecken kann."
Das bedeutet im Umkehrschluss: Photonische Chips machen KI nicht nur effizienter. Sie könnten sie auch intelligenter machen. Vielleicht sogar den Weg zur Superintelligenz beschleunigen.
Fazit
Photonische Chips sind keine ferne Zukunft mehr. Der Schulterschluss mit elektronischen Prozessoren ist erreicht. Deutsche Unternehmen wie Q.ANT liefern bereits funktionale Systeme. Die großen Tech-Konzerne investieren massiv.
Prof. Mario Chemnitz bringt es auf den Punkt: Das Mooresche Gesetz ist am Ende. Die Energiekosten explodieren. Licht bietet einen Ausweg. Es rechnet passiv. Es skaliert exponentiell. Es ermöglicht dreidimensionale Architekturen.
In weniger als zehn Jahren werden wir die ersten Serien-Modelle sehen. Für Deutschland wäre das eine Chance. Die hohen Strompreise machen klassische Rechenzentren teuer. Photonische Technologie könnte diesen Nachteil in einen Vorteil verwandeln.
Die Forschung in Jena, Heidelberg, Ilmenau und Stuttgart arbeitet daran. Was fehlt, ist mehr Mut bei der Förderung. Und mehr Aufmerksamkeit für ein Thema, das aktuell noch kaum jemand auf dem Radar hat.
.png)
.webp)
.webp)
.png)
%20(1).png)
.png)
.webp)
.webp)
.webp)
