Die nächste KI-Hardware-Revolution findet nicht auf Silizium statt

In den letzten drei Jahren war die KI-Hardware-Story vor allem eine Silizium-Story. Bessere Transistoren. Mehr davon. Gestapelt zu größeren Dies. Verbunden durch schnellere Interconnects. NVIDIA lieferte die H100, dann die H200, dann Blackwell, dann Blackwell Ultra. Qualcomm, AMD und ein halbes Dutzend gut finanzierte Startups kämpften auf derselben Abstraktionsebene um Marktanteile. Alle stritten über Transistor­zahlen, Speicherbandbreite und HBM-Stacking.

Das Interessanteste, was in diesem Jahr in der KI-Hardware passiert ist, fand überhaupt nicht auf Silizium statt.

Im Mai 2026 hat ein Team der University of Pennsylvania unter Leitung des Physikers Bo Zhen ein Ergebnis veröffentlicht, das — wenn es skaliert — die Annahme sprengt, die unter all diesen Debatten liegt: dass die Zukunft des KI-Computings elektronisch ist.

Was sie tatsächlich gemacht haben

Das Paper in Physical Review Letters demonstriert rein optisches Schalten mit einem Quasiteilchen namens Exziton-Polariton. Die Erstautor­arbeit wurde von Li He geleistet.

Das Problem, das das Team gelöst hat, blockiert photonisches Computing seit Jahrzehnten. Photonen sind hervorragend im Transport-Teil des Computings: Sie bewegen Information schnell, weit und mit minimalem Energieverlust. Deshalb haben Glasfasern Kupfer für die Langstrecken­kommunikation abgelöst. Aber Photonen sind schlecht im Schalt-Teil. Sie sind ladungsneutral, interagieren also kaum mit ihrer Umgebung — und Computing braucht nichtlineare Interaktionen, Entscheidungs­punkte, Stellen, an denen ein Signal ein anderes verändert.

Genau deshalb hat jeder experimentelle photonische KI-Chip heute noch einen elektronischen Engpass. Licht übernimmt die Matrixmultiplikationen, aber wenn das System eine Entscheidung treffen muss — den nichtlinearen Aktivierungsschritt —, muss es zurück in Elektronen wandeln, die Rechnung in CMOS ausführen und wieder zurück in Licht. Diese Wandlung verbraucht den größten Teil der Energie. Und an dieser Stelle verschwindet der größte Geschwindigkeitsvorteil.

Die Erkenntnis des Penn-Teams: ein Exziton-Polariton zu nutzen — ein Hybrid-Quasiteilchen, das entsteht, wenn ein Photon stark an ein Elektron-Loch-Paar (ein Exziton) in einem atomar dünnen Halbleiter koppelt. Das Polariton erbt die Geschwindigkeit des Photons und die Wechselwirkungs­fähigkeit des Exzitons. Man bekommt ein Teilchen, das andere Teilchen schalten kann. Komplett in Licht.

Die gemessene Schaltenergie: ungefähr 4 Attojoule pro Operation. Ein Joule ist eine Wattsekunde; ein Attojoule sind 10⁻¹⁸ Joule. Zum Vergleich: Das ist weit weniger Energie, als nötig ist, um eine einzelne LED-Pixel einer Statusanzeige kurz aufblitzen zu lassen.

Das ist nicht einfach „weniger Strom". Das ist ein anderes Energie-Regime.

Warum das nicht einfach eine weitere Chip-Ankündigung ist

Es gab viele photonische KI-Chip-Ankündigungen. Lightmatter, Luminous, Lightelligence, Fathom Computing — alle versprechen photonische Beschleunigung auf der silizium-photonischen Ebene. Das ist interessant. Es ist trotzdem Silizium. Es nutzt weiterhin Transistoren für die Steuerlogik. Es sind elektronische Systeme mit einem photonischen Coprozessor.

Was das Penn-Ergebnis zeigt, ist etwas anderes: einen Pfad zu einer Berechnung, in der das Schalten selbst optisch ist. Keine Elektronen im Entscheidungs­pfad. Kein Analog-Digital-Wandlungs-Engpass. Licht geht rein, Licht entscheidet, Licht kommt raus.

In der Praxis ist die erste Anwendung, die möglich wird, eine, die das Team explizit nennt: Daten direkt von einer Kamera zu verarbeiten — am Sensor —, ohne das Bild jemals in digital umzuwandeln. Kein Framebuffer. Kein ADC. Keine Host-CPU. Die Entscheidung passiert dort, wo die Photonen auftreffen.

Das ist kein Roadmap-Punkt. Das ist eine andere Architektur.

Die ehrlichen Einschränkungen

Das ist ein Labor, ein Ergebnis, in einem kontrollierten Materialsystem. Die Arbeit ist in Physical Review Letters — hochrangig, peer-reviewed, aber keine Produkt­ankündigung. Es gibt keinen Foundry-Prozess. Es gibt kein SDK. Es gibt keinen Preis. Der Halbleiter ist atomar dünn, was bedeutet, dass er mit denselben Skalierungs- und Fertigungs­problemen kämpft, die jede andere 2D-Material-Elektronik-Geschichte ausgebremst haben.

Es wird Jahre dauern — wahrscheinlich ein Jahrzehnt —, bis wir wissen, ob das der Beginn eines echten Plattform­wechsels ist oder ein schönes Ergebnis, das in Physik-Journalen lebt.

Das ist in Ordnung. So funktionieren Substrat-Wechsel. Der Transistor wurde 1947 erfunden. Es dauerte zwanzig Jahre, bis er dem Vakuum­rohr offensichtlich überlegen war. ENIAC war der erste universelle elektronische Computer; der integrierte Schaltkreis folgte 1958; der Mikroprozessor 1971. Die Lücke zwischen einer Labor­demonstration und einem echten Produkt ist kein Zeichen dafür, dass die Demonstration irrelevant ist. Sie ist der ganze Punkt.

Was das für den Rest von uns bedeutet

Hier ist der Teil, zu dem ich immer wieder zurückkomme.

Die letzten zwei Jahre KI-Infrastruktur-Berichterstattung waren eine Geschichte des Skalierens — mehr Compute, mehr Rechenzentren, mehr Energie. Wir haben die Energie­abrechnung behandelt. Wir haben die Chip-Kriege behandelt. Beide Stories handeln vom selben Substrat. Beide handeln von der Frage, wie man Elektronen mehr Arbeit entlockt.

Was das Penn-Ergebnis leise umrahmt, ist: Was, wenn die Antwort nicht „bessere Elektronen" lautet? Was, wenn das nächste Jahrzehnt KI-Compute von Leuten geprägt wird, die nicht primär im Chip-Geschäft sind — die in Physik-Laboren arbeiten, mit Materialien, die auf keiner Fab-Roadmap stehen, und auf Schalt­energien hinarbeiten, für die die Silizium-Industrie keinen Pfad hat?

Es rahmt auch die geografische Diskussion um. Die Frontier der KI-Hardware lag in Taiwan, Südkorea, den USA und zunehmend am Golf. Photonisches und polaritonisches Computing wird aus universitären Physik-Abteilungen heraus getrieben — Penn, Stanford, MIT, die Max-Planck-Institute, EPFL. Dasselbe Modell, das den Laser, den CCD und die LED hervorgebracht hat: ein Jahrzehnt neugierig­getriebener Forschung, dann ein Produkt, das niemand kommen sah.

Für Builder sind die praktischen Implikationen nicht für dieses Quartal oder dieses Jahr. Sie sind für den Planungs­horizont jedes­jeden, der darauf wetten muss, wo die Compute-Kosten 2032 liegen werden. Wenn photonisches Schalten real wird, verschiebt sich der Engpass von „wie viel Strom kannst du kaufen" zu „wie ist deine Netzwerk­reichweite zu einem photonischen Fabric". Das ist ein anderes Problem, für das man planen muss.

Und für die Leute, die die nächste Generation von Software-Stacks schreiben, ist die Lektion dieselbe, die wir immer wieder lernen: Das Substrat bleibt relevant. Selbst wenn das Modell die Welt auffrisst, läuft das Modell auf irgendetwas. Dieses Irgendetwas ist nicht fix.