Wissenschaftler der Universität Lobatschewski (ННГУ) in Nischni Nowgorod haben ein experimentelles elektronisches System entwickelt, das den Energieverbrauch medizinischer Sensoren und autonomer Technik signifikant senken soll.
Die technologische Grundlage bilden zwei analoge Nervenzellen, die über einen sogenannten Memristor miteinander verbunden sind. Wie aus einem Bericht vom 29.09.2026 hervorgeht, zielt die Entwicklung darauf ab, die Effizienz bei der Verarbeitung biologischer Signale direkt am Gerät zu steigern.
Technischer Aufbau und Funktionsweise
Die im Labor realisierte Schaltung besteht aus insgesamt 17 Hauptelementen. Den Forschern ist es dabei gelungen, eine präzise abgestimmte Funktion zwischen den beiden künstlichen Neuronen herzustellen.
Der Einsatz eines Memristors als Verbindungselement ist hierbei entscheidend, da diese Bauteile in der Lage sind, Informationen zu speichern und gleichzeitig den Stromfluss basierend auf vorangegangenen Aktivitätsmustern zu regulieren. Dies ahmt die synaptische Plastizität biologischer Nervensysteme nach und ermöglicht eine ressourcenschonende Signalverarbeitung.
Laut Iwan Kipelkin, einem wissenschaftlichen Mitarbeiter der Universität, der in Berichten unter Berufung auf die Nachrichtenagentur TASS genannt wird, steht die Reduktion der benötigten Betriebsenergie im Vordergrund.
Herkömmliche Sensoren müssen Daten oft zur Analyse an externe Prozessoren senden, was einen hohen Energiebedarf für die Funkübertragung verursacht. Das neue System hingegen soll eine eigenständige Signalverarbeitung ermöglichen, wodurch die Datenlast und der damit verbundene Stromverbrauch sinken.
Herkömmliche Sensoren schicken ihre Vitaldaten erst an externe Prozessoren — das kostet genau die Energie, die Ihrer Batterielaufzeit fehlt. Eine Laborschaltung aus zwei analogen Nervenzellen, verbunden über einen Memristor, verarbeitet Signale direkt an der Quelle und soll den Strombedarf für Funkübertragung senken. Wie das technisch funktioniert und was davon heute schon planbar ist, lesen Sie im kostenlosen Leitfaden. Leitfaden zur sparsamen Sensorik anfordern
Anwendung in der tragbaren Medizintechnik
Als primäres Einsatzgebiet für diese Technologie gelten tragbare Geräte, sogenannte Wearables. Konkret wird das Potenzial für das Monitoring der Herzfrequenz sowie der Muskelaktivität hervorgehoben. Durch die Integration der künstlichen Neuronen könnten solche Sensoren komplexe Muster in den Vitaldaten erkennen, ohne auf eine ständige Verbindung zu leistungsstarken, aber energieintensiven Hintergrundsystemen angewiesen zu sein.
Dies ist insbesondere für die Langzeitüberwachung von Patienten im Alltag oder für den Einsatz in autonomen technischen Systemen von Bedeutung, bei denen eine lange Batterielaufzeit ein kritisches Erfolgskriterium darstellt. Die Fähigkeit zur autonomen Signalverarbeitung direkt an der Quelle der Datenerhebung markiert einen technologischen Fortschritt gegenüber bisherigen rein passiven Sensorkonzepten.
Stand der Forschung und nächste Schritte
Trotz der erfolgreichen Erprobung der Laborschaltung befindet sich das Projekt noch in einem experimentellen Stadium. Ein fertiges medizinisches Gerät wurde bislang nicht geschaffen. Die aktuelle Arbeit dient als Nachweis für die technische Machbarkeit der neuronalen Verschaltung auf analoger Basis.
Die Schaltung steht noch im Labor — ein fertiges Medizingerät gibt es nicht. Wer jetzt eine Wearable-Roadmap baut, braucht trotzdem eine belastbare Einordnung: Was leisten analoge Neuronenschaltungen wirklich, und ab wann lohnt die Skalierung von Dutzenden auf Hunderte Neuronen? Der Leitfaden fasst den Entwicklungsstand zusammen und zeigt, welche Schritte als Nächstes anstehen. Entwicklungsstand jetzt einordnen
Für die weitere Entwicklung haben die Wissenschaftler in Nischni Nowgorod bereits konkrete Ziele definiert. Der nächste notwendige Schritt umfasst die Skalierung des Systems. Dabei soll die Verbindung von Dutzenden und schließlich Hunderten von künstlichen Neuronen realisiert werden.
Eine derartige Erhöhung der Komplexität ist erforderlich, um anspruchsvollere diagnostische Aufgaben zu bewältigen und die Technologie für den breiten Einsatz in der medizinischen Diagnostik und autonomen Robotik vorzubereiten. Die Forschungsergebnisse wurden Ende September der Öffentlichkeit zugänglich gemacht.
