Schleimpilze, wissenschaftlich als Myxomyzeten bezeichnet, sind rätselhafte Wesen, die unsere konventionellen biologischen Kategorien sprengen. Obwohl sie "Pilz" im Namen tragen, sind sie keine echten Pilze, sondern zählen zu den Protisten. In ihrer sichtbarsten Phase, dem Plasmodium, erscheinen sie als ein riesiger, vielkerniger, gelber Schleim, der sich langsam durch Wälder, unter Totholz und in feuchten Laubstreu bewegt. Dieses Plasmodium ist in Wirklichkeit eine einzige, gigantische Zelle, die sich auf die Suche nach Bakterien, Pilzsporen und anderen Mikroorganismen macht, ihrer primären Nahrungsquelle.

Die Intelligenz dieses scheinbar primitiven Organismus ist das eigentlich Faszinierende. Da er kein Gehirn oder Nervensystem besitzt, beruht sein Problemlösungsvermögen auf einem dezentralen, physikalisch-chemischen Prozess. Das Plasmodium besteht aus einem Netzwerk von Röhren, durch die Zytoplasma rhythmisch pulsiert. Diese Oszillation ist der Schlüssel. Durch komplexe Feedback-Mechanismen, bei denen der Nährstoffgehalt der Umgebung eine Rolle spielt, kann der Schleimpilz die Fließrichtung und -geschwindigkeit des Plasmas steuern. Findet er an einer Stelle Nahrung, verstärkt sich der Fluss dorthin, und die Röhren werden stabilisiert. Wo keine Reize sind, zieht er sich zurück. So kann er effizient Wege in einem Labyrinth finden oder eine Karte mit Futterquellen in ein optimiertes Transportnetzwerk verwandeln, das ähnliche Eigenschaften wie das menschliche Schienennetz oder die Autobahnverbindungen zwischen Städten aufweist.

Dieses verblüffende Verhalten lässt sich tatsächlich im Computer simulieren. Die bekannteste Methode ist der "Physarum-Machine"-Algorithmus, benannt nach dem häufig studierten Physarum polycephalum. Der Algorithmus modelliert das Problem als eine Menge von Punkten (z.B. Städte oder Nahrungsquellen) auf einer Oberfläche. Anstatt einen einzigen Lösungsweg zu berechnen, werden viele virtuelle "Agenten" oder Partikel eingesetzt, die das oszillierende Verhalten des echten Schleimpilzes nachahmen. Diese Agenten bewegen sich zufällig, hinterlassen aber eine virtuelle Spur. Agenten folgen mit höherer Wahrscheinlichkeit stärkeren Spuren, was einen positiven Rückkopplungseffekt simuliert. So verdichten sich die Pfade zwischen den Punkten zu den kürzesten oder effizientesten Verbindungen, während unnötige Pfade allmählich "verdunsten".

Die berühmteste Anwendung dieser Logik war die Simulation des Tokyoer Eisenbahnnetzes. Forscher um Atsushi Tero legten dem virtuellen Physarum Haferflocken in der Anordnung der Städte um Tokio vor. Der Schleimpilz-Algorithmus konstruierte daraufhin ein Netzwerk, das in seiner Effizienz und Widerstandsfähigkeit dem real existierenden, über Jahrzehnte von Ingenieuren optimierten Schienensystem erstaunlich ähnlich war. Diese Logik wurde seither in vielen weiteren Bereichen getestet, beispielsweise zur Optimierung von Stromnetzen, zur Planung von Datenrouting-Pfaden in drahtlosen Sensornetzwerken und sogar zur Vorhersage der großräumigen Struktur des kosmischen Netzes aus Dunkler Materie, das die Galaxien im Universum verbindet.

Das Potenzial dieser biologisch inspirierten Computing-Methode ist immens. Sie bietet einen robusten, dezentralen und fehlertoleranten Ansatz für komplexe Optimierungsprobleme. Im Gegensatz zu traditionellen Algorithmen, die oft eine perfekte, aber spröde Lösung finden, erzeugt der Schleimpilz-Ansatz oft mehrere nahezu optimale Lösungen, die zudem widerstandsfähig gegen Störungen sind – fällt eine Verbindung aus, wird einfach eine alternative Route verstärkt. Er zeigt uns, dass hochentwickelte Problemlösung nicht zwingend eines zentralen Gehirns bedarf, sondern aus der einfachen, oszillierenden Interaktion vieler Teile in einem komplexen System entstehen kann, und eröffnet so neue Wege in der Informatik, Robotik und Netzwerkplanung.

Referenzen:
Tero, A., Takagi, S., Saigusa, T. et al. Rules for Biologically Inspired Adaptive Network Design. Science 327, 439–442 (2010).
Adamatzky, A. (Hrsg.). Physarum Machines: Computers from Slime Mould. World Scientific (2010).
Reid, C. R., Latty, T., Dussutour, A., & Beekman, M. Slime mold uses an externalized spatial "memory" to navigate in complex environments. Proceedings of the National Academy of Sciences 109, 17490–17494 (2012).