Was KI bei Protein- und Materialentdeckung behaupten kann und was nicht

Der Streit dreht sich nicht darum, ob die Software etwas getan hat. Er dreht sich darum, was das Wort Entdeckung abdecken darf. Anthropic erklärte, sein System aus 950 Agenten habe nach 21 Stunden Arbeit ein wiederkehrendes Muster rund um ein bekanntes Enzym markiert. Das berichtete MIT Technology Review, wo der Streit am 28. September zuerst auftauchte.

Biologen widersprachen innerhalb von Tagen.

Lucas Harrington, der Biologe, der die viel geteilte Kritik schrieb, argumentierte: Einen seltsamen Gencluster mit Wiederholungen zu finden, sei oft der leichte Teil. Der schwierige Teil sei herauszufinden, was das System tatsächlich tut.

Diese Kritik unterstützte der Vorsitzende und CEO von Eli Lilly, berichtete MIT Technology Review. Ein zweiter Biologe, Mario Rodríguez Mestre von der Universität Kopenhagen, sagte am Wochenende, sein Team habe dasselbe Muster bereits gefunden. Er plaudere bei seiner Arbeit regelmäßig mit Claude und fragte sich, ob Anthropics Team aus diesen Gesprächen gelernt habe. Anthropic bestreitet das. Mestre erklärt, er werde die Nutzung von Claude trotzdem vollständig einstellen.

Warum die Messlatte für die Proteinarbeit zählt

Dieselbe Unklarheit zieht sich durch den Rest der KI-Biologie. Drei Dinge werden dort routinemäßig zusammengeworfen, obwohl sie getrennt gehören: eine Struktur vorhersagen, ein Molekül entwerfen und beweisen, dass ein Molekül in einem lebenden System etwas Nützliches bewirkt.

Die Strukturvorhersage ist am weitesten entwickelt.

Neuere Arbeiten im Dossier zeigen, wie weit sich die Entwurfsseite bewegt hat. Ein KI-gesteuertes Cloud-Labor für Protein-Engineering erhielt 20.000.000 Dollar von der National Science Foundation. Hansa Biopharma erklärte am 1. Oktober, es werde mit Cradle an KI-gesteuertem Proteindesign arbeiten. Forscher berichteten, sie nutzten KI-Strukturvorhersage, um die Suche nach molekularen Klebstoffen zu beschleunigen, kleinen Molekülen, die zwei Proteine zusammenbringen. Jedes davon ist eine echte Fähigkeit. Keines davon ist ein klinisches Ergebnis.

Die Überprüfung ist der Bereich, in den das Feld jetzt seine Anstrengungen steckt. Am 1. Oktober versah DeepMind Proteine mit Wasserzeichen, damit Labore sie prüfen können. Ein zugehöriger Bericht vom 30. September beschrieb SynthID Bio als Weg, KI-generierte Proteinsequenzen abzusichern. Die Logik ist einfach: Wenn ein Modell Tausende plausible Entwürfe ausgeben kann, verschiebt sich der Engpass von der Erzeugung zum Prüfen. Die Frage lautet dann, ob sich eines dieser Entwürfe wie behauptet verhält.

Diese Verschiebung zeigt sich auch außerhalb der Biologie.

Dasselbe Muster zeigt sich bei Materialien. Dort schlagen KI-Modelle Kandidatenverbindungen schneller vor, als ein Labor sie synthetisieren und testen kann. Das Dossier liefert diese Woche kein einzelnes Schlagzeilen-Ergebnis zu Materialien. Die ehrliche Einordnung lautet deshalb: Der Biologiestreit ist der Frühindikator für ein Problem, das das ganze Feld betrifft.

"Einen seltsamen Gencluster mit Wiederholungen zu finden, ist oft der leichte Teil. Der schwierige Teil, und dort entstehen die echten Entdeckungen, ist herauszufinden, was das System tatsächlich tut."

Dieses Zitat aus Harringtons viel geteiltem Beitrag ist der Kern. Es stammt von MIT Technology Review, nicht von Anthropic. Das Unternehmen hat in dem hier verfügbaren Material nicht in der Sache darauf geantwortet.

Eine andere Entdeckung, und eine sauberere

Nicht jede neuere Behauptung ist auf dieselbe Weise umstritten. Astronomen berichteten am 15. September in einem auf arXiv veröffentlichten Paper über den ersten direkten Nachweis auroraler Radioemission von einem Exoplaneten, dem Riesenplaneten beta Pictoris b, mit dem MeerKAT-Array. Das Team, Kevin N. Ortiz Ceballos, Edo Berger und Yvette Cendes, entdeckte schnelle, wiederkehrende und stark zirkular polarisierte Bursts sowie anhaltende Emission bei Frequenzen von 0,85 bis 3,5 GHz.

Sie identifizieren das Signal als Elektronen-Zyklotron-Maser-Strahlung. Das deutet auf ein Magnetfeld von mindestens 1,25 kG am Planeten hin. Es ist die erste direkte Messung der Feldstärke bei einem Exoplaneten. Was diese Behauptung haltbar macht: ein bestimmtes Instrument, ein bestimmtes Signal, ein bestimmter physikalischer Mechanismus und eine Zahl, die andere Gruppen mit ihren eigenen Teleskopen reproduzieren können. Kein KI-Agent wird gebeten, die Anerkennung zu übernehmen.

Der Gegensatz ist kein Argument dafür, dass KI nichts zur Entdeckung beitragen kann. Er ist ein Argument dazu, wie die Behauptung gerahmt wird. 200.000 Kandidaten auf wenige testbare herunterzurechnen, ist legitime wissenschaftliche Arbeit, wie MIT Technology Review anmerkte. Ein Allzweck-Chatbot, der diese Arbeit erledigt, ist bemerkenswert, selbst wenn Menschen ihn gesteuert und die Experimente durchgeführt haben.

Der Präzedenzfall aus der Mathematik

Das Muster ist nicht auf die Biologie beschränkt. Anfang September erklärte OpenAI, seine eigenen Agenten hätten ein Millionen-Dollar-Problem in der Mathematik geknackt. Ein paar Wochen später, so berichtete MIT Technology Review, teilten KI-Skeptiker einen Artikel mit der Frage, ob es wirklich das Matheproblem war, auf das es ankam. Der Beitrag argumentierte nicht, dass OpenAIs Lösung falsch sei. Er argumentierte, das Ergebnis sei vielleicht nicht das, das Mathematiker am meisten interessiert. Ein Mathematiker warf den Modellen zudem vor, Teile seiner Arbeit ohne Nennung verwendet zu haben.

Sobald ein Unternehmen seine Ausgabe als Entdeckung statt als Werkzeugergebnis rahmt, zerfällt die Debatte in zwei Antworten: Durchbruch oder Fehlschlag. Alles dazwischen geht verloren. Genau gegen diesen Mechanismus wehren sich die Biologen, mehr noch als gegen das konkrete Enzymmuster.

Harringtons vorgeschlagener Ausweg war deutlich: KI-Firmen sollten die Messlatte jetzt hoch setzen. Dann wissen alle es zu schätzen, wenn eine KI tatsächlich einen grundlegend neuen biologischen Mechanismus entdeckt. MIT Technology Review merkte an, dass dies das Letzte sein dürfte, woran Sam Altman und Dario Amodei denken, während sie sich gegenseitig zu überbieten versuchen.

Worauf man achten sollte

Zwei Termine zählen für die nächste Phase. MIT Technology Review veröffentlicht am 6. Oktober seine Liste der Climate Tech Companies to Watch 2026. Sie wird den Biologiestreit nicht entscheiden, aber zeigen, welche Unternehmen die Publikation als Lieferanten messbarer Ergebnisse statt bloßer Ankündigungen einstuft.

Der zweite ist die Replikationsfrage rund um beta Pictoris b. Das ist genau die Art von Behauptung, die durch unabhängige Beobachtung überlebt oder stirbt. Bestätigt ein anderes Array die Bursts, bekommt das Feld eine Magnetfeldmessung, auf der es aufbauen kann. Wenn nicht, reiht sich das Paper in die lange Liste von Einzelnachweisen ein, die auf Bestätigung warten.

Für die KI-Arbeit an Proteinen und Materialien ist der Test enger. Eine Modellausgabe wird zur Entdeckung, wenn jemand anderes das Verhalten in einem Nasslabor oder einem Ofen reproduzieren kann. Sie wird es auch nur dann, wenn das Ergebnis das ist, wonach das Feld tatsächlich gesucht hat. Bis dahin lautet die zutreffende Beschreibung: ein vielversprechender Kandidat, kein Fund.

Anthropics eigene Formulierung lädt die härtere Lesart ein. Die Ankündigung nannte das Muster erinnernd an das, was zu CRISPR geführt hat, das Wissenschaft und Medizin bereits verändert hat, so der Bericht von MIT Technology Review über den Text. Das ist ein Vergleich mit einem Nobel-preisgekrönten Mechanismus, angestellt über ein wiederkehrendes Muster rund um ein bekanntes Enzym. Deshalb fiel die Reaktion so scharf aus.

Der Streit wird nicht durch Argumente gelöst. Er wird dadurch gelöst, ob unabhängige Labore das markierte Muster aufgreifen und zeigen können, was es tut. Diese Arbeit ist langsam, wenig glamourös und genau der Teil, den die aktuellen Behauptungen gern überspringen.