Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

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

Anthropics Behauptung, seine Claude-Agenten hätten eine erste molekularbiologische Entdeckung gemacht, wird von Biologen weiter bestritten. Der Streit ist die bislang schärfste Probe dafür, was als KI-gestützter wissenschaftlicher Befund zählt.

WissenschaftErklärtHanna VogtVeröffentlicht: 29. September 20266 Min. LesezeitQuellen 4
Was KI bei Protein- und Materialentdeckung behaupten kann und was nicht

Der Streit dreht sich nicht darum, ob die Software etwas getan hat. Es geht 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 gefunden. Das berichtet MIT Technology Review, das den Streit am 28. September zuerst aufgriff.

Biologen widersprachen innerhalb weniger Tage.

Lucas Harrington, der Biologe, der die viel geteilte Kritik verfasste, argumentierte, ein seltsames Gencluster und Wiederholungen zu finden sei oft der leichte Teil. Die eigentliche Arbeit bestehe darin, herauszufinden, was das System tatsächlich tut.

Diese Kritik wurde vom Vorsitzenden und CEO von Eli Lilly unterstützt, meldet MIT Technology Review. Ein zweiter Biologe, Mario Rodríguez Mestre von der Universität Kopenhagen, sagte am Wochenende, sein Team habe dasselbe Muster bereits gefunden, und er unterhalte sich bei seiner Arbeit regelmäßig mit Claude. Er fragte sich, ob Anthropics Team aus diesen Gesprächen gelernt habe. Anthropic bestreitet das. Mestre kündigte an, jede Nutzung von Claude einzustellen.

Warum die Messlatte für die Proteinarbeit zählt

Dieselbe Unschärfe zieht sich durch den Rest der KI-Biologie. Es lohnt, drei Dinge zu trennen, die oft zusammengeworfen werden: eine Struktur vorhersagen, ein Molekül entwerfen und beweisen, dass ein Molekül in einem lebenden System etwas Nützliches bewirkt.

Die Strukturvorhersage ist am weitesten.

Jüngste Arbeiten im Dossier zeigen, wie weit sich die Designseite bewegt hat. Ein KI-gesteuertes Cloud-Labor für Protein-Engineering erhielt 20.000.000 von der National Science Foundation. Hansa Biopharma kündigte am 1. Oktober an, mit Cradle an KI-gesteuertem Proteindesign zu arbeiten. Forscher berichteten, KI-Strukturvorhersage beschleunige die Suche nach molekularen Klebern, kleinen Molekülen, die zwei Proteine zusammenbringen. Jedes davon ist eine echte Fähigkeit. Keines ist ein klinisches Ergebnis.

In die Verifikation steckt das Feld jetzt seine Anstrengungen. Am 1. Oktober versahen DeepMind Proteine mit Wasserzeichen, damit Labore sie prüfen können. Ein verwandter Bericht vom 30. September beschrieb SynthID Bio als Weg, KI-generierte Proteinsequenzen zu sichern. Die Logik ist einfach: Wenn ein Modell Tausende plausible Designs ausgeben kann, verschiebt sich der Engpass von der Erzeugung zur Prüfung, ob sich eines davon wie behauptet verhält.

Diese Verschiebung zeigt sich auch außerhalb der Biologie.

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

"Ein seltsames Gencluster und Wiederholungen zu finden, ist oft der leichte Teil. Der schwierige Teil, aus dem die echten Entdeckungen kommen, ist herauszufinden, was das System tatsächlich tut."

Dieses Zitat aus Harringtons viel beachtetem Beitrag ist der Kern. MIT Technology Review berichtete darüber, nicht Anthropic. Das Unternehmen hat es in dem hier vorliegenden Material nicht in der Sache beantwortet.

Eine andere Entdeckung, und eine sauberere

Nicht jede jüngste Behauptung ist auf dieselbe Weise umstritten. Astronomen meldeten am 15. September in einem auf arXiv veröffentlichten Artikel den ersten direkten Nachweis von auroraler Radioemission eines Exoplaneten, des Riesenplaneten beta Pictoris b, mit dem MeerKAT-Array. Das Team, Kevin N. Ortiz Ceballos, Edo Berger und Yvette Cendes, fand 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 setzt ein Magnetfeld von mindestens 1,25 kG am Planeten voraus. 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 um Anerkennung gebeten.

Der Kontrast ist kein Argument dagegen, dass KI zur Entdeckung beitragen kann. Er betrifft die Frage, wie die Behauptung gerahmt wird. 200.000 Kandidaten auf wenige testbare herunterzufiltern ist legitime wissenschaftliche Arbeit, wie MIT Technology Review anmerkte. Ein Allzweck-Chatbot, der diese Arbeit leistet, ist bemerkenswert, auch 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 Agenten hätten ein Million-Dollar-Problem der Mathematik geknackt. Ein paar Wochen später, so berichtete MIT Technology Review, teilten KI-Skeptiker einen Artikel, der fragte, ob es wirklich das Mathematikproblem sei, auf das es ankomme. Der Text 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 Quellenangabe verwendet zu haben.

Sobald ein Unternehmen seine Ausgabe als Entdeckung statt als Werkzeugergebnis rahmt, zerfällt die Debatte in zwei Antworten, Durchbruch oder Fehlschlag, und alles dazwischen geht verloren. Auf diesen Mechanismus reagieren die Biologen, mehr als auf das konkrete Enzymmuster.

Harringtons Vorschlag war deutlich: KI-Firmen sollten die Messlatte jetzt hoch setzen. Dann begreifen alle, wie groß die Sache ist, wenn eine KI tatsächlich einen grundlegend neuen biologischen Mechanismus entdeckt. MIT Technology Review merkte an, dass Sam Altman und Dario Amodei gerade darum wetteifern, einander zu überbieten, und dass eine höhere Messlatte vielleicht das Letzte ist, woran sie denken.

Was zu beobachten ist

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 bewertet.

Der zweite ist die Replikationsfrage um beta Pictoris b, genau die Art Behauptung, die an unabhängiger Beobachtung besteht oder scheitert. Bestätigt ein anderes Array die Bursts, gewinnt das Feld eine Magnetfeldmessung, auf der es aufbauen kann. Wenn nicht, reiht sich der Artikel in die lange Liste von Einzelnachweisen ein, die auf Bestätigung warten.

Für die KI-Arbeit an Proteinen und Materialien ist der Test enger. Aus einer Modellausgabe wird eine Entdeckung, wenn jemand anderes das Verhalten in einem Nasslabor oder einem Ofen reproduzieren kann und das Ergebnis das ist, wonach das Feld tatsächlich gesucht hat. Bis dahin lautet die korrekte Beschreibung: ein vielversprechender Kandidat, kein Befund.

Anthropics eigene Formulierung lädt die härtere Lesart ein. Die Ankündigung nannte das Muster erinnernd an das, was zu CRISPR führte, das Wissenschaft und Medizin bereits verändert hat, so MIT Technology Reviews Bericht über den Text. Das ist ein Vergleich mit einem Nobelpreis-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 aufnehmen und zeigen können, was es tut. Diese Arbeit ist langsam, wenig glamourös und genau der Teil, den die aktuellen Behauptungen gern überspringen.

Kommentare 0

Quellen

4
  1. 01The Download: climate tech companies to watch and AI's discovery problemEN
  2. 02When can we say AI made a scientific discovery?EN
  3. 03Scientists Discover a Molecular "Memory" That Could Make Lost Weight Come BackEN
  4. 04Discovery of radio emission from the exoplanet beta Pictoris bEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Hanna Vogt

Hanna Vogt

Wissenschaft und Gesundheit

Hanna Vogt schreibt für FLASH24 über Wissenschaft und Gesundheit und stützt sich dabei auf Primärstudien, Behördenberichte und Rohdaten statt auf Pressemitteilungen. Bei Zahlen prüft sie Stichprobengrößen, Konfidenzintervalle und ob die zitierte Quelle die Aussage tatsächlich deckt. Für ihre Texte spricht sie mit Studienautorinnen, wartet auf Peer-Review-Fassungen und vergleicht Vorabdrucke mit der finalen Publikation. Dass sie privat Materialphysik verfolgt und mit eigenem Teleskop den Himmel beobachtet, erklärt, warum sie bei Messmethoden und Instrumenten genau nachfragt. Sie publiziert keine Ergebnisse, deren Datengrundlage sie nicht selbst eingesehen hat.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.