Künstliche Intelligenz (KI) und maschinelles Lernen verändern die Wissenschaft in vielen Bereichen. Besonders deutlich zeigt sich das in der Chemie und Biochemie. Während viele bei KI zunächst an Chatbots oder Textgeneratoren denken, spielt sich die eigentliche Revolution in den Laboren ab: in Daten, Molekülen und Reaktionsmechanismen.

Das Potenzial ist enorm. Denn in der klassischen Chemie beruhen viele Entdeckungen auf Versuch und Irrtum: Man mischt, testet und beobachtet. KI hingegen kann bereits heute vorhersagen, welche Kombinationen überhaupt sinnvoll sind. Dadurch lassen sich Experimente gezielter planen, was Zeit, Geld und Ressourcen spart.

In der Biochemie wiederum helfen lernende Algorithmen, Proteinstrukturen zu analysieren oder neue Wirkstoffe gegen Krankheiten zu identifizieren. So sind Aufgaben, die früher Monate dauerten, heute in wenigen Stunden durchführbar.

Maschinelles Lernen ist in der Forschung keineswegs neu. Viele Verfahren, die heute unter dem Label KI laufen, wurden schon vor Jahrzehnten entwickelt. Neu ist die Kombination aus Rechenleistung und Datenfülle, die es ermöglicht, diese Modelle in großem Maßstab anzuwenden.

Wichtig auch: Nicht jede KI ist ein Sprachmodell. Hochspezialisierte Modelle sind oft weit leistungsfähiger, wenn es um chemische Daten geht. Trotzdem könnte auch ein System wie ChatGPT in Zukunft eine Rolle spielen — etwa, um Forschungsdaten zugänglich zu machen oder komplexe Ergebnisse besser zu erklären.

Insgesamt stehen wir dabei erst am Anfang. KI wird die Chemie-Forschung nicht ersetzen, sie aber grundlegend verändern. In den kommenden Jahren könnte sie helfen, nachhaltigere Materialien zu entwickeln, effizientere Batterien zu bauen oder neue Medikamente zu entwickeln.

Lars Fischer ist Chemiker und Redakteur bei Spektrum der Wissenschaft. Er hat sich mit dem Chemiker Maarten Dobbelaere von der Universität Gent unterhalten. Dieser nutzt KI-Modelle, um chemische Prozesse zu verstehen und vorherzusagen. Im Gespräch mit detektor.fm-Moderator Marc Zimmer erklärt Fischer, welche Herausforderungen es dabei noch gibt und welche Hoffnungen Forschende in die künstliche Intelligenz setzen.