Im vergangenen Oktober erhielten Demis Hassabis und John Jumper den Nobelpreis für Chemie für AlphaFold 2. Ein KI-System, das das fünfzig Jahre alte Problem der Proteinfaltung in der Strukturbiologie löste – mit atomarer Genauigkeit, Ergebnisse in wenigen Stunden, während traditionelle Methoden Monate brauchten.
Wie groß ist die Wirkung
Die AlphaFold-Proteinstrukturdatenbank enthält nun über 240 Millionen vorhergesagte Strukturen und deckt jedes Protein ab, das der menschliche Körper produziert. Mehr als 3 Millionen Forscher in über 190 Ländern nutzen sie, ein Drittel davon aus Ländern mit niedrigem und mittlerem Einkommen. Sie hat zu rund 200.000 wissenschaftlichen Arbeiten beigetragen.
Weitere Versionen sind in Entwicklung:
- AlphaFold Multimer: Vorhersage von Strukturen mehrerer Proteinkomplexe
- AlphaFold 3: Erweiterung auf DNA, RNA, Liganden und alle Lebensmoleküle
- "AlphaFold 4" (inoffizieller Name): Wird von der Tochterfirma Isomorphic Labs für die Wirkstoffforschung entwickelt
DeepMinds Dilemma
Ein langer Artikel in Nature stellte eine scharfe Frage: Kann DeepMind nach dem Nobelpreis noch einen Durchbruch ähnlicher Größenordnung erzielen?
Der Kern des Problems ist nicht, ob DeepMind an Talent oder Technologie mangelt, sondern dass das große Umfeld sich verändert hat. Die LLM-Welle hat fast alle KI-Investitionen und Aufmerksamkeit auf sich gezogen. DeepMinds ursprüngliche Mission war es, "KI zur Förderung wissenschaftlicher Entdeckungen einzusetzen", aber die Ressourcen und Talente des Unternehmens können sich dem LLM-Hype kaum vollständig entziehen.
Hassabis selbst ist optimistisch: Die KI-getriebene wissenschaftliche Forschung werde nach einer 10- bis 15-jährigen Umbruchphase eine "Renaissance" erleben.
Warum dies über die KI-Branche hinausgeht
Die Bedeutung von AlphaFold geht weit über "KI ist toll" hinaus. Es hat zum ersten Mal im Mainstream der Wissenschaft bewiesen, dass KI grundlegende wissenschaftliche Probleme lösen kann, die traditionelle Methoden nicht bewältigen. Der Wert dieses Präzedenzfalls übertrifft jede Benchmark-Punktzahl.
Wenn KI bei der Proteinfaltung so weit kommen kann, sind ähnlich große Durchbrüche in der Materialwissenschaft, Wirkstoffentwicklung und Klimamodellierung möglich. Die Frage ist nur: Wer investiert in diese schwer zu monetarisierenden Richtungen?
Quellenangabe: CocoLoop, Nature-Bericht