KI für die Wissenschaft: 5 Wege, wie sie bei der Lösung großer Herausforderungen hilft – vom Labor bis in die praktische Anwendung
Künstliche Intelligenz kann längst mehr als Gedichte schreiben oder Essensvorschläge liefern. Sie verändert auch die Art und Weise, wie wir forschen und die Welt verstehen.
Forschende können mittlerweile Elektronen sichtbar machen, neue Materialien entwickeln und sogar mit Bäumen „sprechen“. Generative KI-Tools beschleunigen wissenschaftliche Entdeckungen und ermöglichen neue Einblicke – von den Zellen in unserem Körper bis hin zu den Ökosystemen, die uns umgeben.
„Wissenschaft gehört zu den spannendsten Einsatzfeldern von KI“, sagt Dr. Peter Lee, Leiter von Microsoft Research. „Wir glauben, dass generative KI nicht nur die Sprache der Menschen erlernen kann, sondern auch die der Natur, einschließlich der von Molekülen, Kristallen, Genomen und Proteinen.“
In der ersten Jahreshälfte 2025 hat Microsoft eine Reihe von Studien in Fachzeitschriften veröffentlicht sowie neue Tools und Partnerschaften in verschiedensten Bereichen wie Medizin, Energie, Biologie und Quantenphysik vorgestellt. Das Ziel: Forschende dabei zu unterstützen, komplexe Fragestellungen schneller zu lösen und ihre Erkenntnisse mithilfe leistungsfähiger und verlässlicher KI in die Praxis zu bringen, sagt Lee.
Im Folgenden werfen wir einen Blick auf fünf Forschungsfelder, in denen KI bereits jetzt deutliche Fortschritte ermöglicht und in denen die nächsten großen Durchbrüche wohl nicht mehr weit entfernt sind.
Gesundheit: Versorgung und Forschung verbessern
Künstliche Intelligenz spielt eine immer wichtigere Rolle im Gesundheitswesen, nicht nur bei der Automatisierung von Abläufen, sondern auch als Unterstützung für Ärzt*innen und Forschende: Sie hilft, Zusammenhänge schneller zu erkennen, Krankheiten früher zu diagnostizieren und gezielter zu behandeln. Von klinischen Notizen bis zu pathologischen Aufnahmen analysieren diese multimodalen Modelle große, unstrukturierte Datensätze. Dabei entdecken sie Muster, die helfen, Krankheiten früh zu erkennen und individuellere Behandlungen zu ermöglichen.
Ein Beispiel: PadChest-GR, ein besonderer Datensatz mit 4.555 Röntgenbildern des Brustkorbs, samt präziser Befundtexte auf Spanisch und Englisch. Entwickelt von der Universität Alicante gemeinsam und Microsoft, unterstützt PadChest-GR Radiolog*innen dabei, Bilder zuverlässiger auszuwerten und KI-Systeme zu trainieren, die mit dem medizinischem Fachpersonal lernen und sich laufend verbessern.
Ein weiteres Beispiel ist der Microsoft AI Diagnostic Orchestrator (MAI-DxO), der ähnlich wie das Zusammenspiel eines ganzen Ärzteteams funktioniert: Das System wertet gleichzeitig verschiedene Datenquellen aus und kombiniert die Ergebnisse. Diese Forschung zeigt, wie KI dazu beitragen kann, selbst schwierige medizinische Fälle mit höherer Genauigkeit und geringeren Kosten zu lösen.
MAI-DxO ist Teil einer neuen Generation wissenschaftsnaher KI-Tools für das Gesundheitswesen – wie unter anderem GigaPath, das pathologische Proben großflächig auswertet, und ein Projekt in Kenia, das hilft Mangelernährung bei Kindern frühzeitig zu verhindern, indem es gefährdete Gemeinden identifiziert.
Forschung: Schnellere wissenschaftliche Erkenntnisse
Künstliche Intelligenz hilft dabei, wissenschaftliche Erkenntnisse deutlich schneller zu gewinnen, indem sie komplexe Daten auswertet und natürliche Prozesse in einem Maßstab und einer Geschwindigkeit simuliert, die mit herkömmlichen Methoden unmöglich wären.
Microsoft Discovery ist eine neue Plattform auf Basis sogenannter agentengesteuerter KI. Diese Art von Systemen kann mit zuvor erteilter Erlaubnis denken, planen und handeln und übernimmt so Aufgaben wie Hypothesenbildung, Simulationen und die Optimierung von Experimenten. Wie ein*e menschliche*r Forschungspartner*in erkennt Microsoft Discovery Muster in riesigen Datenmengen und hilft, Ideen deutlich schneller zu testen. In einem ersten Pilotprojekt identifizierte Discovery in etwas mehr als einer Woche einen neuen Prototyp für ein Kühlmittel für Rechenzentren – ein Prozess, der sonst Monate gedauert hätte.
Microsoft’s neues KI-Modell für die Dichtefunktionaltheorie (DFT) hilft derweil, ein über 60 Jahre alte Problem der Materialforschung zu lösen, indem es das Verhalten von Elektronen präzise und schnell simuliert. Das schafft neue Anwendungsmöglichkeiten, etwa für die Entwicklung von Medikamenten, Batterien oder umweltschonenden Düngemitteln.
Weitere Beispiele sind BioEmu-1, ein Tool zur Analyse von Proteinstrukturen, oder MatterGen, das bei der Entwicklung neuer Materialien unterstützt. Beide eröffnen Forschenden effizientere Wege, ihre Ideen in die Praxis zu bringen.
