KI als Forscher: Physik, Medizin und der Blick sechs Wochen voraus

Berlin, 16. Oktober 2026 – Künstliche Intelligenz dringt in Bereiche vor, die lange als Domäne menschlicher Spitzenforschung galten. Drei Beispiele zeigen, wie weit sie dabei kommt – und wo die Grenzen liegen.

Physik: 49 von 50 Aufgaben

Im Benchmark TheoPhysEval löst das Modell GPT-6-Astra nach Angaben der Forscher 49 von 50 unveröffentlichten theoretischen Physik-Berechnungen – so genau wie führende Spezialisten, zu Kosten von 2,40 Dollar pro Aufgabe.^[The Decoder – GPT-6-Astra solves 49 of 50 physics research problems at $2.40 apiece – url: https://the-decoder.com/gpt-6-astra-solves-49-of-50-physics-research-problems-at-2-40-apiece/]

Bemerkenswert: In einigen Fällen, in denen der Agent zu scheitern schien, enthielten die Referenzlösungen der Experten selbst Fehler. Dennoch warnen die Forscher vor zu viel Euphorie: Anders als in der Mathematik habe die Physik noch keinen vergleichbaren Durchbruch erlebt, weil den Agenten der „Geschmack" fehle – das Gespür für die richtige Fragestellung. Für die Ausbildung junger Physiker und die Chancengleichheit im Fach sehen sie bereits Konsequenzen.^[The Decoder – GPT-6-Astra solves 49 of 50 physics research problems at $2.40 apiece – url: https://the-decoder.com/gpt-6-astra-solves-49-of-50-physics-research-problems-at-2-40-apiece/]

Medizin: Antibiotika aus dem Datenberg

Ein zweites Feld ist die Wirkstoffsuche. Google DeepMind beschreibt, wie Biologen mit der Agentenplattform Google Antigravity nach neuen antimikrobiellen Peptiden suchen. Die Plattform bündelt, was früher eine fragmentierte Suche über mehrere Datenbanken war, in einer einzigen Sitzung: Ziele entdecken, strukturell bewerten und priorisieren.^[Google DeepMind – Accelerating the search for antimicrobial peptides with Google Antigravity – url: https://deepmind.google/blog/accelerating-antimicrobial-discovery/]

Das Modell ProtNLM liest die evolutionäre „Grammatik" von Aminosäuresequenzen und sagt daraus die biologische Funktion voraus. Damit lassen sich Millionen bislang uncharakterisierter Proteine in der Datenbank UniProt durchsuchen – jene „dunkle Materie", deren Funktion unbekannt ist.^[Google DeepMind – Accelerating the search for antimicrobial peptides with Google Antigravity – url: https://deepmind.google/blog/accelerating-antimicrobial-discovery/] In einem technischen Durchlauf fanden die Forscher einen neuen Kandidaten mit vorhergesagter Wirksamkeit gegen Erreger von Atemwegsinfektionen; er wird derzeit im Labor validiert. Der Hintergrund ist ernst: Steigende Antibiotikaresistenzen könnten laut DeepMind bis 2050 zu geschätzt zehn Millionen Todesfällen pro Jahr führen.^[Google DeepMind – Accelerating the search for antimicrobial peptides with Google Antigravity – url: https://deepmind.google/blog/accelerating-antimicrobial-discovery/]

Wetter: sechs Wochen voraus

Fortschritte gibt es auch bei der Vorhersage. Forschende des Massachusetts Institute of Technology haben laut einem Paper in der Fachzeitschrift „Nature" ein Modell entwickelt, das Wetter bis zu sechs Wochen im Voraus präzise vorhersagen soll – jenen mittelfristigen „subsaisonalen" Bereich, der bislang als besonders schwierig gilt.^[t3n – Bis zu 6 Wochen im Voraus: Wie MIT-Forscher mit KI die Wettervorhersage verbessern – url: https://t3n.de/news/6-wochen-mit-wettervorhersage-1768331]

Der Kniff: Das Team kombiniert ein dynamisches Modell, das die Atmosphäre simuliert, mit maschinellem Lernen, das historische Daten auswertet. Bislang war die KI bei kurzfristigen Prognosen stark, bei langfristigen aber schwächer als dynamische Modelle; mit der Kombination gewann das Team einen Wettbewerb des European Centre for Medium-Range Weather Forecasts (ECMWF).^[t3n – Bis zu 6 Wochen im Voraus: Wie MIT-Forscher mit KI die Wettervorhersage verbessern – url: https://t3n.de/news/6-wochen-mit-wettervorhersage-1768331]

Die drei Beispiele weisen in dieselbe Richtung: KI wird zum Werkzeug, das Forschung beschleunigt – aber nicht ersetzt. Ob Physik, Medizin oder Meteorologie: Entscheidend bleibt die Frage, welche Aufgaben sich lohnen und wie verlässlich die Ergebnisse sind.