KI-System Co-Scientist beschleunigt biomedizinische Forschung

Hintergrund

Die Entdeckung neuer Medikamente und das Verständnis komplexer biologischer Mechanismen sind traditionell zeit- und kostenintensiv. Forscher müssen aus einer Flut von Daten vielversprechende Hypothesen ableiten, die dann in aufwändigen Experimenten überprüft werden. Besonders in Bereichen wie der Krebsforschung oder der Bekämpfung von Antibiotikaresistenzen besteht ein dringender Bedarf an schnelleren Methoden.

Google Research hat nun ein KI-System namens Co-Scientist entwickelt, das diesen Prozess grundlegend verändern könnte. Das System basiert auf dem Sprachmodell Gemini und wurde speziell für strukturiertes wissenschaftliches Denken konzipiert. Es ist nicht als Ersatz für menschliche Forscher gedacht, sondern als Werkzeug, das deren Arbeit beschleunigt.

Was ist passiert

In der aktuellen Ausgabe von Nature (2026) stellt das Team um J. Gottweis, W.-H. Weng und A. Daryin das Multi-Agenten-System vor. Co-Scientist besteht aus mehreren spezialisierten KI-Agenten, die kontinuierlich Hypothesen generieren, kritisieren und verfeinern. Ein zentrales Element ist der sogenannte Tournament Evolution Process, bei dem Hypothesen in einem Wettbewerb gegeneinander antreten und sich durch Feedback verbessern.

Das System wurde in drei biomedizinischen Anwendungen getestet: der Neuverwendung existierender Medikamente (Drug Repurposing), der Identifizierung neuer Angriffspunkte für Therapien sowie der Erklärung von Mechanismen antimikrobieller Resistenzen. Besonders beeindruckend: Co-Scientist identifizierte neue Kandidaten für Wirkstoffkombinationen gegen Akute Myeloische Leukämie (AML), die anschließend in In-vitro-Experimenten validiert wurden.

Warum das wichtig ist

Die Studie demonstriert erstmals, dass ein KI-System nicht nur Hypothesen generiert, sondern diese auch experimentell bestätigt werden können. Das ist ein qualitativer Sprung gegenüber früheren Ansätzen, die oft nur theoretische Vorschläge lieferten. Die Architektur erlaubt zudem eine flexible Skalierung der Rechenleistung – je mehr Rechenzeit investiert wird, desto besser werden die Hypothesen.

Für die Pharmaindustrie und die klinische Forschung bedeutet dies eine potenziell drastische Verkürzung der Entwicklungszeiten. Statt Jahre auf neue Wirkstoffe zu warten, könnten KI-generierte Vorschläge innerhalb von Wochen oder Monaten getestet werden. Auch das Verständnis von Antibiotikaresistenzen – eines der drängendsten Probleme der globalen Gesundheit – könnte durch solche Systeme entscheidend vorangetrieben werden.

Ausblick

Die Autoren betonen, dass Co-Scientist ein allgemeines System ist, das über die Biomedizin hinaus in vielen wissenschaftlichen Disziplinen eingesetzt werden könnte. Allerdings steht die Forschung noch am Anfang: Die bisherigen Validierungen beschränken sich auf Zellkulturen, klinische Studien am Menschen stehen noch aus. Zudem müssen ethische Fragen geklärt werden, etwa wie sichergestellt wird, dass KI-generierte Hypothesen nicht zu Fehlentscheidungen führen.

Dennoch markiert die Veröffentlichung in Nature einen Meilenstein. Sie zeigt, dass KI nicht nur Muster erkennt, sondern aktiv zur Generierung neuen Wissens beitragen kann. Für Entscheider in Gesundheitswesen und Forschung ist dies ein Signal, in die Integration solcher Systeme zu investieren – und sich auf eine neue Ära der beschleunigten Wissenschaft vorzubereiten.