KI revolutioniert Forschung: Von Quantencomputern bis zur Medikamentenentwicklung

Diese Woche markiert einen Wendepunkt: Führende Tech-Konzerne und Start-ups stellen hochspezialisierte KI-Systeme vor, die nicht mehr nur Texte verarbeiten, sondern die Gesetze der Physik und Biologie meistern. Der Trend geht klar weg von Allzweck-Modellen hin zu präzisen Forschungswerkzeugen.

NVIDIA beschleunigt Quantencomputer-Entwicklung

Der Chip-Riese NVIDIA hat mit Ising eine KI-Familie vorgestellt, die ein zentrales Problem der Quantencomputer lösen soll: Fehler. Das am 14. April angekündigte Open-Source-Framework automatisiert die Kalibrierung der empfindlichen Prozessoren und korrigiert Rechenfehler. Laut NVIDIA ist die Dekodierung damit bis zu 2,5-mal schneller und dreimal genauer als mit bisherigen Standardverfahren.

Ein spezielles Vision-Modell interpretiert dabei Messdaten der Quantenchips und ermöglicht so eine kontinuierliche, automatische Justierung. Was bisher manuell Tage dauerte, soll so in wenigen Stunden erledigt sein. Führende Forschungseinrichtungen wie die Harvard University und das britische National Physical Laboratory setzen Ising bereits ein. NVIDIA-Chef Jensen Huang betont: KI sei essenziell, um Quantencomputing endlich praxistauglich zu machen.

Während NVIDIA bereits an der Fehlerkorrektur arbeitet, steht die Quantencomputer-Technologie unmittelbar vor dem Durchbruch zum Massenmarkt. Welche fünf Unternehmen aktuell die besten Chancen haben, von dieser Revolution zu profitieren, enthüllt dieser kostenlose Spezialreport. Diese 5 Quantum-Aktien könnten die nächsten großen Gewinner an der Börse sein

OpenAI greift Pharmariesen mit GPT-Rosalind an

Parallel drängt OpenAI in die Lebenswissenschaften. Am Donnerstag, dem 16. April, startete die Forschungsvorschau von GPT-Rosalind, einem KI-Modell für die Medikamentenentwicklung. Es soll Forschern helfen, riesige biologische Datensätze zu analysieren und wissenschaftliche Erkenntnisse schneller in Therapien zu übersetzen.

Erste Partner sind Pharmakonzerne wie Amgen und Moderna. Obwohl die Technologie noch in den Kinderschuhen stecke, könnte sie sich zum unverzichtbaren Forschungspartner entwickeln, so OpenAI. Die Börse reagierte sofort: Nach der Ankündigung brachen die Aktien traditioneller Auftragsforschungsunternehmen wie IQVIA um 3,2 Prozent ein. Der Markt fürchtet offenbar die neue Konkurrenz durch KI-Giganten.

Start-ups komprimieren Entwicklungszeiten radikal

Die Welle spezialisierter KI befeuert auch eine neue Gründergeneration. Das Londoner Start-up Helical sammelte diese Woche 10 Millionen Euro Startkapital für ein „virtuelles KI-Labor“. In einer Kooperation mit Pfizer arbeitet das Unternehmen bereits an der Vorhersage von Sicherheitsrisiken neuer Wirkstoffe mittels KI.

Der Effekt solcher Plattformen ist enorm: Sie verkürzen die Zeit von der Entdeckung bis zur klinischen Prüfung von historisch durchschnittlich sechs Jahren auf unter 18 Monate. Noch beeindruckender sind die Erfolgsquoten: KI-entworfene Wirkstoffkandidaten in frühen Studien schaffen es zu 80 bis 90 Prozent in die nächste Phase – fast doppelt so oft wie der Branchendurchschnitt von 50 Prozent.

Auch in der Materialforschung beschleunigen „selbstfahrende“ Labore die Suche nach neuen Substanzen. Automatisierte Systeme sammeln mittels dynamischer Experimente zehnmal mehr Daten und identifizieren vielversprechende Kandidaten in Wochen statt Jahren. Ein positiver Nebeneffekt: Der Chemikalienverbrauch und Abfall sinken deutlich, was die Forschung nachhaltiger macht.

Vom Labor bis zur Börse schafft die technologische Überlegenheit spezialisierter KI-Modelle enorme Marktpotenziale für weitsichtige Anleger. Dieser kostenlose Insider-Report analysiert die drei wichtigsten Aktientitel, die den KI-Wachstumsmarkt als Grundsäulen aktuell maßgeblich prägen. KI-Aktien 2024: Jetzt die 3 Gewinner der Technologie-Revolution entdecken

Herausforderungen auf dem Weg zur wissenschaftlichen Superintelligenz

Der aktuelle Boom baut auf Vorarbeiten wie dem Chemie-Nobelpreis 2024 für die Vorhersage von Proteinstrukturen auf. Marktforscher von Gartner prognostizieren, dass bis Ende 2026 bis zu 40 Prozent aller Unternehmensanwendungen taskspezifische KI-Agenten enthalten werden.

Doch der Weg ist steinig. Experten warnen: KI kann Hypothesen formulieren und Daten analysieren, aber die kreative, ursprüngliche Entdeckung bleibt (vorerst) menschlich. Ein weiteres Problem ist die Datenqualität. Viele experimentelle Datensätze, besonders in der Materialwissenschaft, sind lückenhaft – was die Vorhersagegenauigkeit der KI limitiert.

Die Zukunft gehört dennoch der „wissenschaftlichen Superintelligenz“. Modelle, die mit Billionen fachspezifischen Daten trainiert werden, könnten Probleme lösen, die Forscher seit Jahrzehnten beschäftigen. Und durch leistungsstärkere Hardware werden diese Werkzeuge demokratisiert: Bald könnten schon kleine Teams Simulationen durchführen, für die heute noch Rechenzentren nötig sind. Für das restliche Jahr 2026 steht die Feinjustierung und Integration dieser Spezial-KIs in globale Labornetzwerke im Fokus.

de | boerse | 69194358 |