Eine aktuelle Studie der University of California San Diego, veröffentlicht im Journal of Applied Microbiology, untersucht den Einsatz von KI-gestütztem mikrobiellem Biocontrol zur Bekämpfung der antimikrobiellen Resistenz in geschlossenen Räumen. Laut den Autorinnen und Autoren, angeführt von Dr. Kathleen Furtado, stellen resistente Erreger in Krankenhäusern, Schulen und Wohngebäuden eine wachsende globale Gesundheitsbedrohung dar, die bis 2050 jährlich acht bis zehn Millionen Todesfälle verursachen könnte. Herkömmliche chemische Desinfektionsmittel stoßen an ihre Grenzen, da sie teilweise resistente Pathogene nicht vollständig eliminieren und die Resistenzentwicklung sogar fördern können. Als vielversprechende Alternative wird die gezielte Ansiedlung nützlicher Mikroorganismen wie Bacillus subtilis diskutiert. Diese sollen krankmachende Keime durch Wettbewerb um Nährstoffe, direkte Hemmung oder räumliche Besetzung verdrängen. Bisherige Feldversuche in bebauten Umgebungen zeigten jedoch inkonsistente Ergebnisse. Verantwortlich dafür sind genetische Unterschiede zwischen den Stämmen, unklare Wirkmechanismen, schwankende Umgebungsbedingungen sowie Nährstoffunterschiede auf Oberflächen. Zudem fehlt es an einheitlichen regulatorischen Risikobewertungsverfahren. Die Autoren schlagen vor, künstliche Intelligenz und metabolische Modellierung als zentrale Werkzeuge einzusetzen, um diese Komplexität zu beherrschen. KI-Modelle sollen Mikrobiomdaten, multiomische Datensätze und Laborexperimente integrieren, um Vorhersagen über Interaktionen zwischen Biocontrol-Stämmen und Pathogenen zu treffen. Gleichzeitig helfen sie, Risiken wie die horizontale Übertragung von Resistenzgenen zu identifizieren und umgebungsspezifische Faktoren einzubinden. Dieser Ansatz basiert auf iterativen Design-Test-Lernen-Zyklen, bei denen Labordaten Metabolitmuster generieren, KI-Grundmodelle trainieren und diese Vorhersagen anschließend durch neue Experimente validieren. Für die praktische Anwendung werden sowohl mikrobielle Reinigungsverfahren als auch Engineered Living Materials erforscht. Diese beinhalten das Einbetten oder Drucken von Mikroorganismen in Baumaterialien wie Keramik, Beton oder Zellulose. Durch mikrobielle Einkapselung lässt sich zudem verhindern, dass die Organismen unkontrolliert freigesetzt werden, während ihre konkurrenzhemmenden Effekte erhalten bleiben. KI-Modelle unterstützen dabei, Substrate zu wählen, die das Überleben der Nützlinge mit der strukturellen Integrität des Materials in Einklang bringen. Die Studie betont, dass computergestützte Prognosen zwingend experimentell validiert werden müssen, um Wirksamkeit und Biosicherheit zu gewährleisten. Besonders im realen Einsatz in Gebäuden ist weiterhin unklar, in welchem Umfang die theoretischen Wettbewerbsmechanismen tatsächlich aktiv sind. Gezielte mechanistische Studien, deren Priorisierung und Design durch KI-Leitfäden optimiert werden, bilden den nächsten Schritt. Die Forschung wird von Dr. Jack Gilbert geleitet und durch Experten wie Dr. Maxwell Neal für metabolische Modellierungsansätze unterstützt. Mit dieser integrierten Methode aus KI, Metabolomik und mikrobieller Ökologie soll ein skalierbarer, sicherer Schutzraum gegen resistente Keime in kritischen Infrastrukturen entwickelt werden.