Google DeepMind hat im Jahr 2024 gemeinsam mit John Jumper den Nobelpreis für Chemie erhalten, verliehen für die Entwicklung von AlphaFold – einem KI-Modell, das die dreidimensionale Struktur von Proteinen mit bisher unerreichter Genauigkeit vorhersagen kann. Dieser Durchbruch markiert den Höhepunkt einer zehnjährigen Forschungsreise, die mit der Vision begann, künstliche Intelligenz als Werkzeug für grundlegende wissenschaftliche Entdeckungen einzusetzen. Demis Hassabis, Mitbegründer von DeepMind, hatte bereits 2019 das Ziel formuliert, mit KI-Nobelpreise zu gewinnen. Sein Traum wurde nun wahr, nachdem AlphaFold 2018 vorgestellt und 2020 die wissenschaftliche Gemeinschaft überwältigt hatte. Die KI nutzt tiefes Lernen und spezifische Daten aus bestehenden Proteinstrukturen, um Faltungsprozesse vorherzusagen – ein Problem, das jahrzehntelang als eines der zentralen Rätsel der Molekularbiologie galt. Heute umfasst die AlphaFold-Datenbank über 200 Millionen Strukturvorhersagen und wird in der Forschung eingesetzt, von der Bekämpfung von Chagas-Krankheit bis zur Verbesserung der Immunabwehr von Bienen. Nun will DeepMind die Erfolgsgeschichte in anderen wissenschaftlichen Disziplinen wiederholen. In Projekten wie AlphaGenome, das menschliche nicht-kodierende DNA analysiert, oder GNoME, das neue Materialien vorhersagt, setzt das Unternehmen auf KI, um komplexe physikalische und biologische Systeme zu entschlüsseln. Besonders ambitioniert ist das Ziel, Materialien mit maßgeschneiderten Eigenschaften wie Supraleitung oder Magnetismus zu entwerfen. Auch in Bereichen wie Klimavorhersage und Kernfusion arbeitet DeepMind an KI-Modellen, die langfristig transformative Auswirkungen haben könnten. Doch die Umgebung hat sich seit dem Aufstieg von ChatGPT 2022 grundlegend verändert. Die Explosion der großen Sprachmodelle hat Druck auf DeepMind ausgeübt, schneller kommerzielle Produkte wie die Gemini-LLMs zu veröffentlichen. Dieser Wandel hat zu Spannungen innerhalb des Unternehmens geführt: Einige ehemalige Mitarbeiter kritisieren die zunehmend kommerzielle Ausrichtung und die damit verbundene Herausforderung, verantwortungsvolle KI-Entwicklung aufrechtzuerhalten. Trotzdem verfügt DeepMind über ein starkes ethisches Fundament: Ein eigenes Komitee für Verantwortung und Sicherheit prüft jedes Projekt auf potenzielle Risiken – von biologischen Bedrohungen bis zu algorithmischen Vorurteilen. Industrielle Konkurrenz wächst: OpenAI und Mistral haben nun eigene Teams für wissenschaftliche KI-Entdeckungen gegründet, was zeigt, dass Hassabis’ Vision von KI als Werkzeug für die Wissenschaft zunehmend zum Standard wird. Experten wie Jonathan Godwin betonen, dass DeepMind sich durch seine Fokussierung auf grundlegende wissenschaftliche Probleme von rein technischen Entwicklern unterscheidet. Dennoch bleibt die Frage, ob die Erfolge von AlphaFold reproduzierbar sind – viele wissenschaftliche Herausforderungen sind komplexer und weniger gut strukturiert als das Protein-Faltungsproblem. Insgesamt steht DeepMind an einem Scheideweg: zwischen der Verwirklichung seiner ursprünglichen Mission, die Welt durch wissenschaftliche KI-Revolutionen zu verändern, und der Notwendigkeit, in einem rasch wachsenden, kommerziell orientierten Markt zu bestehen. Die Antwort könnte darin liegen, dass die KI nicht nur schneller, sondern auch intelligenter und verantwortungsvoller wird – und dass die nächsten großen Durchbrüche nicht nur in der Technik, sondern in der Art und Weise liegen, wie wir Wissenschaft mit KI gestalten.