In einer groß angelegten Studie wurde untersucht, wie der Einsatz von KI die Materialforschung verändert. Können intelligente Systeme die Innovationskraft der Wissenschaft entscheidend steigern?
Wie KI die Materialforschung revolutioniert
Ein Team unter der Leitung des MIT-Ökonomen Aidan Toner-Rodgers führte eine kontrollierte Studie durch, um den Einfluss von KI auf die Entwicklung neuer Materialien zu bewerten. Dabei kam ein speziell entwickeltes KI-Tool in einem US-Unternehmen mit über 1.000 Forschern zum Einsatz. Das Unternehmen arbeitet an der Entwicklung anorganischer Materialien, die in Branchen wie Gesundheitswesen, Optik und industrieller Fertigung eine Rolle spielen.
Die Ergebnisse sprechen für sich: Teams, die das KI-Tool nutzten, entdeckten 44 % mehr neue Materialien und meldeten 39 % mehr Patente an als ihre konventionell arbeitenden Kollegen. Der Kern des Tools besteht aus Graph Neural Networks und Reinforcement Learning, die mit Daten aus führenden Materialdatenbanken wie dem Materials Project und der Alexandria Materials Database trainiert wurden.
Die Arbeitsweise der KI ist dabei klar strukturiert: Wissenschaftler geben gewünschte Materialeigenschaften ein, das neuronale Netz schlägt neue Strukturen vor, und die Forscher wählen erfolgversprechende Kandidaten zur Synthese und experimentellen Prüfung aus. Der Feedbackprozess verbessert kontinuierlich die Vorhersagen der KI.
Stärkere Forscher profitieren am meisten – aber auf Kosten der Zufriedenheit
Ein überraschender Aspekt der Studie ist, dass vor allem die leistungsstärksten Forscher von der KI profitierten. Ihr Expertenwissen erlaubte eine effiziente Priorisierung der KI-Vorschläge. Forscher mit geringerer Leistung verschwenden hingegen häufiger Ressourcen auf Vorschläge, die sich als unbrauchbar herausstellen. Gleichzeitig führte der Einsatz der KI bei vielen Wissenschaftlern zu einer geringeren Arbeitszufriedenheit. Kreative Schritte, die zuvor den Kern ihrer Tätigkeit ausmachten, wurden durch automatisierte Prozesse ersetzt. Statt Ideen zu entwickeln, beschränkt sich ihre Rolle zunehmend darauf, zwischen Vorschlägen zu wählen.
Die Ergebnisse zeigen: KI kann die Materialforschung auf ein neues Niveau heben. Doch sie bringt auch Herausforderungen mit sich, insbesondere für die Zufriedenheit der Forscher.