Im Lärm um immer größere Modelle lohnt sich ein Innehalten bei einer leiseren Art von KI-Erfolg. Regina Barzilay und James Collins vom MIT haben den Pritzker-Preis 2026 für Exzellenz in der KI-Forschung in der Wissenschaft gewonnen, weil sie mit maschinellem Lernen neue Antibiotika fanden, ein Ergebnis, das zählt, weil Antibiotikaresistenz tötet und der Nachschub an neuen Medikamenten fast versiegt war. Ihre Arbeit zeigt KI, die sich ihren Platz in einem Feld verdient, in dem der Einsatz in Menschenleben und nicht in Benchmark-Punkten gemessen wird.
Der 2024 gegründete Preis, gemeinsam von der University of Chicago und Caltech vergeben, würdigt zwei wegweisende Funde. 2020 identifizierte das Paar, zusammen mit dem damaligen MIT-Forscher Jonathan Stokes, halicin, eine von einem auf etwa 2.500 Molekülen trainierten Modell herausgegriffene Verbindung, benannt nach dem Computer HAL 9000. Halicin ist ein Breitbandantibiotikum, das resistente Bakterien wie Clostridium difficile, Acinetobacter baumannii und das Tuberkulosebakterium töten kann, und das Modell verdichtete eine einst Jahre dauernde Suche auf Wochen. 2023 fand dieselbe Gruppe abaucin, ein schmalspektriges Antibiotikum, das gezielt gegen A. baumannii gerichtet ist, einen auf Krankenhausoberflächen verbreiteten resistenten Keim.
Der herauszuhebende Punkt ist, dass die Schmalheit von abaucin genau der Vorteil ist. Ein Medikament, das auf eine einzige Art zielt, richtet weniger Kollateralschaden an den nützlichen Darmbakterien an und bietet der Resistenz weniger Angriffspunkte, was ein durchdachterer Einsatz von KI ist, als einfach nach dem stärksten Killer zu suchen. Die Methode, sorgfältige Modellierung gepaart mit echter Laborvalidierung, ist der Ort des Werts, nicht die Größe des Modells.
Die Preisträger selbst sind zurückhaltend. Collins fasst generative KI als Wandel auf, von der KI zum Entdecken von Molekülen hin zu ihrer Nutzung zum Entwerfen, während Barzilay warnt, das Feld sei noch jung, KI könne Teile der Medikamentenpipeline automatisieren statt sie ganz zu verwandeln, und realistische Modelle der menschlichen Biologie zu bauen bleibe schwer. Diese Offenheit ist der richtige Ton.
Die ehrlichen Lücken stecken in der Ankündigung selbst. Sie nennt keine Preissumme und, wichtiger, sie sagt nicht, wie nahe halicin oder abaucin daran sind, Patienten zu erreichen, was letztlich die Frage ist, ob diese Arbeitsrichtung jemandem hilft. Viele vielversprechende Verbindungen scheitern in den Jahren der Studien, die auf die Entdeckung folgen. Dies ist ein verdienter Preis und eine Erinnerung daran, dass einige der stärksten Ergebnisse von KI für die Wissenschaft aus bescheidenen Modellen und geduldiger Laborarbeit kamen, aber die Medikamente selbst müssen den langsamen Teil noch bestehen.