1. Erforschen – Grundlagen der KI in der Biotechnologie

1.1 Was ist Biotechnologie?

Biotechnologie ist ein Teilgebiet der Biologie, das die Nutzung lebender Systeme und Organismen zur Entwicklung oder Herstellung von Produkten umfasst, oder „jede technologische Anwendung, die biologische Systeme, lebende Organismen oder deren Derivate verwendet, um Produkte oder Prozesse für einen bestimmten Zweck herzustellen oder zu modifizieren“ (Übereinkommen über die biologische Vielfalt, 1992). Von alten Praktiken wie dem Brauen und Backen bis hin zur modernen Gentechnik und Impfstoffproduktion hat die Biotechnologie eine lange Geschichte der Nutzung biologischer Prozesse zum Nutzen des Menschen.

1.2 Was ist Künstliche Intelligenz (KI)?

Künstliche Intelligenz (KI) bezieht sich auf die Entwicklung von Computersystemen, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Zu diesen Aufgaben gehören Lernen, logisches Denken, Problemlösung, Wahrnehmung und Sprachverständnis. Ein wichtiger Teilbereich der KI ist das Maschinelle Lernen (ML), bei dem Algorithmen aus Daten lernen, ohne explizit programmiert zu werden. Tiefes Lernen, eine fortgeschrittenere Form des ML, verwendet komplexe neuronale Netze, um große Datenmengen zu verarbeiten und die Struktur des menschlichen Gehirns nachzuahmen.

1.3 Wie treibt KI die Biotechnologie an?

Die Integration von KI und Biotechnologie, oft als KI-gestützte Biotechnologie bezeichnet, stellt einen Paradigmenwechsel in den Lebenswissenschaften dar. Die Fähigkeit der KI, riesige und komplexe Datensätze zu analysieren, Muster zu erkennen und Vorhersagen zu treffen, revolutioniert verschiedene biotechnologische Anwendungen – von der Genomsequenzierung bis hin zur personalisierten Medizin (Asad & Zulfiqar, 2024).

1.4 Ist KI in der Wirkstoffforschung ein Game Changer?

Die Arzneimittelentdeckung ist ein herausragendes Beispiel dafür, wo KI einen bedeutenden Einfluss ausübt. Traditionell ist dieser Prozess ressourcenintensiv, zeitaufwendig und mit einer hohen Ausfallrate verbunden. KI transformiert jede Phase, bietet Verbesserungen bei Effizienz, Kostenreduktion und Erfolgsraten (Pușcașu et al., 2025). So beschleunigt KI die Arzneimittelentdeckung:

• Schnellere Zielidentifikation: KI analysiert biologische Daten (Genomik, Proteomik) rasch, um krankheitsrelevante therapeutische Ziele schnell zu identifizieren und verkürzt so die anfängliche Entdeckungsphase.
• Beschleunigtes virtuelles Screening: KI-gestützte Computermodelle durchsuchen virtuell Milliarden chemischer Verbindungen und sagen voraus, welche wahrscheinlich an ein spezifisches Krankheitsziel binden. Dies beschleunigt die Identifizierung potenzieller Arzneimittelkandidaten im Vergleich zu physischen Tests erheblich (Marins et al., 2024).
• Effizientes Wirkstoffdesign: KI, einschließlich generativer KI, entwirft neuartige Molekülstrukturen von Grund auf, optimiert sie für gewünschte biologische Aktivitäten und verfeinert bestehende Arzneimittelkandidaten, um Wirksamkeit und Sicherheit zu verbessern.
• Verbesserte ADMET-Vorhersage: KI-Modelle sagen die Absorption, Verteilung, den Metabolismus, die Ausscheidung und Toxizität (ADMET) eines Wirkstoffs frühzeitig genau voraus. Dadurch können Forscher schädliche oder unwirksame Verbindungen schnell herausfiltern und teure Fehlschläge in späteren Phasen vermeiden.
• Optimierte klinische Studien: KI analysiert Patientendaten, um effizient geeignete Studienteilnehmer zu identifizieren und gezieltere Protokolle zu entwerfen. Sie sagt zudem Reaktionen voraus und überwacht Ergebnisse in Echtzeit, was zu schnellerer Rekrutierung, kürzeren Studiendauern und höheren Erfolgsraten führt.
• Schnelle Arzneimittel-Neupositionierung: KI-Algorithmen identifizieren durch die Analyse umfangreicher Datensätze zugelassener Medikamente und Krankheitsinformationen rasch neue therapeutische Einsatzmöglichkeiten für bestehende Arzneimittel und beschleunigen so die Verfügbarkeit von Behandlungen.