Lernende Maschinen sind fantastische Werkzeuge für viele Forscher. Insbesondere auf Gebieten, in denen man es mit großen, komplexen Datenmengen zu tun hat. Das beste Beispiel ist vermutlich die Vorhersage von Proteinstrukturen im Körper, die ein System der Google-Tochter DeepMind mittlerweile so gut beherrscht, dass es dafür einen Nobelpreis gab .

Das menschliche »Proteom« zu verstehen, ist einer der wichtigsten Bausteine der computergestützten Biomedizin. Es geht darum, zu begreifen, was genau die Zehntausenden unterschiedlichen Proteine, die Enzyme, Antikörper oder auch Hormone genau tun, wie sie zusammenwirken, wie sie Krankheiten auslösen und Krankheiten bekämpfen. Der Erfolg von DeepMind war aber nur möglich, weil Forscher Proteinstrukturen und ihren zugehörigen Bauplan im Erbgut zuvor mit anderen, älteren Methoden bestimmt und diese Informationen in gewaltigen Datenbanken hinterlegt hatten.

Ein mächtiges Werkzeug mit mächtigem Datenhunger

Ich vertrete schon seit Längerem die Position, dass KI-gestützte Biotechnologie die wichtigste Wissenschaft des 21. Jahrhunderts wird. Dafür braucht man Trainingsdaten von hoher Qualität und in großer Menge. Die kommen zwangsläufig aus Forschungslaboren.

Forschungsdaten, so wird das seit der Entstehung der Royal Society  in Großbritannien, seit der Zeit von Leibniz und Newton  gehandhabt, werden traditionell geteilt, publiziert eben. Unternehmen handeln oft geheimniskrämerisch, akademisch Forschende dagegen veröffentlichen, was sie herausfinden. Und oft auch, was sie messen.

Das ist mit digitalen Daten sehr viel einfacher geworden: Moderne Fachveröffentlichungen haben oft einen digitalen Anhang, der große Datenmengen enthält, seien es Reaktionszeiten aus psychologischen Experimenten, Messergebnisse aus der Materialforschung oder aus Medikamententests oder eben Proteinstrukturen und die dazugehörigen Baupläne. Für bestimmte Arten von Daten gibt es eigene große öffentlich zugängliche Datenbanken.

Beschleunigen – oder belauschen?

KI ist deshalb ein so mächtiges Forschungswerkzeug, weil die künstlichen neuronalen Netze von heute so hervorragend Muster in riesigen Datenbergen finden und Vorhersagen daraus ableiten können. Eine mit vielen bekannten Proteinstrukturen trainierte Maschine kann aus DNA-Schnipseln vorhersagen, welche Form das Protein zu diesem Bauplan vermutlich hat, was Rückschlüsse auf seine Funktion im Körper erlaubt. KI-Systeme finden auch bereits neue Kandidaten für Antibiotika gegen multiresistente Keime, bessere Materialien für Photovoltaikzellen  und – so scheint es jedenfalls – sogar Lösungen für bislang ungelöste mathematische Problemstellungen.

OpenAI hat gerade erklärt, die als »Jahrtausendproblem« der Mathematik gehandelten Navier-Stokes-Gleichungen gelöst zu haben. Mehrere Mathematiker haben nun den Verdacht , dass OpenAI dabei auch auf Konversationen zurückgriff, die sie selbst auf der Suche nach der Lösung mit OpenAI-Chatbots geführt hatten. OpenAI bestritt, die Mathematiker gewissermaßen gezielt belauscht zu haben, erklärte aber auch: Man könne »nicht ausschließen, dass de-identifizierte Daten, die bei der Benutzung unserer Produkte entstanden, in die Verbesserung der eigenen Modelle eingeflossen« seien. Mit anderen Worten: OpenAI weiß gar nicht so genau, aus wessen Chatbot-Konversationen seine KI genau lernt und was. Mittlerweile gibt es einen ähnlichen weiteren Fall .

Eine vermeintlich großzügige Ankündigung  von OpenAI von Ende Juli erscheint so plötzlich in einem anderen Licht. Damals erklärte das Unternehmen: »Wir gewähren Wissenschaftlern, Mathematikern und Ingenieuren kostenlosen Zugang zu unseren innovativen Modellen – zunächst für 10.000 Forscher, bis 2027 soll diese Zahl auf 100.000 steigen.« Man wolle »interdisziplinäre Forschungsergebnisse beschleunigen«. Doch viele stellen sich nun die Frage: beschleunigen oder belauschen?

Eure Daten sind unsere Technologie

Die KI-Konzerne waren mit einer Strategie erfolgreich, die man so zusammenfassen könnte: »Alles, was da draußen verfügbar ist, gehört uns, wir machen Trainingsdaten daraus, ob ihr wollt oder nicht.« »Training data are technology«, hat Ilya Sutskever von OpenAI einmal gesagt: »Trainingsdaten sind Technologie.« Genauer: Eure Daten werden zu unserer Technologie. Das, was wir daraus machen, machen wir dann anschließend zu Geld.

Bildagenturen, Verlage, Autorinnen und Autoren klagen längst gegen die KI-Konzerne, auch Musikerinnen und Musiker ergreifen juristische Schritte . Macht- und geopolitisch betrachtet sind Forschungsdaten aber ein viel größeres Thema als Kunst oder Musik. Mit ihnen wird sich in Zukunft der Fortschritt in der Medizin und Pharmazie, der Materialforschung und Biotechnologie, vielleicht sogar der Physik und eben auch in der Mathematik massiv beschleunigen lassen. Und wer wissenschaftlich-technologisch vorn ist, hat einen gewaltigen Vorteil im geopolitischen Rennen um Macht.

Vor diesem Hintergrund sind Gesetze zum Thema Datenweitergabe sehr interessant, die Chinas kommunistische Staatsführung bereits 2021  und 2023 verabschiedet hat: Es gibt dort nun sehr strikte Regeln für das Teilen von Forschungsdaten. Internationale Kooperationen von chinesischen und anderen Forschenden, lange Zeit ein Wachstumsgebiet, gehen auch deshalb seit 2022 wieder zurück .

»Verschärfte Kontrolle« in China

»Verschärfte Kontrolle über Schlüsselinformationen wird in China häufiger«, berichtete die internationale Publikation »University World News« im Herbst 2023 . Damals ging es schon nicht nur um sensible wirtschaftliche Indikatoren  oder auch Arbeitsmarktdaten – sondern explizit auch um vermeintlich sicherheitsrelevante Forschungsdaten. China hat begonnen, sie zu horten.

2025 berichtete die Nachrichtenagentur Reuters , dass die Deutsche Forschungsgemeinschaft, der Schwedische Forschungsrat und der Schweizerische Nationalfonds zur Förderung der wissenschaftlichen Forschung bestimmte Kooperationen mit chinesischen Forschenden nicht mehr fördern – wegen der Datengesetze. Ein Sprecher des Schweizerischen Nationalfonds sagte der Agentur damals, es sei »nicht klar, was die Definition ›wichtiger Daten‹ ist«. Schweizer Forschende könnten deshalb kaum mehr erkennen, »unter welchen Umständen eine Forschungszusammenarbeit Sanktionen oder sogar Strafmaßnahmen unterliegen könnte«.

Rohdaten = Trainingsdaten