Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind28. Juli 2022 · Q002333

AlphaFold reveals the structure of the protein universe

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepMind kündigt an, die AlphaFold-Datenbank auf mehr als 200 Millionen vorhergesagte Proteinstrukturen auszuweiten, und berichtet von breiter Nutzung in Forschung und öffentlichen Datenangeboten. Der Beitrag schildert Beispiele wie die Untersuchung des Kernporenkomplexes, stellt die Wirkung überwiegend positiv dar und enthält keine systematische Genauigkeitsbilanz für alle Vorhersagen.

Mittel

Der Beitrag berichtet über die Erweiterung der AlphaFold Protein Structure Database: Sie soll von knapp einer Million auf mehr als 200 Millionen vorhergesagte Proteinstrukturen wachsen. AlphaFold leitet dreidimensionale Proteinmodelle aus Aminosäuresequenzen ab. Die neuen Einträge umfassen laut DeepMind zahlreiche Organismengruppen; für die meisten UniProt-Einträge soll eine Vorhersage verfügbar und der Gesamtdatensatz gesammelt herunterladbar sein.

DeepMind zufolge haben bereits mehr als 500.000 Forschende in 190 Ländern die Datenbank genutzt. Genannte Anwendungsfelder reichen von Krankheitsforschung und Medikamentenentwicklung bis zu Plastikabbau. Als Beispiel für den Nutzen im Zusammenspiel mit Experimenten schildert der Text die Erforschung des Kernporenkomplexes: Vorhersagen halfen, experimentell gewonnene Befunde zu ergänzen und unklare Bereiche zu deuten.

Der Beitrag beschreibt AlphaFold als Beleg für das Potenzial von KI, wissenschaftliche Arbeit zu beschleunigen. Diese positive Wirkungsdarstellung stammt vor allem von DeepMind und zitierten Forschenden. Der Text macht keine systematische Aussage zur Genauigkeit sämtlicher Modelle; die Beispiele zeigen mögliche Anwendungen, aber keine allgemeine Wirkungsbilanz.

Ausführlich lesen

Der Beitrag von DeepMind-Gründer Demis Hassabis berichtet ein Jahr nach der Veröffentlichung von AlphaFold über eine starke Ausweitung der frei zugänglichen AlphaFold Protein Structure Database. AlphaFold sagt die dreidimensionale Struktur eines Proteins anhand seiner Aminosäuresequenz voraus. Der Text erklärt, dass Proteinformen eng mit ihren Funktionen verbunden seien und Strukturvorhersagen Forschenden daher helfen könnten, biologische Vorgänge besser zu untersuchen.

Die angekündigte Erweiterung soll die Datenbank von knapp einer Million auf mehr als 200 Millionen vorhergesagte Proteinstrukturen vergrößern. Sie umfasse Proteine aus Pflanzen, Bakterien, Tieren, Pilzen und weiteren Organismen. Laut Beitrag werde damit für die meisten Einträge in UniProt eine vorhergesagte Struktur verfügbar; alle Modelle sollten außerdem gesammelt über Google Cloud Public Datasets herunterladbar sein. Die Zahl der vertretenen Arten steige demnach von ungefähr 10.000 auf rund eine Million.

DeepMind nennt als bisherige Nutzung mehr als 500.000 Forschende aus 190 Ländern, die auf die Datenbank zugegriffen hätten. Die Strukturen seien außerdem in öffentliche Angebote wie Ensembl, UniProt und OpenTargets eingebunden. Der Text führt Anwendungen in der Forschung zu Krankheiten, Medikamentenentwicklung, Bienen, Plastikabbau und den Ursprüngen des Lebens an. Als Beispiel für die Verbindung von Vorhersage und Experiment nennt er die Aufklärung des Kernporenkomplexes: Experimentelle Methoden hätten dessen Umriss sichtbar gemacht, während AlphaFold-Vorhersagen bei der Ergänzung und Deutung unklarer Bereiche geholfen hätten. Der Beitrag beschreibt diese Kombination als zunehmend üblich.

Zur Entwicklung und Verbreitung schreibt DeepMind, den Code veröffentlicht, zwei Fachartikel in Nature publiziert und vor dem Start mehr als 30 Fachleute aus Biologie, Sicherheit, Ethik und weiteren Bereichen einbezogen zu haben. Der Bericht stellt AlphaFold als Beleg dafür dar, dass KI wissenschaftliche Entdeckungen beschleunigen könne. Zudem beschreibt er laufende Vorhaben mit Isomorphic Labs, dem Francis Crick Institute und dem eigenen Forschungsteam.

Die Aussagen über Wirkung und künftiges Potenzial sind überwiegend die Einschätzungen von DeepMind und zitierten Unterstützern. Der Beitrag beschreibt die Datenbankmodelle als Vorhersagen und schildert Beispiele, in denen sie zusammen mit experimentellen Verfahren genutzt werden. Er liefert jedoch keine systematische Auswertung der Genauigkeit für alle 200 Millionen Modelle oder eine unabhängige Bilanz der genannten Auswirkungen. Die angekündigte Datenbankerweiterung ist der zentrale Gegenstand; die dargestellten Beispiele illustrieren mögliche Anwendungen, belegen aber nicht für sich allein deren allgemeine Wirksamkeit.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist ein Blogbeitrag von DeepMind mit überwiegend positiver Eigendarstellung und ohne unabhängige Wirkungsbilanz; die Einordnung stützt sich nur auf die dort genannten Belege.

Im Bericht, aber nicht in der Zusammenfassung

  • Partnerschaft mit EMBL-EBI als Betreiber der AlphaFold-Datenbank
  • Fokus auf vernachlässigte Tropenkrankheiten mit DNDi und der WHO-Liste
  • Konsultation von über 30 Fachleuten zu Sicherheit, Ethik und Risiken vor der Veröffentlichung

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 27 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-F3-T02 Welche Verantwortung sollten KI-Firmen gegenüber der Öffentlichkeit tragen, wenn ihre Modelle grundlegende wissenschaftliche Entdeckungen ermöglichen, die gefährliche Anwendungen finden könnten? Luna: Stufe 4 · 47 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 45 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 75 %einzelne zitierbare Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra 27 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 71 %einzelne zitierbare Belege
    • JEV 44 %umfangreiche Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →