LLM use is acknowledged almost as often as specialized AI tools in biology preprints
Zusammenfassung
Kurz
Epoch AI zufolge erwähnten im September 2026 rund 17 Prozent der untersuchten bioRxiv-Vorveröffentlichungen LLM-Nutzung in Danksagungen, fast so viele wie spezialisierte KI-Werkzeuge mit etwa 19 Prozent. Die automatisierte Auswertung erfasst dokumentierte Nennungen bis September 2026, nicht notwendigerweise jede tatsächliche Nutzung oder deren Wirkung.
Mittel
Epoch AI berichtet, dass der Anteil der bioRxiv-Vorveröffentlichungen, die LLM-Nutzung in Danksagungen erwähnen, stark gestiegen sei: Im September 2026 lag er bei rund 17 Prozent und damit nahe bei den etwa 19 Prozent für spezialisierte KI-Werkzeuge. Zu diesen zählen Anwendungen für Proteinstruktur, Bildanalyse, Einzelzellsequenzierung und Genomik. AlphaFold sei das am häufigsten genannte spezialisierte Werkzeug. LLMs würden unter anderem für Literaturrecherche, Schreiben und Programmierhilfe eingesetzt. Rund 4 Prozent der Arbeiten im September 2026 hätten LLMs ausdrücklich für Forschung oder Analyse genannt, gegenüber etwa 1 Prozent zu Jahresbeginn; dieser Anteil ist Teil aller LLM-Nennungen.
Für die Auswertung ließ Epoch AI nach eigener Darstellung bioRxiv-Arbeiten von Januar 2020 bis September 2026 automatisiert auf entsprechende Danksagungen prüfen und die LLM-Nutzungen in vier Kategorien einteilen. Die Zahlen erfassen ausdrücklich erwähnte Nutzung, nicht zwingend den gesamten tatsächlichen Einsatz. Sie beziehen sich ausschließlich auf bioRxiv und belegen weder Auswirkungen noch eine Ursache für den beobachteten Anstieg.
Ausführlich lesen
Der Bericht von Epoch AI vergleicht, wie häufig bioRxiv-Vorveröffentlichungen den Einsatz großer Sprachmodelle (LLMs) und spezialisierter KI-Werkzeuge erwähnen. Nach den ausgewerteten Angaben stieg der Anteil der Arbeiten mit einer Danksagung für LLM-Nutzung seit 2023 stark an. Im September 2026 lag er bei rund 17 Prozent und damit nahe am Anteil für spezialisierte KI-Werkzeuge von etwa 19 Prozent. Der Bericht beschreibt den LLM-Anstieg als exponentiell; die Nennungen spezialisierter Werkzeuge hätten dagegen seit 2021 stetig zugenommen.
Als spezialisierte Werkzeuge gelten etwa Modelle für Proteinstruktur und -design, Bildanalyse, Einzelzellsequenzierung und Genomik. Am häufigsten werde AlphaFold genannt, das Proteinstrukturen vorhersagt: Es mache ungefähr die Hälfte der Vorveröffentlichungen aus, die spezialisierte KI-Werkzeuge erwähnen. LLM-Anwendungen seien vielfältiger und umfassten unter anderem Literaturrecherche, Schreiben und Programmierhilfe. Der Anteil, der LLMs ausdrücklich für Forschung oder Analyse nennt, betrug im September 2026 laut Bericht rund 4 Prozent; zu Jahresbeginn waren es etwa 1 Prozent. Diese Forschungsnutzung ist eine Teilmenge aller LLM-Nennungen.
Methodisch untersuchte Epoch AI nach eigener Beschreibung jede bioRxiv-Vorveröffentlichung von Januar 2020 bis September 2026 mithilfe von GPT-5.6 Sol auf Hinweise in den Danksagungen. LLM-Nennungen und spezialisierte KI-Werkzeuge wurden getrennt erfasst. Ein weiteres System ordnete die LLM-Nennungen vier Kategorien zu: Forschung, Programmierung und Berechnung, Schreiben sowie Literaturrecherche. „Forschung“ schließt laut Bericht konzeptionelle Beiträge wie Versuchsplanung, methodische Beiträge wie Datenkennzeichnung und Analysen wie statistische Auswertung ein.
Die Zahlen beziehen sich auf ausdrücklich anerkannte Nutzung in Danksagungen. Sie belegen daher nicht, wie häufig KI tatsächlich verwendet wurde, wenn dies nicht erwähnt wird, und zeigen für sich genommen auch nicht, welche Wirkung der Einsatz hatte. Die Untersuchung ist auf bioRxiv-Vorveröffentlichungen und den angegebenen Zeitraum begrenzt; die Klassifizierung beruht auf automatisierter Prüfung. Der Bericht verweist für weitere methodische Einzelheiten auf eine separate Dokumentation.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Luna hat beide Sammelfragen mit Stufe 3 bewertet, der Bericht stützt das nicht. Die Zusammenfassungen sind im Kern korrekt, ergänzen aber Deutungen, die nicht im Bericht stehen, und lassen das Wachstum und AlphaFold aus. Teilfragen wurden keine angegeben.
Im Bericht, aber nicht in der Zusammenfassung
- Das exponentielle Wachstum der LLM-Nennungen seit 2023 wird nicht erwähnt.
- AlphaFold wurde im Juli 2021 öffentlich verfügbar und taucht in etwa der Hälfte der Nennungen spezialisierter KI-Werkzeuge auf.
In der Zusammenfassung, laut Prüfung nicht im Bericht belegt
- Die Auswertung erfasst nicht notwendigerweise jede tatsächliche Nutzung oder deren Wirkung (kurze Fassung; so steht es im Bericht nicht).
- Die Zahlen belegen weder Auswirkungen noch eine Ursache des Anstiegs (mittlere Fassung; so steht es im Bericht nicht).
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 34 %Hintergrund, keine Belege
- JEV 45 %gleiches Oberthema, hilft nicht
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
Vertrauen in Modelle
- 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 100 %kein Bezug
- JEV 39 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 53 %Hintergrund, keine Belege
- JEV 28 %Hintergrund, keine Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 54 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 38 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug