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
openai10. September 2026 · Q007066

How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

De la Fuentes Labor nutzt Deep Learning, ChatGPT und Codex, um große Genom- und Proteindatenbanken nach möglichen Wirkstoffen gegen resistente Mikroben zu durchsuchen und die frühe Suche laut Bericht stark zu beschleunigen. Die Kandidaten müssen jedoch im Labor auf Wirksamkeit und Sicherheit geprüft werden und anschließend weitere Entwicklung, Zulassung und klinische Studien durchlaufen.

Mittel

Der Bericht beschreibt, wie César de la Fuentes Labor mithilfe von KI in den Genomen lebender und ausgestorbener Organismen nach möglichen antimikrobiellen Molekülen sucht. Deep-Learning-Modelle durchforsten große Genom- und Proteindatenbanken nach biologischen Mustern und sortieren vielversprechende Kandidaten für weitere Prüfungen. Laut Artikel kann das die erste Suchphase von Jahren auf Stunden verkürzen. ChatGPT und Codex unterstützen das Team außerdem beim Entwickeln von Hypothesen, Schreiben von Code, Aufbereiten großer Datensätze und beim Austausch zwischen Biologie, Chemie und Informatik.

Die Suche ist laut Bericht angesichts zunehmender Resistenzen wichtig: 2021 waren etwa fünf Millionen Todesfälle mit bakterieller Resistenz verbunden; bis 2050 könnte diese jährliche Zahl ungefähr doppelt so hoch sein. Ein KI-Vorschlag ist jedoch noch kein Medikament. Laborversuche müssen Wirkung und Dosis bestätigen und Auswirkungen auf menschliche Zellen untersuchen. Danach sind weitere Prüfungen zu Giftigkeit, Resistenzentwicklung, Stabilität, Verhalten im Körper und Herstellung nötig. Zulassungsverfahren und klinische Studien bleiben ebenfalls erforderlich. De la Fuente betont, dass KI-Ergebnisse überprüft und durch Experimente bestätigt werden müssen.

Ausführlich lesen

Der Bericht stellt die Arbeit des Bioingenieurs César de la Fuente und seines Labors vor. Sie suchen in den Genomen lebender und ausgestorbener Organismen nach Molekülen, die künftig gegen Infektionen durch resistente Mikroben helfen könnten. Der Artikel ordnet diese Suche in die wachsende Bedrohung durch antimikrobielle Resistenzen ein: Ihm zufolge waren 2021 weltweit etwa fünf Millionen Todesfälle mit bakterieller Resistenz verbunden; bis 2050 könnte diese jährliche Zahl ungefähr doppelt so hoch sein. De la Fuente bezeichnet das Problem als existenzielle Bedrohung und verweist darauf, dass es seit Jahrzehnten keine neue Antibiotikaklasse gegeben habe.

Statt vor allem bestehende Medikamente abzuwandeln oder bekannte chemische Stoffklassen zu durchsuchen, behandelt das Labor biologische Sequenzen als eine Art Informationssystem. DNA-Nukleotide und Aminosäuren bilden dabei ein Alphabet, dessen Muster auf funktionelle Moleküle hinweisen können. Deep-Learning-Modelle durchsuchen große Genom- und Proteindatensätze, erkennen mögliche Muster und priorisieren Kandidaten für weitere Untersuchungen. Laut Bericht kann das die anfängliche Suche nach Molekülen von Jahren auf Stunden verkürzen. Digitale Datenbanken erweitern die Suche über viele Organismen hinweg, machen es aber zugleich schwieriger, aussichtsreiche Signale aus der enormen Zahl möglicher Treffer herauszufiltern.

ChatGPT und Codex ergänzen die eigens entwickelten Modelle. Das Team nutzt sie unter anderem, um Hypothesen zu entwickeln, Code zu schreiben und zu verbessern, Datensätze herunterzuladen, zu ordnen und vorzuverarbeiten sowie Ergebnisse und Ideen aus verschiedenen Disziplinen zu erschließen. Die Werkzeuge helfen Teammitgliedern auch dabei, Fachbegriffe und Methoden aus anderen Gebieten zu verstehen. So können etwa Programmierende biologische Fragen bearbeiten und Biologinnen und Biologen eigene Programme erstellen. ChatGPT erleichtert laut Bericht außerdem die Arbeit in den jeweiligen Muttersprachen.

Ein KI-Treffer ist jedoch noch kein Medikament. Experimente müssen bestätigen, ob ein Kandidat den Zielkeim tatsächlich abtötet, welche Menge dafür erforderlich ist und wie er auf menschliche Zellen wirkt. Weitere Schritte prüfen unter anderem Giftigkeit, Stabilität, Resistenzentwicklung, Verhalten im Körper und Herstellbarkeit. Selbst Kandidaten, die diese Untersuchungen bestehen, müssen noch Zulassungsverfahren und klinische Studien durchlaufen. Der Bericht betont deshalb, dass Vorhersagen durch Experimente überprüft werden müssen.

De la Fuente beschreibt KI als Brainstorming- und Austauschpartner, der Ideen aus einem vielseitigen Team zusammenführen und die Arbeit an Schnittstellen zwischen Fachgebieten erleichtern kann. Zugleich mahnt er, KI-Ergebnisse stets auf ihre Richtigkeit zu prüfen. Der Artikel schildert damit einen möglichen Beschleuniger für die frühe Suche nach Wirkstoffkandidaten, belegt aber nicht, dass aus den beschriebenen Suchverfahren bereits ein zugelassenes Medikament hervorgegangen ist.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen geben den Bericht im Kern treu wieder und enthalten keine erfundenen Angaben. Die Fragen zu Verantwortung, Prüfung und Regierungsaufsicht werden vom Bericht kaum oder gar nicht beantwortet; er behandelt eine Anwendung von KI in der Wirkstoffforschung.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Aussage des Berichts, dass seit 50 Jahren keine neue Antibiotikaklasse entdeckt wurde, fehlt in beiden Zusammenfassungen.
  • Der Hinweis von de la Fuente, KI-Ergebnisse immer auf Richtigkeit zu prüfen, fehlt in der kurzen Fassung.

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
Fähigkeiten messen
  1. 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 58 %Hintergrund, keine Belege
    • JEV 40 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • 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 3 · 58 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 51 %einzelne zitierbare Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung kein Bezug

  2. 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 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. 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 66 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV 23 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. 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 42 %Hintergrund, keine Belege
    • JEV 62 %einzelne zitierbare Belege
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung

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 →