Forschungspraxis
Betreiben KI-Modelle selbst Wissenschaft?

Künstliche Intelligenz (KI) ist in der Wissenschaft längst nicht mehr bloßes Hilfsmittel. Sie organisiert inzwischen Forschungsprozesse eigenständig.

Manche Wissenschaftlerinnen und Wissenschaftler stellen sich die Frage, inwiefern KI-Technologie tatsächlich wissenschaftliche Entdeckungen befördert oder die Forschungsqualität verbessert. Der beim Fachmagazin Nature erschienene Report "AI for Science 2025" (AI4S) beantwortet dies positiv, bezeichnet KI als "Meta-Technologie", die das Paradigma der Entdeckung selbst neu definiere und der menschlichen wissenschaftlichen Forschung neue Horizonte eröffne. 

Der Einsatz von KI in der Wissenschaft gestalte traditionelle Forschungsprozesse neu, beschleunige Entdeckungen, integriere datengestützte Modellierung mit Vorwissen, automatisiere die Hypothesengenerierung und deren Validierung, ermögliche autonomes und intelligentes Experimentieren und fördere die fachübergreifende Zusammenarbeit, heißt es im AI4S-Bericht. 

Insbesondere, was die Qualität der KI-gestützten Forschung angeht, gibt es allerdings auch kritische Sichtweisen. Sie heben beispielsweise die Grenzen der Technologie und die Gefahr hervor, sich zu sehr auf ihre Fähigkeiten zu verlassen. 

Vom unterstützenden Werkzeug zum Akteur disruptiver Forschung 

KI-Technologie entwickelt sich derzeit rasant von einem unterstützenden Forschungswerkzeug zu einer eigenständigen epistemischen Infrastruktur moderner Wissenschaft. Das betont unter anderem der "AI Index Report 2026" vom Stanford Institute for Human-Centered AI (HAI) der Stanford University. Die diesjährige Ausgabe der renommierten Meta-Analyse widmet dem Veränderungspotential von KI im Bereich der Wissenschaft und des Forschens erstmals ein gesamtes Kapitel. Dabei gingen die meisten betrachteten KI-Modelle für die Wissenschaft aus akademischen und staatlichen Institutionen als Ergebnis internationaler Kooperationen hervor – im Gegensatz zur von der Industrie dominierten Landschaft der Allzweck-KIs. 

Hochtrainierte, vielseitige KI-Systeme, sogenannte Frontier-Modelle, erreichten oder überträfen mittlerweile menschliche Leistungsniveaus bei naturwissenschaftlichen Fragen auf Promotionsniveau, beim multimodalen Schlussfolgern und bei der Wettbewerbsmathematik. Im Jahr 2025 sei das erste vollständig von einer KI verfasste Fachpapier für einen Workshop mit Peer-Review-Verfahren angenommen worden. Die Liste der experimentell bestätigten KI-Entdeckungen bleibe jedoch weiterhin kurz. Bei End-to-End-Aufgaben in der wissenschaftlichen Forschung erreichten die besten KI-Agenten etwa die Hälfte der Leistung, die promovierte Expertinnen und Experten erzielen, gibt der AI Index Report an. 

"Im Jahr 2025 ging die Entwicklung der KI über die bloße Optimierung einzelner Schritte innerhalb von Forschungsarbeitsprozessen hinaus und verlagerte sich hin zum Ersatz ganzer wissenschaftlicher Arbeitsabläufe – von der Wettervorhersage bis hin zur Multi-Agenten-gestützten Hypothesengenerierung und Versuchsplanung", heißt es. Erstmals habe beispielsweise im Untersuchungszeitraum des AI Index Reports eine KI eine vollständige Wettervorhersage von Anfang bis Ende eigenständig durchgeführt: von der Verarbeitung meteorologischer Rohdaten in Echtzeit bis zur direkten Ausgabe finaler Wettervorhersagen wie Temperatur, Wind und Luftfeuchtigkeit. In der Chemie und den Materialwissenschaften hätten KI-Agenten-Systeme damit begonnen, sich mit externen Software-Tools und Laborgeräten zu vernetzen, um Experimente durchzuführen. 

Wie eine Forschungsgruppe in ihrer Studie "Von KI für die Wissenschaft zur agentischen Wissenschaft" (From AI for Science to Agentic Science) 2025 feststellte, ließe sich insgesamt von einer neuen Entwicklungsstufe des KI-Einsatzes in der Forschung sprechen. Sie beschreiben in ihrer Analyse die Entwicklung der KI-Modelle von Spezialmodellen mit klar definierten Aufgaben (Stufe 1) über den automatisierten Forschungsassistenten (Stufe 2) und den autonomen wissenschaftlichen Partner (Stufe 3) bis hin zum autonomen wissenschaftlichen Akteur (Stufe 4). Das Forschungsteam schlägt als ultimativen Maßstab den sogenannten Nobel-Turing Test vor, um festzustellen, ob ein autonomer KI-Agent eigenständig wissenschaftliche Entdeckungen auf Nobelpreisniveau erreichen kann. Dafür müsse die KI selbst Forschungslücken erkennen, originelle Hypothesen entwickeln, Experimente entwerfen, Ergebnisse interpretieren und einen Paradigmenwechsel auslösen. 

Chancen und Risiken von KI in der Forschungspraxis 

Aktuelle Studien zur Nutzung von KI-Modellen in der Forschung weisen darauf hin, dass Wissenschaftlerinnen und Wissenschaftler beruflich von den neuen Anwendungsmöglichkeiten profitieren können. So stellt es beispielsweise ein chinesisch-US-amerikanisches Forschungsteam in seiner Anfang 2026 bei Nature veröffentlichten Arbeit fest. Demzufolge veröffentlichen KI-nutzende Forschende rund dreimal mehr Artikel, werden circa fünfmal so oft zitiert und erhalten etwa 15 Monate früher die Leitung eines Forschungsprojektes als ihre Kolleginnen und Kollegen, die keine KI einsetzen. 

Gleichzeitig verringerten sich das Spektrum der untersuchten wissenschaftlichen Themen um fast fünf Prozent und die gegenseitige Interaktion der Wissenschaftlerinnen und Wissenschaftler untereinander um mehr als ein Fünftel. Der KI-Einsatz ist nach Ansicht des Forschungsteams um den Elektrotechnik-Experten Professor Yong Li deshalb weniger dazu geeignet, neue Untersuchungsfelder zu erschließen als bestehende zu automatisieren. 

Da KI-Modelle zunehmend Verantwortung sowohl für die Konzeption als auch für die Durchführung von Forschung übernähmen, werde eine unabhängige Bestätigung der Ergebnisse zu einem wichtigen Schritt, so der aktuelle AI Index Report. Es gebe weiterhin erhebliche Diskrepanzen zwischen plausibel erscheinenden Ergebnissen und tatsächlich zuverlässiger wissenschaftlicher Arbeit: Selbst die fortschrittlichsten KI-Agenten erzielten bei Replikationsaufgaben auf dem Niveau wissenschaftlicher Fachpublikationen Ergebnisse von unter 20 Prozent. 

In einer Analyse zum Einsatz von KI-Agenten in der qualitativen Forschung, die im Februar 2026 in der Zeitschrift für Evidenz, Fortbildung und Qualität im Gesundheitswesen veröffentlicht wurde, wird Skepsis geäußert. Die zentralen Prinzipien qualitativer Forschung seien nicht automatisierbar, die Verwendung von KI-Systemen als ergänzendes Reflexionswerkzeug sei hingegen sinnvoll. Das Forschungsteam von der Universität Witten/Herdecke plädiert für einen forschungsgeleiteten, kritisch-reflexiven Einsatz von KI, der auf methodischer Sorgfalt, ethischer Verantwortung und kontinuierlichem Diskurs basiert. 

Mehrere aktuelle Studien zum Einsatz von KI in der Forschungspraxis kritisieren mangelnde Reproduzierbarkeit, Probleme bei der Transparenz wissenschaftlicher Argumentation, erfundene Fakten – sogenannte KI-Halluzinationen – die aufwendige Validierung erzielter Erkenntnisse, die Gefahr der Übervereinfachung, ethische Risiken, verzerrte Darstellungen (Bias), unterschlagene Unsicherheiten, Fragen der Verantwortlichkeit bei Fehlentscheidungen sowie die ungenügende Kontrolle autonomer Systeme. 

Forschungsbereiche mit besonders ausgeprägtem KI-Einsatz 

Der AI Index Report dokumentiert systematisch, dass die KI-Technologie inzwischen zu den zentralen Treibern wissenschaftlicher Durchbrüche zählt. Bislang konzentrieren sich die größten Erfolge tendenziell auf Fachgebiete, die über eine bereits gut ausgebaute Dateninfrastruktur verfügen – darunter die Strukturbiologie, Physik, Chemie und Materialwissenschaften –, und weniger auf jene Bereiche, die sich durch besonders hochentwickelte mathematische oder physikbasierte Modelle auszeichnen. 

KI werde zunehmend in der biologischen Forschung – über die Biomedizin hinaus – eingesetzt, um grundlegende Fragen in den Bereichen Genomik, Neurowissenschaften, Ökologie und synthetische Biologie zu beantworten. Der Umfang der biologischen Trainingsdaten habe 2025 zugenommen, und Basismodelle, die auf genomischen und evolutionären Daten trainiert worden seien, hätten ihr Anwendungsspektrum von der reinen Vorhersage hin zum generativen Design erweitert, so der AI Index Report. 

KI finde auch auf makroskopischer Ebene Anwendung, wobei Computer-Vision- und Akustikmodelle routinemäßig Sensordaten verarbeiteten, um beispielsweise Artpopulationen zu erfassen oder die landwirtschaftliche Wassernutzung in Echtzeit zu optimieren. In den Geowissenschaften werden KI-Agenten laut AI Index Report zunehmend nicht mehr nur für die bloße Datenabfrage eingesetzt, sondern darüber hinaus bis zur Ausführung kompletter Forschungsabläufe – einschließlich der automatisierten Verarbeitung von Beobachtungsdaten, literaturgestützter Analysen und der Bearbeitung klimabezogener Aufgaben. In der Neurowissenschaft diene KI sowohl als praktisches Werkzeug für die Kartierung des Gehirns als auch als Quelle theoretischer Inspiration. Das mathematische Schlussfolgern sei ein weiteres aktives Erprobungsfeld für die Leistungsfähigkeit von KI.