KI als Rezeptbuch: Was MOSAIC verspricht

Chemie hat ein Luxusproblem: Es gibt unfassbar viel Wissen – und genau das bremst. Jedes Jahr kommen Hunderttausende neue Reaktionen und Varianten dazu. Wer ein Molekül herstellen will, muss nicht nur wissen, was reagiert, sondern vor allem wie: Welche Lösungsmittel, welche Temperaturen, welche Reihenfolge der Schritte, welche Aufarbeitung, welche typischen Fallstricke? In der Praxis bedeutet das oft stundenlange Literaturrecherche und trotzdem viel Versuch und Irrtum.

Ein Forschungsteam der Yale University hat nun ein KI-System vorgestellt, das genau diese Lücke schließen soll. Der Name: MOSAIC. Die Grundidee ist bewusst bodenständig: Chemie wird wie Kochen behandelt – mit klaren, nachvollziehbaren Rezepten. Der Unterschied liegt darin, dass diese Rezepte von Künstlicher Intelligenz generiert werden, gestützt auf große Mengen veröffentlichter Reaktionsdaten. Ziel ist es, aus verstreutem Fachwissen konkrete, im Labor ausführbare Syntheseanleitungen zu machen.

Viele Spezialisten statt einer allwissenden KI

Technisch setzt MOSAIC nicht auf ein einzelnes großes Modell, das „alles kann“. Stattdessen wurde die chemische Reaktionslandschaft in Tausende Teilbereiche aufgeteilt. Für jeden dieser Bereiche existiert ein spezialisiertes KI-Modell, das auf ähnliche Reaktionen trainiert wurde. Insgesamt umfasst das System knapp 2.500 solcher virtuellen „Expertinnen und Experten“.

Diese Architektur soll zwei Probleme lösen: Zum einen steigt die fachliche Präzision, weil jedes Modell nur einen überschaubaren Ausschnitt der Chemie abdeckt. Zum anderen wird die Reproduzierbarkeit verbessert. MOSAIC basiert bewusst auf einem offenen Sprachmodell, dessen Verhalten langfristig stabil bleibt. Das ist entscheidend, wenn Labore Protokolle nacharbeiten wollen – kleine Änderungen im Modell könnten sonst dazu führen, dass identische Anfragen plötzlich andere Antworten liefern.

Vom Text zur tatsächlichen Synthese

Neu an MOSAIC ist vor allem der Anspruch, nicht nur chemisch plausibel klingende Texte zu erzeugen, sondern vollständige Syntheseprotokolle, die sich im Labor umsetzen lassen. Dazu gehören konkrete Angaben zu Bedingungen, Reihenfolgen, Aufarbeitungsschritten und praktischen Details, die in wissenschaftlichen Publikationen oft nur knapp oder gar nicht erwähnt werden.

Zusätzlich gibt das System eine Einschätzung aus, wie verlässlich ein vorgeschlagenes Protokoll ist. Diese Konfidenzangaben sollen Forschenden helfen, Risiken besser einzuschätzen – etwa wenn teure Ausgangsstoffe, empfindliche Reagenzien oder sicherheitsrelevante Schritte im Spiel sind. Eine Garantie für Erfolg ist das nicht, aber ein Werkzeug zur Priorisierung.

Der Praxistest im Labor

Entscheidend ist, ob die KI-Rezepte tatsächlich funktionieren. In der begleitenden Studie berichten die Forschenden von experimentellen Tests im Labor. Demnach konnten mit Hilfe von MOSAIC mehr als 35 neue chemische Verbindungen erfolgreich synthetisiert werden. Die Erfolgsquote lag bei rund 70 Prozent. Die getesteten Beispiele stammen aus unterschiedlichen Bereichen, darunter Pharmazeutika, Materialien und agrochemische Verbindungen.

Wichtig für die Einordnung: Die zugrunde liegende Veröffentlichung liegt derzeit in einer noch nicht endgültig redigierten Fassung vor. Zwar wurde sie begutachtet, Details zu Fehlschlägen, Auswahl der Testfälle und Grenzen des Systems lassen sich jedoch ohne vollständige Methodendaten nur eingeschränkt bewerten.

Große Chancen, aber kein Autopilot für Chemie

Sollte sich MOSAIC in der Breite bewähren, könnte das die chemische Forschung deutlich beschleunigen. Weniger Zeit würde für das Zusammensuchen bekannter Protokolle verloren gehen, mehr für kreative Hypothesen, Planung und Interpretation. Besonders in der Wirkstoff- und Materialentwicklung wäre das ein spürbarer Produktivitätsgewinn.

Gleichzeitig bleiben offene Fragen. Unklar ist, wie gut das System mit besonders schwierigen Randfällen umgeht – etwa bei instabilen Substanzen, Verunreinigungen oder der Skalierung von kleinen Labormengen auf größere Ansätze. Auch Konfidenzwerte aus KI-Systemen müssen sorgfältig interpretiert werden: Sie können helfen, aber auch trügerisch wirken, wenn sie falsch kalibriert sind.

Die wichtigste Botschaft ist daher nicht, dass KI Chemikerinnen und Chemiker ersetzt. Sondern dass Systeme wie MOSAIC das gewachsene, oft schwer zugängliche Wissen der Chemie strukturieren und nutzbar machen könnten – wie ein sehr gutes, sehr umfangreiches Kochbuch für das Labor.