Künstliche Intelligenz und Chemie: Wie Large Language Models die Expertise von Chemikern herausfordern

Die Chemie, als eine der grundlegenden Naturwissenschaften, hat im Laufe der Jahrhunderte kontinuierlich von technologischen Innovationen profitiert. In den letzten Jahren haben große Fortschritte im Bereich der Künstlichen Intelligenz (KI) und insbesondere bei sogenannten Large Language Models (LLMs) neue Türen aufgestoßen. Diese Modelle, die ursprünglich dazu entwickelt wurden, menschliche Sprache zu verstehen und zu generieren, zeigen zunehmend ein beeindruckendes Potenzial, auch komplexe chemische Fragestellungen zu bearbeiten. Dabei entstehen spannende Diskussionen über die Rolle und Grenzen dieser Modelle im Vergleich zur traditionellen Expertise von Chemikern. Large Language Models wie GPT-4, Claude-3.

5 oder spezialisierte offene Modelle wie Llama-3.1 zeichnen sich durch ihre Fähigkeit aus, Text zu interpretieren, zu generieren und auf Aufgaben zu reagieren, für die sie nicht explizit trainiert wurden. Die Chemie besitzt eine umfangreiche textuelle Datenbasis aus wissenschaftlichen Publikationen, Lehrbüchern und Datenbanken, die diesen Modellen als Wissensquelle dienen können. Dennoch sind die Unterschiede zwischen der Fähigkeit eines Modells zur Mustererkennung und den tiefgreifenden kognitiven Fähigkeiten eines erfahrenen Chemikers auch deutlich spürbar. Eine zentrale Erkenntnis der aktuellen Forschung ist, dass führende LLMs in standardisierten Tests und speziellen Benchmarks inzwischen die Leistungen von menschlichen Experten in vielen chemischen Fragestellungen übertreffen können.

Das Forschungsprojekt ChemBench hat dazu ein umfangreiches Set aus mehr als 2700 Fragen zusammengestellt, das sowohl das breite Wissensspektrum als auch die diversen Denkfähigkeiten eines Chemikers abdeckt. Diese Fragen stammen aus verschiedenen Quellen und decken Themen von der allgemeinen und technischen Chemie bis hin zu Spezialgebieten wie analytischer Chemie und Sicherheit ab. Interessanterweise zeigt sich, dass Modelle wie o1-preview in der Lage sind, durchschnittlich mehr Fragen korrekt zu beantworten als erfahrene Chemiker in der Studie. Diese Erfolge sind jedoch nicht einheitlich über alle Themen und Fragestellungen verteilt. In speziellen Bereichen wie der Toxikologie, Sicherheitsklassifizierung von Chemikalien oder der Analyse von NMR-Spektren weisen die Modelle deutliche Schwächen auf.

Dort erfordert die Beantwortung der Fragen nicht nur reines Faktenwissen, sondern auch die Fähigkeit, komplexe molekulare Strukturen zu interpretieren und deduktiv zu schließen. Bei solchen Aufgaben zeigen die Modelle häufig, dass sie nicht wirklich molekulare Strukturen „verstehen“ und eher auf ähnliche Muster aus ihren Trainingsdaten zurückgreifen, als wirklich strukturell zu argumentieren. Der Unterschied zwischen Wissen und Verständnis wird besonders deutlich, wenn LLMs auf Aufgaben stoßen, die über reine Faktenabfrage hinausgehen. Chemiker entwickeln mit Erfahrung ein chemisches Gespür oder Intuition, die bei der Optimierung von Synthesen, der Einschätzung von Moleküleigenschaften oder der Auswahl geeigneter Reaktionsbedingungen hilft. Dieses intuitive Urteilsvermögen spiegelt sich in der Forschung auch im Bereich der sogenannten Präferenzfragen wider, wo Chemiker entscheiden, welches Molekül in einem frühen Screening-Prozess bevorzugt wird.

In Tests mit LLMs performen diese in solchen Szenarien allerdings nicht besser als ein Zufallstreffer, was zeigt, dass das Erfassen menschlicher Präferenzen und komplexer Entscheidungsprozesse eine große Herausforderung für KI bleibt. Ein weiterer kritischer Punkt ist das Vertrauensniveau, das die Modelle in ihre eigenen Antworten setzen. Ideal wäre, dass KI-Systeme zuverlässig einschätzen können, wann sie korrekte oder unsichere Antworten geben. Die Studien mit ChemBench zeigen jedoch, dass viele Modelle oft übermäßig selbstbewusst auftreten und falsche Antworten mit hoher Sicherheit präsentieren. Für den praktischen Einsatz in sicherheitsrelevanten Bereichen, wie der Beurteilung toxikologischer Risiken, ist dies problematisch und unterstreicht, wie essenziell menschliche Überprüfung und kritisches Denken bleiben.

Die Frage, ob LLMs Chemiker in ihrer Rolle ersetzen können, sollte daher differenziert betrachtet werden. Zwar zeigen Modelle beeindruckende Fähigkeiten in der Verarbeitung großer Informationsmengen, insbesondere bei standardisierten Tests und dem Abrufen von Faktenwissen. Gleichzeitig sind ihre Schwächen bei komplexer chemischer Logik, Intuition und das eingeschränkte Selbstbewusstsein ihrer Resultate klare Grenzen. Für viele Routineaufgaben, Datenextraktion aus Publikationen oder sogar bei der Planung standardisierter Synthesen können LLMs jedoch bereits heute als hilfreiche Assistenten dienen. Diese Entwicklung hat auch direkte Auswirkungen auf die chemische Ausbildung und das Berufsbild.

Wenn LLMs Faktenwissen effektiv bereitstellen können, verschiebt sich die Rolle von Chemikern verstärkt hin zu kritischer Interpretation, kreativer Problemlösung und innovativem Denken. Die Ausbildung muss diese Fähigkeiten stärker fördern, anstatt sich vorwiegend auf Auswendiglernen zu stützen. Ein weiterer Aspekt betrifft die ethischen und sicherheitstechnischen Herausforderungen, die mit der Verbreitung von LLMs in Chemie und Materialwissenschaft einhergehen. Die Technologie könnte für duale Zwecke missbraucht werden, z. B.

bei der Entwicklung gefährlicher Substanzen. Zudem ist die breite Zugänglichkeit von LLMs nicht immer mit einem entsprechenden Fachwissen verbunden, was das Risiko von Fehlanwendungen erhöht. Der verantwortungsvolle Umgang und gezielte Regularien sind daher notwendig. Um die Forschung und Entwicklung von LLMs in der Chemie voranzutreiben, sind robuste und breit angelegte Evaluationsframeworks wie ChemBench von großer Bedeutung. Sie ermöglichen einen standardisierten Vergleich zwischen Modellen und Experten, decken verschiedene Schwierigkeitsgrade und Kompetenzbereiche ab und helfen, Schwachstellen zu identifizieren.

Gleichzeitig fördern sie eine offene Wissenschaft durch die Bereitstellung von Daten und Bewertungsmethoden. Zukünftige Fortschritte könnten durch die Integration von LLMs mit spezialisierten chemischen Datenbanken, verbesserten multimodalen Fähigkeiten zur Strukturinterpretation und Weiterentwicklung von Agentensystemen erzielt werden, die neben Text auch handhabbare Datenformate oder experimentelle Steuerungen verstehen. Ebenso wichtig wird die Verbesserung der Vertrauens- und Unsicherheitsabschätzung sein, sodass Modelle besser einschätzen können, wann ihr Wissen begrenzt ist. Insgesamt eröffnen große Sprachmodelle neue Möglichkeiten für die chemische Forschung, indem sie den Zugang zu Wissen beschleunigen, Routineaufgaben automatisieren und Unterstützung in komplexen Fragestellungen bieten. Dennoch bleiben sie Werkzeuge, die Chemikerinnen und Chemiker ergänzen, aber nicht vollständig ersetzen.

Die Kombination aus menschlicher Kreativität und kritischem Denken mit den massiven Verarbeitungskapazitäten von KI verspricht das größte Potential für den Fortschritt in den chemischen Wissenschaften. Dieser Paradigmenwechsel fordert Wissenschaft, Ausbildung und Industrie heraus, sich neu zu orientieren und die Zusammenarbeit zwischen Mensch und Maschine optimal zu gestalten. In diesem Umfeld könnten spezialisierte LLMs als chemische Assistenten, sogenannte Copiloten, zur Norm werden, die ständig mit Experten interagieren und so die gesamte Disziplin zu neuen Höhen führen.