Künstliche Intelligenz oder kurz KI ist in aller Munde. ChatGBT macht die Hausaufgaben, AlphaGO schlägt die Champions und autonomes Fahren übernimmt die Straße. Gleichzeitig ist das Thema oft schwer greifbar.

In unserer Spotlight-Reihe „Künstliche Intelligenz in Industrie und Forschung“ beleuchten wir ausgewählte Bereiche in und um die chemische Industrie. Wir zeigen Ihnen, wie KI diese maßgeblich verändern könnte oder bereits verändert.


CCB-Spotlight-Reihe: Künstliche Intelligenz in Industrie und Forschung

Digitale Transformation in der Prozessindustrie

🧑‍🏭 Siemens


📅 25.06.2024

⏱️ 11:00 – 12:00 Uhr

🚩 Online (MS Teams)

KI in der Chemie & Materialentwicklung

👩‍🔬 IBM Research


📅 10.07.2024

⏱️ 11:00 – 12:00 Uhr

🚩 Online (MS Teams)

Einsatz von KI im Forschungsalltag

👨‍⚕️Schiller & Mertens


📅 22.07.2024

⏱️ 11:00 – 12:00 Uhr

🚩 Online (MS Teams)


Künstliche Intelligenz (KI) revolutioniert zahlreiche wissenschaftliche und industrielle Bereiche, darunter auch die Chemie und Biotechnologie. Die Integration von KI in diese Disziplinen verspricht signifikante Fortschritte bei der Entwicklung neuer Materialien, Medikamente und biotechnologischer Prozesse. Doch trotz der vielen Chancen gibt es auch Herausforderungen, die bewältigt werden müssen.

In der Chemie haben moderne maschinelle Lernverfahren in den letzten Jahren erhebliche Fortschritte erzielt, insbesondere bei der computergestützten Syntheseplanung (CASP). Ein zentrales Problem bleibt jedoch die Erklärung der Entscheidungen von KI-Modellen, was durch Ansätze wie erklärbare Künstliche Intelligenz angegangen wird. KI-Systeme können zudem die Leistung von chemischen Reaktionen vorhersagen und optimieren, was die Entwicklung neuer Moleküle und Medikamente beschleunigt.

In der Biotechnologie wird KI zunehmend zur Wirkstoffentdeckung und -entwicklung eingesetzt. Diese Technologien helfen bei der Vorhersage physikochemischer und pharmakokinetischer Eigenschaften sowie bei der Neugestaltung von Molekülen. Eine der größten Herausforderungen ist hier die Zugänglichkeit und Strukturierung von Daten und der Bedarf an qualifiziertem Personal.

Trotz der vielen Vorteile stehen KI-Anwendungen in Chemie und Biotechnologie vor erheblichen Herausforderungen. Eine der größten Hürden ist das Management und die Integration großer Datenmengen aus unterschiedlichen Quellen, um robuste und zuverlässige KI-Modelle zu entwickeln.

Um das Vertrauen in KI-Systeme zu stärken, ist es notwendig, Modelle erklärbar und transparent zu machen. Der Einsatz von KI wirft auch ethische Fragen auf, insbesondere in Bezug auf den Datenschutz und die Verwendung sensibler z.B. medizinischer Daten. Es ist wichtig, klare Richtlinien und Regulierungen zu entwickeln, um den verantwortungsvollen Einsatz von KI sicherzustellen. Dies hilft, die Akzeptanz und das Verständnis in der wissenschaftlichen und allgemeinen Gemeinschaft zu erhöhen.

Die Erwartungen an den Einsatz von KI in Chemie und Biotechnologie sind hoch. KI verspricht, bestehende Prozesse durch Automatisierung zu optimieren und effizienter zu gestalten, was zu Kosteneinsparungen und schnelleren Entwicklungszeiten führen kann. Zudem kann die Anwendung von KI neue Forschungsansätze eröffnen und Innovationen fördern, indem sie komplexe Zusammenhänge erkennt, die menschlichen Forschern möglicherweise entgehen.

Die Integration von Künstlicher Intelligenz in die Chemie und Biotechnologie bietet enorme Chancen, aber auch Herausforderungen. Die Zukunft wird zeigen, welche Ansätze sich durchsetzen und wie effektiv diese Technologien genutzt werden können, um wissenschaftliche und industrielle Fortschritte voranzutreiben.

Aus diesem Grund freuen wir uns, Ihnen mit unserer CCB-Spotlight-Reihe zum Thema KI schon heute erstklassige Einblicke über den aktuellen Stand der Technik von Expertinnen und Experten aus der Anwendung und Forschung bieten zu dürfen.


Unsere CCB-Spotlights im Juni und Juli:

Digitale Transformation in der Prozessindustrie

📅25.06.2024 🧑‍🏭 Siemens


KI in der Chemie & Materialentwicklung

📅 10.07.2024 👩‍🔬 IBM Research


Einsatz von KI im Forschungsalltag

📅 22.07.2024 👨‍⚕️Schiller & Mertens


Quellen

  1. Baum, Z. J., Yu, X., Ayala, P. Y., Zhao, Y., Watkins, S. P., & Zhou, Q. (2021). Artificial Intelligence in Chemistry: Current Trends and Future Directions. Journal of Chemical Information and Modeling, 61(7), 3197–3212. https://doi.org/10.1021/acs.jcim.1c00619
  2. Käser, S., Vazquez-Salazar, L. I., Meuwly, M., & Töpfer, K. (2023). Neural network potentials for chemistry: Concepts, applications and prospects. Digital Discovery, 2(1), 28–58. https://doi.org/10.1039/D2DD00102K
  3. Pflüger PM, Glorius F. Molecular Machine Learning: The Future of Synthetic Chemistry? Angew Chem Int Ed Engl. 2020 Oct 19;59(43):18860-18865. doi: 10.1002/anie.202008366. Epub 2020 Sep 15. PMID: 32931084.
  4. Peiretti, F., & Brunel, J. M. (2018). Artificial Intelligence: The Future for Organic Chemistry? ACS Omega, 3(10), 13263–13266. https://doi.org/10.1021/acsomega.8b01773
  5. Jumper, J., Evans, R., Pritzel, A., Green, T., Figurnov, M., Ronneberger, O., Tunyasuvunakool, K., Bates, R., Žídek, A., Potapenko, A., Bridgland, A., Meyer, C., Kohl, S. A. A., Ballard, A. J., Cowie, A., Romera-Paredes, B., Nikolov, S., Jain, R., Adler, J., … Hassabis, D. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. https://doi.org/10.1038/s41586-021-03819-2
  6. For chemists, the AI revolution has yet to happen. (2023). Nature, 617(7961), 438–438. https://doi.org/10.1038/d41586-023-01612-x
  7. Westermayr, J., Gastegger, M., Schütt, K. T., & Maurer, R. J. (2021). Perspective on integrating machine learning into computational chemistry and materials science. The Journal of Chemical Physics, 154(23), 230903. https://doi.org/10.1063/5.0047760