EU-Forschungsstelle erfasst 480 Biologie-KI-Modelle und warnt vor Lücken bei Einsatzreife

Das Joint Research Centre der EU-Kommission hat eine Bestandsaufnahme zu KI-Modellen für Biologiedaten vorgelegt. Die Analyse von 480 Modellen zeigt schnelle Fortschritte bei Proteinen, aber Defizite bei Einsatzreife, Datensteuerung und Zusammenarbeit innerhalb der EU.

Die Forschungsstelle veröffentlichte den Bericht Artificial Intelligence for Biology: Capabilities, Readiness, and Policy Implications am 24. August 2026. Untersucht wurden 480 biologische KI-Modelle für Daten wie DNA, RNA und Proteine. Laut dem Joint Research Centre schreitet das Feld in datenreichen Bereichen wie der Proteinstruktur besonders schnell voran, während etwa die Einzelzellbiologie wegen knapper und weniger standardisierter Daten langsamer vorankommt.

Proteinmodelle vorn, Praxis dahinter

Als besonders fortgeschritten nennt der Bericht proteinzentrierte Anwendungen wie Strukturvorhersage, Funktionsannotation und Moleküldesign. Genannt werden dabei AlphaFold und ESM3. Zugleich verortet die Analyse diese prominenten Modelle trotz hoher fachlicher Reife nur auf niedrigen bis mittleren Stufen der technologischen Einsatzreife. Keines der erfassten Modelle sei für den klinischen oder industriellen Einsatz zertifiziert, und keines habe eine integrierte Bewertung seiner Einsatzreife durchlaufen.

Die Autoren beschreiben diese Lücke als Reifeparadox. Gemeint ist die Differenz zwischen guten wissenschaftlichen Ergebnissen und fehlender Absicherung für den realen Einsatz. Das Joint Research Centre verweist dabei auch auf Risiken durch missbräuchliche Nutzung öffentlich verfügbarer Modelle, etwa für Pathogendesign oder Toxin-Entwicklung.

Daten und Rechenleistung ungleich verteilt

Beim Aufbau biologischer KI-Modelle sieht der Bericht drei Kernfaktoren: Trainingsdaten, Recheninfrastruktur und Zusammenarbeit. Die meisten Trainingsdatensätze liegen demnach in den USA und der EU, gefolgt von China, dem Vereinigten Königreich und der Schweiz. Für Proteinmodelle sind Quellen wie Protein Data Bank und UniProt etabliert. In RNA-, Einzelzell- und klinischen Bereichen ist die Datenbasis kleiner und heterogener. Proteinmodelle stützen sich zudem zunehmend auf synthetische Daten aus der AlphaFold Database.

Auch der Zugang zu Rechenressourcen bleibt laut Bericht ungleich. Die Industrie trainiert Modelle typischerweise mit größeren Datensätzen, mehr Hardware und längeren Laufzeiten als die Wissenschaft. Europa verfüge mit EuroHPC JU und den jüngst eingerichteten AI Factories zwar über ausreichende Hochleistungsrechner-Kapazitäten. Gleichzeitig bleibe die Zusammenarbeit innerhalb der EU hinter Kooperationen mit den USA, China und dem Vereinigten Königreich zurück.

Nur ein EU-Vertreter unter Top 20

Die Hochschulen sind an 85 Prozent der erfassten Modelle beteiligt, die Industrie an fast 40 Prozent. Bei ausschließlich von Unternehmen entwickelten Modellen veröffentlichen nur 17 Prozent den Schulungscode. Unter den weltweit 20 wichtigsten Entwicklern biologischer KI-Modelle nennt der Bericht mit der Technischen Universität München nur einen Vertreter aus der EU. Das Joint Research Centre empfiehlt deshalb unter anderem mehr Unterstützung für Einzelzellbiologie und multimodale Modelle, bessere Koordination biologischer Dateninfrastrukturen sowie klarere regulatorische Pfade für wissenschaftliche Reife und technologische Einsatzreife.