ÖAW prämiert Essays über KI-Einfluss auf Wissenschaft

Die Österreichische Akademie der Wissenschaften (ÖAW) hat die Gewinner ihrer Preisfrage 2026 bekanntgegeben. Forschende aller Disziplinen waren aufgerufen, Essays zur Frage einzureichen, wie Künstliche Intelligenz ihr wissenschaftliches Fach verändert. Die Resonanz war groß: 170 Beiträge gingen ein.

Die Einreichungen machten deutlich, dass KI nahezu alle Bereiche erfasst – von der Strukturbiologie über die Geschichtswissenschaft bis zur Teilchenphysik. Eine interdisziplinäre Jury aus Forschenden, Wissenschaftsjournalisten und Mitgliedern des ÖAW-Präsidiums wählte auf Basis anonymisierter Texte vier Preisträger aus.

Den ersten Platz und 8.000 Euro erhalten Christian C. Gruber und Mario Müller für ihren gemeinsamen Beitrag. Zsófia Turóczy belegt den zweiten Platz und erhält 6.000 Euro. Der dritte Platz geht ex aequo an Christoph Gleich und Claudius Krause, die jeweils 1.000 Euro bekommen.

ÖAW-Präsident Heinz Faßmann erklärte, die hohe Resonanz zeige, dass das Thema einen Nerv getroffen habe. KI verändere Wissenschaft und Forschung in vielen Bereichen massiv. „Es liegt in unserer Hand, diesen Wandel positiv zum Wohle der Wissenschaft und Gesellschaft zu gestalten“, so Faßmann. Er gratulierte allen Gewinnern herzlich.

Strukturbiologie wird zur gestaltenden Disziplin

Im siegreichen Essay „Molekulare Architekten“ beschreiben Christian C. Gruber (Innophore GmbH) und Mario Müller (Universität Graz), wie KI-Systeme wie AlphaFold die Strukturbiologie von einer beobachtenden in eine vorhersagende und gestaltende Disziplin verwandeln. Möglich werde das durch sogenannte Catalophores – KI-erkannte Muster in Proteinhohlräumen, die verraten, wo chemische Reaktionen stattfinden.

Die Autoren vergleichen diesen Vorgang mit einer Google-Suche für Enzyme. Das Labor werde dadurch nicht überflüssig, sondern übernehme die Validierung computergenerierter Hypothesen. Gleichzeitig mahnen sie zur Vorsicht: Da reine Mustererkennung auch physikalisch unmögliche Moleküle erzeugen könne, brauche es eine „Physics-based AI“, die Naturgesetze fest in die Modelle einbaut – sonst drohe eine „Blackbox-Wissenschaft“ ohne echtes Verständnis der Biochemie.

Der Gewinnertext ist zugleich ein Beispiel für die Zusammenarbeit von Mensch und Maschine: Die Autoren legen offen, mehrere KI-Modelle zur Recherche und für einen ersten Textentwurf genutzt zu haben. Jede einzelne Aussage wurde von den Forschenden auf Richtigkeit und Quellenbelege geprüft. Konzeption, Thesen und Literaturangaben stammen von Gruber und Müller selbst.

Algorithmische Peripherisierung des Wissens

Die zweitplatzierte Zsófia Turóczy, Historikerin am Institut für Geschichte der Universität Graz, beschreibt in ihrem Essay ein KI-generiertes Bild von Lenin neben dem jungen Tito – zwei Männern, die sich in Wirklichkeit nie begegnet sind. Sie zeigt, wie leicht sich heute täuschend echte historische Quellen erzeugen lassen – und wie brisant das gerade für Südosteuropa ist, wo Archive fragmentiert oder politisch umkämpft sind.

KI lerne aus vorhandenen, aber ungleich verteilten Daten. Dadurch drohe eine „algorithmische Peripherisierung“ des historischen Wissens: Was in den Daten unterrepräsentiert ist, verschwindet auch aus den Antworten der KI. Die zentrale Kompetenz von Historikern verschiebe sich dadurch weg vom Informationsbesitz hin zur Fähigkeit, Unsicherheit auszuhalten und dort Fragen zu stellen, „wo KI bereits Antworten produziert“.

Produktionsbeschleuniger statt Kontrollinstanz

In seinem Beitrag „Die Maschine, die nicht lügt. Oder doch?“ argumentiert Christoph Gleich, freier Journalist, Radiomacher und Kulturhistoriker in Wien, pointiert-kritisch: KI verstärke eine bereits problematische Entwicklung der Wissenschaft hin zu reinem Output. Unter Publikationsdruck werde KI nicht als Kontrollinstanz, sondern als „Produktionsbeschleuniger“ eingesetzt.

Das Ergebnis: „Bessere Versionen von schlechter Forschung. Schneller. Glatter.“ Hinzu komme, dass vier US-Konzerne die KI-Infrastruktur kontrollieren, auf der die globale Wissenschaft aufbaut. Deshalb plädiert Gleich für wissenschaftliche Souveränität in Europa sowie für verpflichtende Transparenz über die verwendeten Modelle. Sein Befund: KI zwinge die Wissenschaft, sich zu fragen, was sie eigentlich sein will.

Die dritte Welle der Physik

Claudius Krause vom Marietta-Blau-Institut für Teilchenphysik der ÖAW beschreibt in seinem Essay „Machine Learning revolutionized Particle Physics twice – the third time is happening as I'm typing these lines“ drei aufeinanderfolgende Wellen des maschinellen Lernens in seinem Fach: von den Boosted Decision Trees rund um die Entdeckung des Higgs-Bosons über tiefe neuronale Netze bis zu den gerade jetzt entstehenden agentischen KI-Systemen, die autonome Analyse-Workflows planen.

Der Blackbox-Kritik begegnen Physiker dabei mit Fehlerbalken und Interpretierbarkeitsanalysen: „As physicists we know how to open and study black boxes.“ Sein Fazit ist optimistisch: Maschinelles Lernen habe die Theorie nicht ersetzt, sondern das Band zwischen Theorie und Daten enger geknüpft – ähnlich einem Teleskop, das die Reichweite physikalischer Fragen erweitert, ohne die Wissenschaftler selbst zu ersetzen.

Quelle: OTS