In Kürze

  • Forschende des Karlsruher Instituts für Technologie (KIT) haben zusammen mit Partnerinstitutionen eine Methode entwickelt, die grosse Sprachmodelle mit klassischem maschinellem Lernen kombiniert, um systematisch Fachpublikationen der Materialwissenschaft auszuwerten und aufkommende Forschungsthemen frühzeitig zu erkennen.
  • Das System extrahiert automatisch Fachbegriffe aus Publikationen, baut daraus ein Netzwerk von Begriffsbeziehungen auf und sagt mithilfe eines Modells für maschinelles Lernen voraus, welche Kombinationen von Konzepten in den kommenden zwei bis drei Jahren an Bedeutung gewinnen dürften – etwa wenn Begriffe wie «Perowskit» und «Solarzelle» zunehmend gemeinsam auftauchen.
  • In Interviews bewerteten Fachexpertinnen und -experten einen Teil der von der KI vorgeschlagenen Themenkombinationen als innovativ und vielversprechend; die Forschenden betonen jedoch, dass es sich nicht um eine automatische «Erfindungsmaschine», sondern um ein Analysewerkzeug handelt, das neue Ideen und mögliche Kooperationen sichtbar machen soll.

Was ist passiert?

Ein Forschungsteam des Karlsruher Instituts für Technologie (KIT) hat gemeinsam mit wissenschaftlichen Partnerinstitutionen eine Methode entwickelt, um mithilfe künstlicher Intelligenz systematisch aufkommende Forschungsthemen in der Materialwissenschaft zu identifizieren. Ausgangspunkt ist ein grundlegendes Problem des heutigen Wissenschaftsbetriebs: Die Zahl wissenschaftlicher Publikationen wächst so schnell, dass selbst Fachleute den Überblick über die eigene Disziplin kaum mehr behalten können. Die am KIT entwickelte Methode kombiniert grosse Sprachmodelle mit klassischem maschinellem Lernen, um diese Publikationsflut systematisch auszuwerten; die Ergebnisse wurden im renommierten Fachjournal «Nature Machine Intelligence» veröffentlicht.

Technisch extrahiert das System zunächst automatisch zentrale Fachbegriffe aus einer grossen Zahl materialwissenschaftlicher Publikationen und baut daraus ein Netzwerk auf, das zeigt, wie diese Begriffe inhaltlich miteinander verknüpft sind. Beobachtet das Sprachmodell etwa, dass Begriffe wie «Perowskit» und «Solarzelle» zunehmend gemeinsam in Publikationen auftauchen, entsteht im Begriffsnetzwerk eine neue Verbindung. Ein nachgelagertes Modell für maschinelles Lernen analysiert anschliessend Trends in diesen Verbindungen und sagt voraus, welche Kombinationen von Fachbegriffen in den kommenden zwei bis drei Jahren voraussichtlich an wissenschaftlicher Bedeutung gewinnen werden.

Warum ist das wichtig?

Nach Angaben von Professor Pascal Friederich vom KIT-Institut für Nanotechnologie, der die Studie mitverantwortet, geht es darum, Forschende in ihrem kreativen Denkprozess zu unterstützen, indem neue Forschungsrichtungen und Möglichkeiten für interdisziplinäre Zusammenarbeit sichtbar gemacht werden. In Interviews mit Fachexpertinnen und -experten wurden mehrere der von der KI vorgeschlagenen Themenkombinationen als innovativ und vielversprechend eingestuft – ein Hinweis darauf, dass das Verfahren tatsächlich Muster erkennt, die einzelnen Forschenden angesichts der Publikationsflut entgehen könnten.

Die Forschenden betonen jedoch ausdrücklich, dass es sich nicht um eine automatische «Erfindungsmaschine» handelt, die eigenständig neue Materialien oder Theorien hervorbringt, sondern um ein Analysewerkzeug, das Trends im bestehenden Wissen sichtbar macht und so als Ausgangspunkt für die eigentliche, weiterhin von Menschen geleistete Forschungsarbeit dient. Die Methode liesse sich nach Einschätzung der Autorinnen und Autoren grundsätzlich auch auf andere wissenschaftliche Disziplinen übertragen, um dort frühzeitig aufkommende Forschungstrends sichtbar zu machen.

Was bedeutet das für die Schweiz?

  • Auch Schweizer Forschungseinrichtungen wie die ETH Zürich, die EPFL, das Paul-Scherrer-Institut oder die Empa stehen angesichts der explosionsartig wachsenden Publikationszahlen vor der Herausforderung, relevante Trends in der Materialforschung frühzeitig zu erkennen – die am KIT entwickelte Methode liefert dafür einen konkreten methodischen Ansatz, der sich grundsätzlich auf andere Forschungsfelder und Institutionen übertragen liesse.
  • Für die Schweizer Materialforschung, die etwa an der Empa eng mit Industriepartnern aus den Bereichen Batterien, Solarzellen und Leichtbau zusammenarbeitet, könnte ein solches KI-gestütztes Trend-Analysewerkzeug helfen, frühzeitig vielversprechende Kooperationsfelder zwischen Forschung und Wirtschaft zu identifizieren, bevor sich ein Thema im internationalen Wettbewerb bereits etabliert hat.
  • Der Ansatz unterstreicht zugleich eine Debatte, die auch an Schweizer Hochschulen geführt wird: KI-Werkzeuge zur Literaturauswertung können den wissenschaftlichen Erkenntnisprozess unterstützen, ersetzen aber nicht die fachliche Beurteilung durch Forschende – eine Einordnung, die angesichts der wachsenden Autonomie von KI-Systemen in Forschungsprozessen an Bedeutung gewinnt.

Verwendete Quellen

Das KIT veröffentlichte die Pressemitteilung zur Studie im August 2026; die Ergebnisse erschienen im Fachjournal «Nature Machine Intelligence».

Häufige Fragen

Was ist die Kernaussage zu Deutsche Forschende nutzen KI, um kommende Trendthemen der Materialwissenschaft vorherzusagen?

Forschende des Karlsruher Instituts für Technologie (KIT) haben zusammen mit Partnerinstitutionen eine Methode entwickelt, die grosse Sprachmodelle mit klassischem maschinellem Lernen kombiniert, um systematisch Fachpublikationen der Materialwissenschaft auszuwerten und aufkommende Forschungsthemen frühzeitig zu erkennen.

Warum ist diese KI-Meldung für die Schweiz relevant?

Auch Schweizer Forschungseinrichtungen wie die ETH Zürich, die EPFL, das Paul-Scherrer-Institut oder die Empa stehen angesichts der explosionsartig wachsenden Publikationszahlen vor der Herausforderung, relevante Trends in der Materialforschung frühzeitig zu erkennen – die am KIT entwickelte Methode liefert dafür einen konkreten methodischen Ansatz, der sich grundsätzlich auf andere Forschungsfelder und Institutionen übertragen liesse.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

Das KIT veröffentlichte die Pressemitteilung zur Studie im August 2026; die Ergebnisse erschienen im Fachjournal «Nature Machine Intelligence».