Wien (OTS) – „Wie verändert Künstliche Intelligenz Ihr
wissenschaftliches Fach?“,
lautete die Fragestellung zur aktuellen Preisfrage der
Österreichischen Akademie der Wissenschaften (ÖAW). Forscher:innen
aller Disziplinen waren eingeladen, einen Essay einzureichen. Mit 170
Einreichungen rief die Preisfrage 2026 großes Interesse hervor.
Die eingereichten Texte zeigten: Von der Strukturbiologie über
die Geschichtswissenschaft bis zur Teilchenphysik: Kaum ein Fach
bleibt von Künstlicher Intelligenz unberührt. Die interdisziplinär
zusammengesetzte Jury, bestehend aus Forscher:innen und
Wissenschaftsjournalist:innen sowie Mitgliedern des ÖAW-Präsidiums,
hat auf Basis der anonymisierten Einreichungen vier Preisträger:innen
ausgewählt: Der mit 8.000 Euro dotierte erste Platz geht an Christian
C. Gruber und Mario Müller, die ihren Beitrag gemeinsam verfassten.
Den zweiten Platz belegt Zsófia Turóczy, prämiert mit 6.000 Euro, und
der dritte Platz geht ex aequo an Christoph Gleich und Claudius
Krause, die jeweils ein Preisgeld von 1.000 Euro erhalten.
ÖAW-Präsident Heinz Faßmann sagt: „Die hohe Resonanz auf unsere
Preisfrage zeigt, dass wir mit dem Thema einen Nerv getroffen haben.
KI verändert Wissenschaft und Forschung in vielen Bereichen massiv.
Es liegt in unserer Hand, diesen Wandel positiv zum Wohle der
Wissenschaft und Gesellschaft zu gestalten. Allen Gewinner:innen der
Preisfrage gratuliere ich sehr herzlich.“
Zwtl.: Von der beobachtenden zur gestaltenden Wissenschaft
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. Gruber und Müller vergleichen diesen Vorgang
mit einer Google-Suche für Enzyme. Das Labor werde dadurch nicht
überflüssig, sondern übernehme die Validierung computergenerierter
Hypothesen, schreiben die Autoren. Zugleich 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 gelungenes 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 jedenfalls von Gruber und Müller selbst.
Zwtl.: Die 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 lernt aus vorhandenen, aber ungleich
verteilten Daten. Dadurch drohe eine „algorithmische
Peripherisierung“ des historischen Wissens, so Turóczy: Was in den
Daten unterrepräsentiert ist, verschwindet auch aus den Antworten der
KI. Die zentrale Kompetenz von Historiker:innen verschiebe sich
dadurch weg vom Informationsbesitz hin zur Fähigkeit, Unsicherheit
auszuhalten und dort Fragen zu stellen, „wo KI bereits Antworten
produziert“.
Zwtl.: 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 kommt, 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.
Zwtl.: 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:innen
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:innen selbst zu ersetzen.
Zwtl.: Pressefotos
Pressefotos der Preisträger:innen finden Sie auf der Website der
ÖAW: www.oeaw.ac.at