Anwendung von KI Tools in der Forschung

Laut einer YouGov-Studie¹ nutzen nur drei Prozent der Unternehmen in Deutschland eigene KI-Tools. Dem stehen 33 Prozent gegenüber, die KI weder einsetzen noch den Einsatz planen. Dabei gilt KI als Schlüsseltechnologie. Sie ist wichtig für die Transformation der Industrie. KI hilft Deutschland wieder wettbewerbsfähig zu werden.

Was ist künstliche Intelligenz und wie funktioniert sie in der Arbeitswelt?

In unserem Fall bezieht sich der Begriff KI auf die Entwicklung von Computerprogrammen. Diese können Aufgaben am Arbeitsplatz ausführen. Sie können Muster erkennen, Schlussfolgerungen ziehen und Probleme lösen. Gleichzeitig können diese Systeme lernen, um ihre Leistung im Laufe der Zeit zu verbessern. Es gibt verschiedene Ansätze und Techniken in der KI. Beispielsweise gehören maschinelles Lernen, neuronale Netze, natürliche Sprachverarbeitung und Expertensysteme dazu.

Konkrete KI Anwendungen in Forschung und Entwicklung

Zwei Klicks für eine Zusammenfassung eines Textes. Dem gegenüber steht das eigene stundenlange Durchforsten der Literatur. Drei Klicks am Bildschirm für die Vorhersagen von Stoffeigenschaften. Dem gegenüber steht die tagelange Synthesearbeit im Labor. Beide Szenarien zeigen die Stärken von KI: Mit den richtigen Tools und der richtigen Anwendung spart sie Zeit und Ressourcen.

KI erhöht die Erfolgswahrscheinlichkeit in Forschung und Entwicklung. Somit bringt sie uns schneller zu Medikamenten, die die Gesundheit von Mensch und Tier verbessern können. Unsere Mitarbeitenden beschäftigen sich in unterschiedlichen Abteilungen mit KI-Tools. Dabei sprechen sie regelmäßig mit Tech-Unternehmen und anderen KI-Anwendern aus der Wirtschaft. Ziel dabei ist es, die Rolle von KI für die Arbeitswelt von Morgen zu diskutieren und Erfahrungen und Möglichkeiten auszutauschen. So etwa im Rahmen des „KI Future Tech“-Projekts des eco Verbands der Internetwirtschaft, in Zusammenarbeit mit Microsoft Deutschland.² Als Best Practice präsentierte Boehringer iQNow und den Molekül-Designer ADAM – doch was zeichnet die beiden Tools aus?

KI Tool iQNow – unser hauseigenes ChatGPT

Bild von Michael Schorpp, Head of iQNow & AI — Michael Schorpp, Head of iQNow & AI

Als hauseigenes ChatGPT ist "iQNow" mehr als nur ein Knowledge Management System - es ist ein Assistent für unsere Mitarbeitenden. Mit iQNow können Arbeitsprozesse qualitativ und prozessual verbessert und repetitive Arbeitsschritte von der KI übernommen werden.

Die Plattform wurde bereits vor über vier Jahren entwickelt, um das gesamte Firmenwissen zu sammeln. Durch das Large Language Model und ChatGPT ist das Wissen nun noch einfacher zugänglich. Für unsere Wissenschaftler bedeutet das, dass sie nicht mehr stundenlang Literatur lesen müssen, um die wichtigsten Ergebnisse aus der Forschung zu kennen. Stattdessen können sie iQNow nach den wichtigsten Aussagen eines Textes befragen oder sich kurze Zusammenfassungen schreiben lassen.

Mit den richtigen „Prompts“, also den Aufgaben, die man in ChatGPT eingibt, können auch Arbeitsschritte in anderen Bereichen erleichtert werden. Durch die Verbindung von iQNow zu den Boehringer Dokumenten und der Möglichkeit diese mit iQGPT zu analysieren, ist die Datenqualität und -sicherheit bei iQNow gesichert.

Michael Schorpp, Head of iQNow and AI, bringt die Vorteile von iQNow auf den Punkt: "So kann der Wissenschaftler sehr schnell das Wissen extrahieren, aus unglaublich vielen Dokumenten, aber eben auch aus sehr inhaltsreichen Dokumenten. Sinn des Ganzen ist, dass wir unsere Prozesse verschlanken und eben die Medikamente schneller zum Patienten bringen.“

KI Assistent ADAM – Ein virtueller Copilot für unsere Forschung an Molekülen

Ein Bild von Nils Weskamp, Head of Data Science in Computational Chemistry — Nils Weskamp, Head of Data Science in Computational Chemistry

Während iQNow universell einsetzbar ist, wurde ADAM speziell für unsere Forschenden in der Medizinalchemie entwickelt. In der chemischen Forschung wurden die vielen Daten in der Vergangenheit hauptsächlich manuell ausgewertet. Dank maschinellem Lernen und KI passiert die Datenanalyse heute automatisiert.

ADAM – Kurzform für „Advanced Design Assistant for Molecules“ – unterstützt auf der Suche nach neuen Molekülen. Es nutzt dabei unsere Substanzbibliothek und die veröffentlichte Forschungsliteratur.

„Solche Methoden helfen uns, schneller zu sein und unsere Erfolgschancen zu erhöhen“, erklärt Nils Weskamp, Head of Data Science in Computational Chemistry.

ADAM hilft unseren Wirkstoff-Designern, die Substanzen von Morgen schnell und ressourcenschonend zu identifizieren. Nach gründlicher Evaluierung und Einbringen weitergehender Überlegungen entscheiden unsere Kolleg*innen, welche Kandidaten dann zur Fortentwicklung ins Labor geschickt werden.