KI für die Forschung der Zukunft: Die Foundation Model Initiative

Vom Grunde des Ozeans, aus dem Innern des Zellkerns oder aus der Materialforschung: Mit unseren Forschungsprojekten erfassen wir einen gewaltigen Schatz an wertvollen Daten. Um sie zu analysieren nutzen wir hochkomplexe Rechenvorgänge – oft unterstützt durch Methoden der künstlichen Intelligenz (KI). Das Training jedes KI-Modells ist aufwendig und ressourcenintensiv. Klassische KI-Modelle wurden auf die Bearbeitung einer Forschungsfrage trainiert, eine neue Generation von KI-Modellen, die sogenannten Foundation Models, verfolgen einen breiteren Ansatz. Die bekanntesten dieser Modelle sind LLM (Sprachmodelle) wie ChatGPT oder ähnliche, die den Bereich der Sprache soweit „verstanden“ haben, dass sie auch auf Fragen antworten können, die nicht im Training vorkamen.

Unsere Forschungszentren sind Vorreiter in der Entwicklung dieser Modelle für Zwecke der Forschung: Die Programme analysieren gewaltige Mengen an Daten und erkennen dabei spezifische Muster und Korrelationen. Komplexe Forschungsprojekte können sie deshalb entscheidend vorantreiben – schneller und umfassender als es je zuvor möglich war.

Dieses gewaltige Potenzial wollen wir mit der Helmholtz Foundation Model Initiative für die Wissenschaft erschließen: In diesem Netzwerk arbeiten zwölf Helmholtz-Zentren zusammen. Gemeinsam entwickeln sie zukunftsweisende Foundation Models. Dabei konzentrieren sie sich zunächst auf sieben Pilotprojekte aus Forschungsbereichen mit großer gesellschaftlicher Relevanz – etwa der medizinischen Zellforschung oder der Analyse von Materialien für Photovoltaikanlagen. 

Ein übergeordnetes Team aus verschiedenen Forschungszentren, die Synergy Unit, forscht zudem an Querschnittsthemen, um die Modelle besser und deren Training effektiver zu machen. Die Unit fördert außerdem den Ideenaustausch zwischen den einzelnen Projekten, um voneinander zu lernen, gemeinsame Probleme und Herausforderungen zu identifizieren und gemeinsam zu lösen.

Welche starke Zugkraft Foundation Models in der Wissenschaft entwickeln können, zeigt beispielhaft das Projekt AqQua: Forscher:innen des Max Delbrück Center arbeiten dabei zusammen mit Fachleuten des GEOMARs, des Forschungszentrums Jülich und von Hereon. AqQua konzentriert sich auf die Erforschung von Plankton. Diese winzigen Meereslebewesen sind wichtige Akteure im globalen Klimahaushalt, denn sie binden gewaltige Mengen an CO₂. Doch Studien weisen darauf hin, dass sie durch den Klimawandel zunehmend unter Druck geraten. Überall auf der Welt wird Plankton deshalb untersucht – trotzdem wissen wir noch immer erstaunlich wenig über ihre Biodiversität. Unklar ist auch, wie viel CO₂ die Arten genau speichern.

Diese Wissenslücke will AqQua schließen. Dafür entwickeln die beteiligten Forschungszentren ein Foundation Model, das Bilder von Plankton nutzt – mehrere Milliarden Dateien, aus unterschiedlichen Regionen der Welt. AqQua analysiert diese Aufnahmen und klassifiziert die darauf abgebildeten Arten. So wird es einen sehr viel genaueren Überblick über die globale Vielfalt des Planktons geben – eine Art Landkarte. Das Programm wird außerdem in der Lage sein, Aussagen zum CO₂-Umsatz der Arten zu treffen. Der Wissenschaft steht so ein mächtiges Werkzeug zur Überwachung des weltweiten Planktonvorkommens zur Verfügung, das auch Aussagen zur Gesundheit des Ökosystems und seines Kohlenstoffflusses erlaubt.

KI wird zudem in der Gesundheitsforschung eingesetzt. Forschungsteams von Helmholtz Munich, aus Jülich und vom Max Delbrück Center entwickeln beispielsweise gemeinsam ein Foundation Model, um mithilfe molekularer Einzelzelldaten aus Geweben zum Beispiel den Ursprung von Krebs zu bestimmen und Krankheiten besser zu diagnostizieren. Ein vom Deutschen Krebsforschungszentrum federführend geleitetes Projekt zielt darauf ab, mit einem Foundation Model komplexe radiologische 3D-Daten zu kartieren und so Diagnose- und Behandlungsentscheidungen zu verbessern. Weitere Projekte der Initiative widmen sich der Analyse des Kohlenstoffkreislaufs, verbessern Klimamodelle mit KI oder modellieren Proteine in Bewegung.

Beispiele wie diese zeigen: Foundation Models können entscheidend dabei helfen, zentrale Forschungsfragen zu beantworten. Foundation Modelle sind ein relativ neuer Methodenansatz, die HFMI trägt dazu bei, ein besseres Verständnis dieser neuen Methode zu gewinnen, die Prozesse und Strukturen für das Training großer, umfassender Modelle anzupassen und Kompetenzen in dieser Methode aufzubauen und auszubilden.

Bild: AG N. Rajewsky, Max Delbrück Center