Einsatz von computerbasierten Methoden und künstlicher Intelligenz in der chemischen Innovation

Zusammenfassung

Die jüngsten Fortschritte bei künstlichen neuronalen Netzwerken gepaart mit einer signifikanten Verbesserung der Computerleistung haben in allen Bereichen der Wissenschaft und Technologie großes Interesse geweckt – darunter auch in der chemischen Industrie. Die große Frage ist, ob die ‚künstliche Intelligenz‘, die meist ein Sammelbegriff für eine Vielzahl von neuen Algorithmen und eine Kombination von Statistik/Machine learning/Deep Learning ist, eine revolutionäre Verbesserung mit sich bringt oder eher inkrementelle Veränderungen bedingen. Diese Frage lässt sich heute noch nicht endgültig beantworten, aber es hat sich in den vergangenen Jahren gezeigt, dass Datenwissenschaften in der chemischen Innovation in ganz verschiedener Weise helfen können. Zum einen gibt es den Bereich der ‚klassischen‘ Innovation: Das Finden neuer Moleküle mit verbesserten Eigenschaften. Durch künstliche Intelligenz lassen sich eine Vielzahl von Daten in einem neuen Licht betrachten. Neue bisher nicht genutzte Quellen können erschlossen werden, da zum einen bspw. große chemische Bibliotheken automatisiert analysiert werden können. Durch die neuen Methoden kann nun bereits in silico die Kombination von diversen Eigenschaften von Molekülen getestet werden noch bevor diese in einen aufwendigen Echtwelt-Auswahlprozess eintreten. Neue, gewünschte Eigenschaften können in solch einem Modell höher priorisiert werden und eine viel größere Entität an chemischen Stoffen kann in silico mit dem Zielprofil abgeglichen werden. Dann gibt es aber auch die ‚Prozess‘-Innovation: Hier geht es um die Verbesserung des Forschungsprozesses – die bessere Auswahl der Moleküle. Künstliche Intelligenz lernt basierend auf historischen Daten – diese sind in wenigen Bereichen besser dokumentiert als in der Chemie. Dies bietet eine fantastische Grundlage, Systeme zu trainieren und aus den Experimenten der Vergangenheit in einem nie dagewesenen Umfang zu lernen. Und schließlich gibt es noch den Faktor der Effizienzverbesserung – die beschleunigte Innovation: Wie schnell findet man die richtige Syntheseroute, wie schnell trifft man die richtigen Entscheidungen, was kann in der heutigen Zeit automatisiert werden. Die Vielzahl an Publikationen bspw. im Bereich der Retrosynthese zeigt das wegweisende Potential, welches künstliche Intelligenz mit sich bringt. Während diese Frage seit vielen Dekaden mit wenig Erfolg adressiert wurde, ist es nun gelungen, Syntheserouten über neuronale Netzwerke zu entwerfen, die einem guten Chemiker ebenbürtig sind. Dies zeigt, dass die Nutzung von Datenwissenschaften in der Chemischen Industrie eine Vielzahl von Veränderungen mit sich bringt. Die Aufgaben des Chemikers, aber auch aller anderen am Prozess beteiligten Wissenschaftler und des Managements werden sich verändern. Künstliche Intelligenz wird helfen, das enorme Potential der chemischen Innovation auszuloten und neue, bessere Produkte zu finden.

Real stupidity beats artificial intelligence every time.

(Terry Pratchett)