Google investiert 30 Millionen US-Dollar in KI für Gesundheits- und Klimawissenschaft

Google stellt 30 Millionen US-Dollar bereit, um Durchbrüche in der Gesundheits- und Klimawissenschaft zu beschleunigen – mit Unterstützung für Forschende, die künstliche Intelligenz in praxistaugliche wissenschaftliche Werkzeuge überführen können.

Die Initiative behandelt KI nicht als Nebenprojekt, sondern als grundlegende Infrastruktur, die Entdeckungen mit bislang unerreichter Geschwindigkeit von der Theorie in die Anwendung bringen soll.

KI-Förderung ist an Ergebnisse gekoppelt

Im offiziellen Rahmen des Programms ist die Finanzierung konsequent an Vorhaben gebunden, die verwertbare Fortschritte liefern sollen – nicht nur abstrakte Forschungsziele.

Indem Google.org den Aufruf als wettbewerbliche, globale Challenge organisiert, werden konkrete finanzielle und technische Zusagen für Teams festgezurrt, die KI in messbaren wissenschaftlichen Fortschritt übersetzen können.

Zuschüsse zwischen 500.000 und 3 Millionen US-Dollar, ergänzt durch Gutschriften für Cloud-Rechenleistung, machen deutlich, dass Skalierung und Einsatz in der Praxis von Anfang an zum Kern des Vorhabens gehören und nicht erst später „mitgedacht“ werden.

Diese Vorgaben schaffen den Rahmen dafür, genauer zu betrachten, welche Art wissenschaftlicher Arbeit mit der Förderung gezielt vorangebracht werden soll.

Was Google finanzieren will

Wer eine Förderung erhalten möchte, muss als Ziel entweder den Bereich Gesundheit und Lebenswissenschaften oder Klimarobustheit sowie Umweltwissenschaften auswählen.

Diese Eingrenzung zwingt dazu, Erfolgskriterien früh festzulegen, damit Gutachtende erkennen können, ob KI tatsächlich Ergebnisse verändert oder nur Berichte produziert.

Noch vor einer Zusage müssen eingereichte Konzepte zudem einen umsetzbaren Plan, ein belastbares Budget und Fachleute aus dem jeweiligen Gebiet vorweisen, die das Werkzeug entwickeln und erproben können.

Wirken Zeitplan, Personalansatz oder Datenzugang zu dünn, kann selbst eine sehr ambitionierte Idee scheitern, bevor sie zu belastbaren Resultaten führt.

Regeln für verantwortungsvolle KI

Zusätzlich sind Antragstellende verpflichtet, Googles Grundsätzen für verantwortungsvolle KI zu folgen, die beschreiben, wie KI-Systeme sicher und fair gestaltet werden sollen.

Das ist relevant, weil wissenschaftliche Werkzeuge medizinische Entscheidungen und öffentliche Politik beeinflussen können – auch dann, wenn der Code vermeintlich neutral wirkt.

Teams müssen darlegen, wie sie Datenrechte, Privatsphäre und unfaire Ausgaben handhaben wollen, während ihre Modelle aus realen Datensätzen lernen.

Ohne solche Leitplanken kann ein Werkzeug, das eigentlich Klimarobustheit oder Gesundheit fördern soll, genau den Menschen schaden, denen es helfen sollte.

Open-Source-Anforderungen

Eine Auflage fällt besonders auf, weil sie Projekte in den öffentlichen Raum drängt, statt sie hinter eine Bezahlschranke zu verlagern.

Mit einer Open-Source-Lizenz müssen Teams ihren Code teilen, damit andere ihn weiterverwenden können und externe Wissenschaftlerinnen und Wissenschaftler das Vorgehen prüfen sowie verbessern.

Falls ein Projekt den Code nicht veröffentlichen kann, akzeptiert das Programm stattdessen einen grundlegenden Datensatz, der künftige KI-Werkzeuge ermöglicht.

Dieses Versprechen der Wiederverwendung macht die Zuschüsse zu Infrastrukturmitteln – erhöht aber zugleich den Druck, sauber und nachvollziehbar zu dokumentieren.

KI in der medizinischen Forschung

Im Feld Gesundheit und Lebenswissenschaften bevorzugt der Aufruf Vorhaben, die biologische Zusammenhänge verständlicher machen oder Diagnostik und medizinische Entscheidungen beschleunigen.

Da antimikrobielle Resistenzen – Keime, die Antibiotika und Antimykotika überstehen – weltweit zunehmen, können schnellere Verfahren zur Erkennung besonders wichtig sein.

Werden Modelle mit Tausenden Laborergebnissen trainiert, können einige Ansätze riskante Muster zügig markieren, sodass Ärztinnen und Ärzte reagieren können, bevor sich eine Infektion weiter ausbreitet.

Doch selbst der beste Prädiktor braucht Praxisprüfungen: Ein Fehlalarm kann unnötige Medikamente und damit verbundene Nebenwirkungen auslösen.

Ziele in der Klimawissenschaft

Für Klimarobustheit richtet sich der Aufruf auf Werkzeuge, die Ökosysteme beobachten, Risiken modellieren oder Frühwarnungen verbessern.

In einer Arbeit aus dem Jahr 2023 lieferte ein KI-Modell globale Vorhersagen mit einer Reichweite von bis zu zehn Tagen – und das in weniger als einer Minute.

Diese Geschwindigkeit ist entscheidend, wenn sich die Zugbahn eines Hurrikans rasch verändert, weil Vorhersageteams Szenarien durchspielen können, ohne auf Supercomputer warten zu müssen.

Allerdings verhindern selbst sehr gute Prognosen Katastrophen nicht automatisch; Klimaprojekte müssen deshalb die betroffenen Gemeinschaften rechtzeitig erreichen.

KI-Lösungen skalieren

„Bei Google setzen wir uns dafür ein, Organisationen überall dabei zu unterstützen, diese Dynamik zu nutzen, um Durchbrüche zu ermöglichen, die sowohl Menschen als auch dem Planeten zugutekommen“, schrieb Kate Brandt, Chief Sustainability Officer bei Google.

Brandt ergänzte, dass echte Durchbrüche mehr als reine Finanzierung erfordern. Ausgewählte Gruppen können daher in einen Google.org Accelerator aufgenommen werden und erhalten Unterstützung durch Engineering, technische Mentoring-Angebote sowie Cloud-Infrastruktur, um ihre Lösungen zu skalieren.

Im sechsmonatigen Programm können agentische Fähigkeiten – Systeme, die planen und Handlungen ausführen – Routineaufgaben automatisieren und so Zeit für wissenschaftliches Urteilsvermögen freisetzen.

Wie Projekte ausgewählt werden

Nach Ende der Bewerbungsphase werden Gutachtende wissenschaftlichen Anspruch gegen die praktischen Realitäten von Budget, Datenzugang und Zeit abwägen.

Google.org und interne Fachleute prüfen die Einreichungen gemeinsam mit externen Partnern, darunter Renaissance Philanthropy und das Zentrum für öffentliche Wirkung.

Weil belastbare, evidenzbasierte Umsetzungspläne verlangt werden, profitieren Teams, die Zugang zu Daten haben und einen klaren Weg zur Veröffentlichung der Ergebnisse vorweisen.

Das kann Entwicklungen beschleunigen, kann jedoch zugleich kleinere Gruppen benachteiligen, sofern sie nicht frühzeitig Partnerschaften eingehen.

Risiken grosser KI-Modelle

Grosse KI-Modelle können aus unordentlichen Daten sehr selbstsichere Ausgaben erzeugen – fehlerhafte Annahmen verbreiten sich dadurch schnell über ein Werkzeug.

Wenn Teams mit unvollständigen Datensätzen trainieren, kann Verzerrung – Muster, die bestimmte Gruppen systematisch bevorzugen – Prognosen und medizinische Vorhersagen prägen.

Das Teilen von Daten bringt ausserdem handfeste Datenschutzrisiken mit sich, besonders im Gesundheitsbereich, wo persönliche Informationen über nachlässige Datenpipelines nach aussen gelangen können.

Um Vertrauen zu verdienen, müssen Antragstellende daher nicht nur Genauigkeit belegen, sondern auch zeigen, wie die Nutzung ausserhalb der Tech-Welt gesteuert und kontrolliert wird.

Messung realer Wirkung

Sollten Googles Mittel und Ingenieurressourcen Teams dabei helfen, wiederverwendbare Werkzeuge zu veröffentlichen, könnten andere Geldgeber dieses Modell auch in traditionell langsameren Forschungsfeldern übernehmen.

Ob daraus tatsächlich Wirkung entsteht, hängt davon ab, was die geförderten Teams bereitstellen, wie offen sie teilen und ob Gemeinschaften die Ergebnisse praktisch anwenden können.