Eine neue generative Künstliche Intelligenz namens genESOM könnte die Zahl von Tierversuchen in der Arzneimittelforschung deutlich senken. Forschende aus Frankfurt, Marburg und vom Fraunhofer ITMP zeigen, dass sich mit der KI wissenschaftlich belastbare Daten ergänzen lassen, ohne zusätzliche Versuchstiere einzusetzen. Erste Ergebnisse deuten darauf hin, dass sich die Zahl der Tiere in bestimmten Studien um 30 bis 50 Prozent reduzieren könnte.
Wie kann KI Tierversuche deutlich reduzieren?
Forschende der Goethe Universität Frankfurt, der Philipps Universität Marburg und des Fraunhofer ITMP haben mit genESOM eine generative KI entwickelt, die kleine präklinische Datensätze erweitern kann.
Bedeutung:
Die Technologie könnte Tierversuche deutlich reduzieren und gleichzeitig wissenschaftlich valide Ergebnisse ermöglichen.
Einordnung:
Relevant ist die Entwicklung vor allem für die Arzneimittelforschung, Biomedizin, KI Forschung sowie für ethische Diskussionen rund um Tierversuche.
Welche Vorteile bietet genESOM laut Forschung?
| Bereich | Nutzen durch genESOM |
|---|---|
| Tierversuche | 30 bis 50 Prozent weniger Versuchstiere möglich |
| Arzneimittelforschung | Bessere Datenauswertung kleiner Studien |
| Ethik | Weniger Belastung für Versuchstiere |
| Wissenschaft | Statistische Aussagekraft bleibt erhalten |
| KI Sicherheit | Integrierte Fehlerkontrolle reduziert falsche Ergebnisse |
| Biomedizin | Erweiterung kleiner Datensätze ohne neue Experimente |
Warum sind Tierversuche in der Forschung überhaupt ein Problem?
Tierversuche gehören seit Jahrzehnten zur medizinischen und pharmazeutischen Forschung. Sie werden eingesetzt, um neue Wirkstoffe zu testen, Risiken einzuschätzen und biologische Prozesse besser zu verstehen. Gleichzeitig stehen Tierversuche seit vielen Jahren unter starker ethischer Kritik.
Forschende befinden sich dabei oft in einem schwierigen Spannungsfeld. Einerseits sollen möglichst wenige Tiere verwendet werden. Andererseits müssen Studien ausreichend groß sein, damit Ergebnisse statistisch belastbar bleiben.
Zu kleine Gruppen führen häufig dazu, dass wichtige Effekte nicht erkannt werden. Zu große Gruppen bedeuten wiederum mehr Tierleid und höhere Kosten.
Genau an diesem Punkt setzt die neue KI Technologie genESOM an.
Was ist genESOM eigentlich?
genESOM ist eine generative Künstliche Intelligenz, die speziell für kleine biomedizinische Datensätze entwickelt wurde. Die Technologie basiert auf sogenannten selbstorganisierenden neuronalen Netzwerken.
Die KI analysiert reale Versuchsdaten und lernt deren innere Struktur. Anschließend erzeugt sie zusätzliche synthetische Datenpunkte, die sich statistisch ähnlich verhalten wie echte experimentelle Ergebnisse.
Das Ziel besteht nicht darin, Tierversuche vollständig zu ersetzen. Stattdessen soll die notwendige Anzahl an Versuchstieren reduziert werden.
Wie funktioniert das Prinzip hinter der KI?
Das System analysiert vorhandene Daten und erkennt Muster innerhalb der biologischen Informationen. Anschließend generiert die KI neue Datensätze, die sich realistisch in das bestehende Datenbild einfügen.
Besonders wichtig ist dabei die integrierte Fehlerüberwachung. Viele generative KI Systeme haben das Problem, zufällige Fehler oder statistisches Rauschen zu verstärken.
Dadurch könnten scheinbar wichtige Ergebnisse entstehen, die in Wahrheit bedeutungslos sind.
Die Forschenden entwickelten deshalb ein spezielles Kontrollsystem, das die Datengenerierung stoppt, bevor die wissenschaftliche Aussagekraft leidet.
Warum ist die integrierte Fehlerkontrolle so wichtig?
Ein großes Problem generativer KI Modelle liegt in sogenannten falsch positiven Ergebnissen.
Dabei interpretiert ein System zufällige Schwankungen als echte biologische Effekte. In der Arzneimittelforschung könnte das fatale Folgen haben.
Ein Wirkstoff würde möglicherweise als erfolgreich eingestuft, obwohl die beobachtete Wirkung nur auf Zufall basiert.
Die Forschenden integrierten deshalb eine direkte Fehlerkontrolle in den Lernprozess von genESOM.
Fehlerinflation beschreibt das Risiko, dass KI Systeme zufällige statistische Schwankungen verstärken. Dadurch entstehen scheinbar relevante Ergebnisse, die wissenschaftlich eigentlich bedeutungslos sind.
genESOM soll dieses Problem durch eine integrierte Kontrolle deutlich reduzieren.
Wie wurde genESOM getestet?
Die Forschenden testeten die KI mit Daten aus einer präklinischen Studie zu Multipler Sklerose bei Mäusen.
In der Originalstudie wurden 26 Mäuse auf drei Behandlungsgruppen verteilt. Die Forschenden reduzierten den Datensatz künstlich auf 18 Tiere, um ein kleineres Experiment zu simulieren.
Das Ergebnis war zunächst eindeutig:
- Die statistische Signifikanz verschwand
- Behandlungseffekte waren nicht mehr nachweisbar
- Maschinelle Lernverfahren konnten die Gruppen nicht unterscheiden
Anschließend ergänzte genESOM den reduzierten Datensatz mit synthetischen Datenpunkten.
Danach tauchten die ursprünglichen Effekte wieder auf dem vorherigen Signifikanzniveau auf. Gleichzeitig entstanden laut Forschung keine zusätzlichen relevanten falsch positiven Ergebnisse.
Warum versagten andere KI Methoden?
Laut den Forschenden wurden auch andere generative KI Verfahren getestet. Darunter befanden sich komplexe Deep Learning Modelle.
Diese Systeme konnten die Ergebnisse jedoch nicht zuverlässig reproduzieren.
Der Unterschied von genESOM liegt offenbar in der speziellen Struktur des selbstorganisierenden neuronalen Netzwerks und der integrierten Fehlerkontrolle.
Während klassische generative Modelle häufig auf möglichst realistische Datensynthese optimiert werden, konzentriert sich genESOM stärker auf wissenschaftliche Validität.
Welche Bedeutung hat das für die Medizin?
Die Auswirkungen könnten enorm sein. Präklinische Studien gehören zu den teuersten und zeitaufwendigsten Bereichen der Arzneimittelforschung.
Wenn weniger Versuchstiere benötigt werden, könnten:
- Forschungskosten sinken
- Studien schneller durchgeführt werden
- ethische Probleme reduziert werden
- mehr Wirkstoffe parallel getestet werden
- kleinere Forschungseinrichtungen profitieren
Gerade in frühen Forschungsphasen könnten KI gestützte Datenergänzungen künftig eine größere Rolle spielen.
Die Forschenden betonen jedoch klar, dass reale Versuchsdaten weiterhin notwendig bleiben.
Kann KI Tierversuche komplett ersetzen?
Nein. Genau darauf weisen die Wissenschaftler ausdrücklich hin.
genESOM kann nur mit echten Daten arbeiten. Die KI benötigt reale Experimente als Grundlage.
Wenn ein Datensatz zu klein wird, steigt das Risiko wissenschaftlich wertloser Ergebnisse stark an.
Die Technologie dient deshalb eher als Unterstützung und Optimierung bestehender Forschung.
Wo liegen die Grenzen der Methode?
- Zu kleine Datensätze bleiben problematisch
- KI kann biologische Realität nicht vollständig ersetzen
- Falsch positive Ergebnisse bleiben ein Risiko
- Regulierungsbehörden müssen Verfahren akzeptieren
- Langfristige Validierung ist noch notwendig
Trotzdem könnte genESOM ein wichtiger Schritt hin zu weniger Tierversuchen sein.
Aktuelle Angebote (Werbung):
Welche Rolle spielt generative KI in der Biomedizin?
Generative KI entwickelt sich aktuell zu einem der wichtigsten Werkzeuge moderner Datenwissenschaft.
Besonders in der Medizin entstehen häufig kleine Datensätze. Das liegt unter anderem daran, dass klinische und präklinische Studien teuer, aufwendig und ethisch sensibel sind.
Generative KI kann helfen, diese Datensätze sinnvoll zu erweitern.
Allerdings ist gerade im medizinischen Bereich höchste Vorsicht notwendig. Fehlerhafte KI Ergebnisse könnten schwerwiegende Folgen haben.
Warum sind kleine Datensätze problematisch?
Kleine Datensätze erschweren statistische Analysen erheblich. Zufällige Schwankungen wirken stärker und wichtige Zusammenhänge bleiben oft verborgen.
Das betrifft nicht nur Tierversuche, sondern auch:
- seltene Erkrankungen
- personalisierte Medizin
- Krebsforschung
- neurologische Erkrankungen
- klinische Pilotstudien
Deshalb gelten sichere Verfahren zur Datenergänzung als potenziell sehr wertvoll.
Welche wissenschaftlichen Studien wurden veröffentlicht?
Die Forschung rund um genESOM wurde in mehreren wissenschaftlichen Arbeiten veröffentlicht.
Dazu gehört die Studie in Pharmacological Research (2026) mit dem Titel:
Weitere relevante Arbeiten erschienen unter anderem in:
- Dimensionality-modulated generative AI for safe biomedical dataset augmentation. iScience (2026)
- Augmenting small biomedical datasets using generative AI methods based on self organizing neural networks Open Access. Briefings in Bioinformatics (2024)
Warum ist das Thema auch gesellschaftlich relevant?
Die Diskussion über Tierversuche betrifft längst nicht mehr nur Wissenschaftler.
Viele Menschen hinterfragen heute kritisch, wie Medikamente entwickelt werden und welche ethischen Grenzen dabei gelten.
Gleichzeitig steigt der gesellschaftliche Druck auf Forschungseinrichtungen, Alternativen zu Tierversuchen zu entwickeln.
KI könnte hier langfristig eine wichtige Brücke bilden.
Die neue KI Technologie bedeutet nicht, dass Medikamente künftig unsicherer werden. Ziel ist vielmehr, wissenschaftlich belastbare Ergebnisse mit weniger Versuchstieren zu erzielen.
Die Forschung befindet sich jedoch weiterhin in einem frühen Entwicklungsstadium.
Welche Chancen ergeben sich für die Arzneimittelentwicklung?
Die moderne Medikamentenentwicklung wird immer datenintensiver.
KI Systeme könnten künftig dabei helfen:
- kleine Studien effizienter auszuwerten
- Wirkstoffe schneller zu bewerten
- unnötige Tierversuche zu vermeiden
- Kosten zu senken
- klinische Forschung zu beschleunigen
Gerade bei komplexen Erkrankungen wie Multipler Sklerose, Krebs oder neurologischen Krankheiten könnten solche Technologien eine größere Rolle spielen.
Welche Risiken bestehen trotz aller Fortschritte?
So vielversprechend die Forschung klingt, bleiben zahlreiche offene Fragen.
Kann KI biologische Komplexität wirklich korrekt abbilden?
Biologische Systeme gehören zu den komplexesten Strukturen überhaupt. Selbst moderne KI Modelle stoßen dabei an Grenzen.
Viele Experten warnen davor, synthetische Daten zu stark zu vertrauen.
Wer kontrolliert die Qualität der KI Ergebnisse?
In Zukunft könnten Regulierungsbehörden wie EMA oder FDA streng prüfen, wie generative KI in der Arzneimittelforschung eingesetzt wird.
Vor allem die Nachvollziehbarkeit von KI Entscheidungen bleibt ein zentrales Thema.
Könnte KI Studien manipulieren?
Ein weiteres Risiko liegt im möglichen Missbrauch generativer Modelle.
Wenn synthetische Daten falsch eingesetzt werden, könnten Studienergebnisse theoretisch verzerrt werden.
Deshalb ist Transparenz entscheidend.
Wie sehen Experten die Zukunft solcher Technologien?
Viele Fachleute gehen davon aus, dass generative KI künftig ein Standardwerkzeug der biomedizinischen Forschung werden könnte.
Vor allem dort, wo Datensätze klein und Experimente teuer oder ethisch sensibel sind, entstehen enorme Einsatzmöglichkeiten.
Die Technologie könnte außerdem mit anderen modernen Methoden kombiniert werden:
- Organoide
- Computersimulationen
- digitale Zwillinge
- In vitro Modelle
- präzisionsmedizinische Datensysteme
Dadurch könnte die Zahl klassischer Tierversuche langfristig weiter sinken.
Was bedeutet das konkret für die Forschung in Deutschland?
Deutschland gehört zu den Ländern mit starker biomedizinischer Forschung und gleichzeitig intensiven Debatten über Tierethik.
Entwicklungen wie genESOM könnten daher politisch und wissenschaftlich besonders relevant werden.
Die Förderung durch die Deutsche Forschungsgemeinschaft zeigt außerdem, dass das Thema auch institutionell ernst genommen wird.
Die Forschenden arbeiteten im Rahmen des Projekts:
Generative artificial intelligence based algorithm to increase the predictivity of preclinical studies while keeping sample sizes small
FAQ: Häufige Fragen zur KI gegen Tierversuche
Kann genESOM Tierversuche vollständig ersetzen?
Nein. Die KI benötigt reale Versuchsdaten als Grundlage und dient nur zur Ergänzung kleiner Datensätze.
Wie viele Tierversuche könnten eingespart werden?
Laut den Forschenden sind Einsparungen von etwa 30 bis 50 Prozent möglich.
Ist die Methode bereits offiziell zugelassen?
Nein. Die Technologie befindet sich noch im Forschungsstadium.
Was macht genESOM besonders?
Die KI enthält eine integrierte Fehlerkontrolle, die falsch positive Ergebnisse reduzieren soll.
Warum sind kleine Datensätze problematisch?
Sie liefern oft keine statistisch belastbaren Ergebnisse und erschweren die Interpretation von Studien.
Fazit: Kann KI die Zukunft präklinischer Forschung verändern?
Die Entwicklung von genESOM zeigt, wie stark sich Künstliche Intelligenz inzwischen auf die biomedizinische Forschung auswirkt.
Besonders spannend ist die Kombination aus generativer Datensynthese und integrierter Fehlerkontrolle. Genau dieser Ansatz könnte künftig helfen, wissenschaftliche Qualität und ethische Verantwortung besser miteinander zu verbinden.
Auch wenn KI Tierversuche aktuell noch nicht ersetzen kann, deutet vieles darauf hin, dass intelligente Datensysteme die Zahl benötigter Versuchstiere deutlich reduzieren könnten.
Für die Medizin, Arzneimittelentwicklung und Forschungsethik wäre das ein wichtiger Fortschritt.
Quelle / Infos / Pressemitteilung: https://idw-online.de/de/news870649 und https://doi.org/10.1016/j.phrs.2026.108159
Michael Färber beschäftigt sich seit 2018 intensiv mit Cannabis, Hanf und CBD. Er absolvierte den Master of Cannabis Industry sowie die Ausbildung zum ACM-zertifizierten Berater für Medikamente auf Cannabisbasis. Dieser Artikel wurde von ihm redaktionell erstellt und geprüft und basiert auf eigener Recherche, Pressemitteilungen, aktuellen News, wissenschaftlichen Studien, langjähriger Erfahrung sowie modernen Recherche- und Textwerkzeugen. Weitere Informationen findest du hier: Autorenvorstellung von Michael Färber
Kein Anspruch / Gewähr auf Aktualität, Vollständigkeit und Richtigkeit der Informationen, News bzw. Pressemeldung