Erstmals haben Forscher komplette Virengenome mithilfe künstlicher Intelligenz entworfen, die im Labor tatsächlich funktionieren. Ein Team der Stanford University und des Arc Institute nutzte die Genom-Sprachmodelle Evo1 und Evo2, um 16 neue Bakteriophagen zu erschaffen. Diese Viren gibt es in der Natur nicht. Sie wurden vollständig von einer Maschine erdacht und anschließend im Labor synthetisiert. Das Ergebnis erschien am 6. August 2026 im Fachmagazin Science.
Wie KI Viren designt
Die Arbeitsmethode erinnert an ChatGPT, nur dass die KI nicht Wörter vorhersagt, sondern DNA-Bausteine. Evo2 wurde auf 9,3 Billionen Nukleotid-Buchstaben von rund 128.000 Organismen trainiert. Anschließend feinabgestimmt auf etwa 15.000 Genome der Microviridae-Familie, zu der der Modellvirus ΦX174 gehört. Dieser Phage ist einer der bestuntersuchten Viren überhaupt. Erstmals 1935 in Pariser Abwässern entdeckt, war sein Genom 1977 das erste DNA-Genom, das jemals vollständig sequenziert wurde.
Die Forscher gaben der KI einen konservierten Abschnitt des ΦX174-Genoms als Startpunkt. Die Aufgabe lautete: Vervollständige die fehlenden Teile. Das Modell generierte 700.000 Kandidaten-Genome. Davon wählten die Forscher 302 vielversprechende Entwürfe aus. 285 davon wurden im Labor zu DNA-Molekülen synthetisiert. Sechzehn davon erwiesen sich als lebensfähig. Sie konnten sich in E.-coli-Bakterien vermehren, obwohl ihre Genome in der Natur nicht existieren.
Evo-Φ69 übertrifft das Original
Ein besonders bemerkenswerter Kandidat trägt den Namen Evo-Φ69. In direkten Wachstumswettbewerben gegen den natürlichen ΦX174 replizierte er sich auf das bis zu 65-fache seines Ausgangswerts. Kryo-Elektronenmikroskopie zeigte zudem, dass einer der generierten Phagen ein strukturell abweichendes DNA-Verpackungsprotein in seiner Proteinhülle nutzt. Die Methode erzeugt also echte strukturelle Innovationen und nicht bloß Variationen des Bekannten.
In einem weiteren Experiment überwand ein Cocktail aus mehreren synthetischen Phagen die Resistenz von drei verschiedenen E.-coli-Stämmen, die gegen den natürlichen ΦX174 immun waren. Gerade diese Eigenschaft macht Bakteriophagen medizinisch interessant: Sie könnten eine neue Waffe gegen antibiotikaresistente Bakterien werden.
Chancen für die Medizin
Bakteriophagen gelten seit Langem als mögliche Alternative zu Antibiotika. Das Problem: Bakterien entwickeln auch gegen Phagen Abwehrmechanismen. Eine wirksame Phagentherapie müsste sich schnell an neue Resistenzen anpassen. KI-generierte Phagen könnten genau das leisten. Brian Hie, Assistenzprofessor an der Stanford University und Hauptautor der Studie, erklärt: Wenn Bakterien gegen einen einzelnen Phagen resistent werden, ist das Medikament wirkungslos. Ein Cocktail aus mehreren genetisch unterschiedlichen Phagen macht es den Bakterien jedoch deutlich schwerer, gegen alle gleichzeitig resistent zu werden.
Marc Güell, Professor für synthetische Biologie an der Universität Pompeu Fabra in Barcelona, nennt die Studie einen sehr bedeutenden Wendepunkt. Zum ersten Mal in der Geschichte beginnen wir, Biologie auf dem Computer zu entwerfen. Patrick Cai, Lehrstuhlinhaber für synthetische Genomik am Manchester Institute of Biotechnology, spricht von einem wichtigen Meilenstein: Die Bedeutung geht weit über Phagen hinaus. Sie deutet darauf hin, dass Genom-Sprachmodelle beginnen, die von der Evolution kodierten Designprinzipien zu erlernen.
Biosicherheit: Dringende Fragen
Die Autoren diskutieren die Risiken ihrer eigenen Methode mit ungewöhnlicher Offenheit. Wer dieselben Modelle mit Genomen menschlicher Krankheitserreger trainiert, könnte im Prinzip Vorschläge für veränderte oder neue Krankheitserreger erhalten. Thomas Inglesby und Moritz Hanke vom Center for Health Security der Johns Hopkins University schreiben in einem begleitenden Kommentar in Science: Die Fähigkeit, virale Genome mit generativer KI zu erzeugen, existiert bereits. Die Governance, um sie sicher zu steuern, fehlt.
Die Forscher betonen, dass Evo2 aufgrund gezielter Bereinigung der Trainingsdaten keine menschlichen Virussequenzen generieren kann. Allerdings sind Modell, Trainings- und Inferenz-Code sowie die Gewichte vollständig öffentlich zugänglich. Ein entschlossener Akteur könnte das Modell im Prinzip auf anderen Datensätzen trainieren. Harald König vom Karlsruher Institut für Technologie warnt jedoch, dass komplexe Krankheitserreger-Eigenschaften wie Übertragbarkeit oder Immunflucht mit aktuellen Modellen kaum zuverlässig vorhersehbar sind. Auch qualitativ hochwertige Trainingsdaten für gefährliche Krankheitserreger seien kaum verfügbar.
Regulierung hinkt hinterher
Bestehende internationale Biosicherheitsrichtlinien, etwa jene der Weltgesundheitsorganisation, regeln den Umgang mit KI-generierten Organismen noch nicht. Erst im vergangenen Monat hat der amerikanische NIH eine Gain-of-Function-Forschung verboten, bei der Viren gezielt verändert werden. NIH-Direktor Jay Bhattacharya sprach von einer bahnbrechenden regierungsweiten Politik, die erstmals eine ausdrückliche Untersagung gefährlicher Gain-of-Function-Forschung etabliert.
Tom Ellis, Professor für synthetische Genomik am Imperial College London, relativiert die Gefahr: Die Bedrohung durch vollständiges KI-Design und Schreiben eines Virus- oder Bakteriengenoms ist stark übertrieben, wenn man bedenke, dass das Nehmen bestehender Krankheitserreger und Gain-of-Function-Veränderungen viel einfacher und wahrscheinlicher ein realer pathogener Threat seien. Dennoch räumt er ein, dass sich die Datenlage und die Modelle schnell entwickeln.
Was jetzt wichtig wird
Die Studie zeigt zwei Dinge gleichzeitig: KI kann Biologie entwerfen, die in der Natur nicht existiert, und die Regulierung dieses Potenzials hinkt der Technologie hinterher. Die 16 funktionalen Varianten stimmen noch zu 93 bis 99 Prozent mit dem natürlichen Vorbild ΦX174 überein. Die gezielte Erschaffung komplett neuer biologischer Eigenschaften wurde also noch nicht nachgewiesen. Doch die Richtung ist klar. Wie Brian Hie es formuliert: Es wäre wahrscheinlich viel Arbeit, aber nicht unmöglich, einfache Organismen zu versuchen. Sein Team arbeitet bereits darauf.
Die EU hat mit dem AI Act Artikel 50 seit dem 2. August 2026 eine Kennzeichnungspflicht für KI-generierte Inhalte. Doch KI-generierte Genome fallen nicht unter diese Regelung. Die Lücke zwischen technologischem Fortschritt und regulatorischem Rahmen wird immer offensichtlicher. Während Forscher die nächste Generation synthetischer Viren entwerfen, müssen Gesetzgeber erst damit beginnen, die richtigen Fragen zu stellen.
Hinweis: Dieser Artikel wurde mit Unterstützung von Künstlicher Intelligenz erstellt und von einem Menschen redaktionell geprüft.
