idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Selbststeuernde Labore (Self-Driving Laboratories, SDLs), die von künstlicher Intelligenz (KI) betrieben werden, beschleunigen die Materialforschung rasant – aber können sie ihre Ergebnisse auch erklären? Forschende aus der Theorieabteilung des Fritz-Haber-Instituts zeigen gemeinsam mit BASF und dem BasCat – UniCat BASF JointLab, dass dies möglich ist. Ihre neue Herangehensweise an KI-gestützte SDLs ermöglicht es bessere Katalysatoren zu identifizieren und gleichzeitig die Chemie dahinter offenzulegen. Der Ansatz wurde an einer industriell wichtigen Reaktion, der Umwandlung von Propan in Propylen, validiert.
Ein SDL kombiniert eine KI zur Versuchsplanung mit Laborautomatisierung und Robotik. Im Wettlauf um die Entwicklung besserer Materialien werden KI und SDLs oft vor allem aus einem Grund gepriesen: ihrer Geschwindigkeit. Diese Systeme können neue Materialien schnell testen und optimieren und hel-fen Forschenden so, in einem Bruchteil der üblichen Zeit bessere Lösungen zu finden. Kritiker haben jedoch wichtige Bedenken geäußert: Wenn KI lediglich bessere Ergebnisse liefert, ohne zu erklären, warum sie funktionieren – ist das dann noch echter wissenschaftlicher Fortschritt, und wie lässt sich die Zuverlässigkeit der KI kontrollieren?
Eine neue Studie, veröffentlicht in ACS Catalysis von der Theorieabteilung unseres Instituts in Zusam-menarbeit mit BASF und dem BasCat – UniCat BASF JointLab, zeigt, dass Geschwindigkeit nicht auf Kos-ten von Erklärbarkeit gehen muss. Das Team entwickelte einen fortschrittlichen KI-gestützten Ansatz, der nicht nur die Entdeckung von Katalysatoren beschleunigt, sondern auch erklärt, warum die identifi-zierten Materialien besser funktionieren. Dieser Ansatz wurde erfolgreich an einer zentralen industriel-len Reaktion demonstriert: der Umwandlung von Propan in Propylen – einem essenziellen Baustein der chemischen Industrie und Ausgangsstoff für eine Vielzahl alltäglicher Produkte, darunter Kunststoffe und synthetische Fasern.
Von „Black-Box“- zu „Gray-Box“-KI
Die meisten aktuellen KI-gestützten Ansätze der Materialforschung konzentrieren sich darauf, möglichst schnell das beste Material zu finden. Dabei verhalten sie sich oft wie „Black Boxes“, die Ergebnisse lie-fern, jedoch ohne Erklärungen zu geben. Das kann für die Optimierung nützlich sein, lässt Forschende jedoch mit einem recht begrenzten Verständnis der zugrunde liegenden Chemie zurück. In der aktuellen Studie wurde ein anderer Ansatz verfolgt: Durch die gezielte Gestaltung der Vorgehensweise der KI bei der Untersuchung möglicher Materialkombinationen konnte eine Leistungssteigerung erzielt werden, während gleichzeitig aussagekräftige Erkenntnisse gewonnen wurden – ein Ansatz, der als „Gray Box“ bezeichnet wird und das Verfahren transparenter und besser kontrollierbar macht.
Verständnis und Effizienz vereint
Der Ansatz erlaubte nicht nur die schnelle Identifizierung eines Katalysators, der besser als der aktuelle Industriestandard ist, sondern übersetzte die verbesserte Leistung auch in eine für Chemiker verständli-che Sprache. Er hob den Einfluss einzelner Promotoren im identifizierten Katalysator hervor und insbe-sondere die synergetischen Wechselwirkungen zwischen ihnen, die in früheren herkömmlichen Studien verborgen blieben. Gleichzeitig ist die Methode äußerst effizient: Weniger als 50 Experimente waren erforderlich, um einen Designraum mit mehr als 10¹³ (also 10.000.000.000.000) möglichen Promotor-Kombinationen zu durchsuchen.
Insgesamt zeigt die Studie, dass KI und Automatisierung in der Chemie nicht auf Kosten des Verständ-nisses gehen müssen. Durchdacht eingesetzt können diese Technologien die Materialentwicklung grundlegend verändern – weg Trial-and-Error hin zum echten Verständnis. Letztlich wird dies dazu füh-ren, dass KI als aktiver Partner bei wissenschaftlichen Entdeckungen fungiert und nicht nur als effizien-tes, aber kaum bewertbares Werkzeug.
Prof. Dr. Karsten Reuter, reuter@fhi.mpg.de
https://pubs.acs.org/doi/10.1021/acscatal.6c00286
https://www.fhi.mpg.de/2217478/2026-03-24_ACS_Catal_SDLs
Schematische Darstellung des beschleunigten Verfahrens zur Katalysatorsuche.
Copyright: © ACS Catal. 2026
Criteria of this press release:
Business and commerce, Journalists, Scientists and scholars, Students
Chemistry, Materials sciences, Physics / astronomy
transregional, national
Research results, Scientific Publications
German
Schematische Darstellung des beschleunigten Verfahrens zur Katalysatorsuche.
Copyright: © ACS Catal. 2026
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
