Künstliche Intelligenz (KI) verändert die Wissenschaft rasant. Sie hilft bereits heute dabei, neue Medikamente, Maschinen und Produkte zu entwickeln, komplexe Daten auszuwerten oder technische Systeme und Experimente zu optimieren. Das bietet einerseits große Chancen: KI kann Muster erkennen, die Menschen übersehen, Prozesse beschleunigen und völlig neue Lösungswege finden.

Doch die Entwicklung hat auch eine problematische Seite: Moderne KI-Systeme liefern zunehmend Ergebnisse, deren Funktionsweise selbst Expertinnen und Experten nicht mehr vollständig nachvollziehen können. Damit gerät ein zentrales Prinzip der Wissenschaft unter Druck. Denn Erkenntnisse sollen nicht nur funktionieren, sondern auch verstanden werden.

KI bringt nicht nur Vorteile

Wie weit diese Entwicklung bereits ist, zeigt ein Beispiel aus der Quantenphysik. Dort wurden KI-Systeme eingesetzt, um neue Experimente zur Quantenverschränkung zu entwerfen. Während Forschende monatelang nach Lösungen gesucht haben, fand die KI innerhalb kurzer Zeit funktionierende Versuchsaufbauten. Sie kombinierte bekannte physikalische Methoden auf ungewöhnliche Weise und eröffnete damit neue Forschungsansätze.

In einigen Bereichen ist die Diskrepanz noch größer: Bei der Optimierung von Gravitationswellendetektoren entwickelte die KI Designs, die bestehende Technologien offenbar deutlich verbessern könnten. Die Ergebnisse lassen sich zwar simulieren und überprüfen, doch zentrale Elemente der Lösungen bleiben rätselhaft. Die Forschenden wissen also, dass die Vorschläge funktionieren könnten — aber nicht mehr genau, warum.

Damit steht die Wissenschaft vor einer grundlegenden Frage: Was bedeutet Erkenntnis in einer Zeit, in der Maschinen Lösungen finden, die Menschen zwar nutzen, aber nicht mehr vollständig begreifen können?