Am 24. September 2026 hat NVIDIA in seinem offiziellen Blog die kostenlose Veröffentlichung vorhergesagter 3D-Strukturen der Proteinkomplexe von mehr als 2.800 Viren angekündigt — erarbeitet gemeinsam mit Google DeepMind, dem Europäischen Bioinformatik-Institut (EMBL-EBI) des Europäischen Laboratoriums für Molekularbiologie und weiteren globalen Forschungseinrichtungen. Wissenschaftler weltweit können die Daten kostenlos über die AlphaFold-Datenbank abrufen. Der Zeitpunkt war kalkuliert: Er fällt mit den Pandemie-Vorsorgegesprächen in New York während der UN-Generalversammlungswoche zusammen, einberufen mit dem Weltwirtschaftsforum.
Die Strukturen wurden mit AlphaFold2 vorhergesagt — Googles DeepMind-KI-Modell, das vorhersagt, wie sich Proteine zu 3D-Formen falten — weiter optimiert mit der NVIDIA BioNeMo Inference Runtime, sodass tausende virale Proteome gebündelt auf GPUs inferiert werden konnten. Das Team arbeitete sich systematisch durch die Virusfamilien, die den Menschen bekanntermaßen infizieren, von Erkältungsviren bis zu aufkommenden Bedrohungen wie Mpox. Vorhergesagt wurden nicht einzelne Proteine, sondern Proteinkomplexe: die „Teamstrukturen" mehrerer zusammenarbeitender Proteine — genau die Ziele, auf die Impfstoffe und Medikamente abzielen müssen.
Neben der Menge verdient die „Neuheit" Beachtung. Rund 30 % der Proteininteraktionen werden erstmals in der Wissenschaft dokumentiert; in der PDB, dem Hauptrepositorium experimentell bestimmter Strukturen, gibt es keine entsprechenden Einträge. Chris Dallago, Leiter des angewandten Forschungsteams für digitale Biologie bei NVIDIA, beschrieb die Datenbank als „Hypothesengenerator": Sie lasse Biologen und KI-Forscher nicht einzelne Moleküle, sondern ganze Interaktionsnetzwerke untersuchen und bringe das gesamte Feld voran.
Offen sind nicht nur die Daten. NVIDIA hat außerdem die zur Erzeugung des Datensatzes genutzte BioNeMo Structure Prediction Pipeline auf GitHub als Open Source veröffentlicht — Forscher können den kompletten Workflow von der Proteinsequenz bis zur vorhergesagten Struktur für eigene Ziele durchlaufen. Jo McEntyre, Interimsdirektorin des EMBL-EBI, wies darauf hin, dass der Datensatz viele wenig erforschte Viren abdeckt und die Hürde für Wissenschaftler an vorderster Front in ressourcenarmen Regionen senkt — diejenigen, die Ausbrüche als Erste erleben, haben oft die wenigsten Daten.
Warum verdient das einen ernsthaften Blick? Die Lehre aus COVID-19 war: Jahrzehntelang angesammeltes Wissen über Coronavirus-Proteine ließ die Impfstoffentwicklung in Rekordtempo laufen. Doch die nächste Pandemie wird sich womöglich nicht ans „Drehbuch" halten. Joe Grove, Professor für molekulare Virologie an der Universität Glasgow und Projektpartner, sagte es unverblümt: Wir versuchen, dieses Wissen im Voraus zu bevorraten. Eine Analyse des Center for Global Development schätzt die Wahrscheinlichkeit, dass die Welt bis 2050 eine so schwere Pandemie wie COVID-19 erlebt, auf rund 50 %.
Entgegen dem Rennen um geschlossene Modelle in der KI-Welt spielt NVIDIA hier die Karte „Open Science als Produktivkraft“: kein API-Verkauf, kein eingezäuntes Ökosystem — Daten und Werkzeugketten offengelegt, damit Labore weltweit von derselben Startlinie aus beginnen. Auch reine Philanthropie ist der Schritt nicht: Je mehr das BioNeMo-Ökosystem gedeiht, desto fester wird die Position von GPUs in den Lebenswissenschaften. Daraus wird kurzfristig kein neues Medikament; langfristig kann es entscheiden, wie viel „Vorbereitungsmaterial“ die Menschheit beim nächsten Ausbruch in der Hand hält. In der AI-for-Science-Erzählung ist das ein seltener handfester Fortschritt: heute herunterladbar, morgen einsetzbar.
