Generative künstliche Intelligenz verändert die Materialforschung. Sie kann in kurzer Zeit Millionen möglicher Werkstoffe untersuchen und völlig neue Strukturen entwerfen. Das Versprechen ist gewaltig. Doch mit der Geschwindigkeit wächst auch die Verantwortung: Was geschieht mit einem Material, das eine Maschine heute erfindet, wenn es morgen nicht mehr gebraucht wird?
Die nächste Revolution der Werkstoffe könnte in einem Computer beginnen. Nicht in einem Hochofen, nicht in einem Chemiewerk und auch nicht zwingend in einem Forschungslabor. Sie könnte auf einem Rechner entstehen, dessen Aufgabe zunächst erstaunlich einfach klingt: Finde einen Stoff mit genau diesen Eigenschaften: leichter als Aluminium, aber stabiler als Stahl. Hitzebeständig bis zu einer bestimmten Temperatur. Elektrisch leitfähig. Möglichst billig. Möglichst wenig abhängig von seltenen Rohstoffen. Vielleicht geeignet für eine neue Batterie, einen Katalysator oder eine Solarzelle.
Was bislang Jahre, manchmal Jahrzehnte gedauert hat, lässt sich zunehmend in wesentlich kürzerer Zeit durchspielen. Künstliche Intelligenz kann chemische und kristalline Strukturen simulieren, Kandidaten aussortieren und neue Kombinationen vorschlagen. Sie durchsucht dabei nicht nur einen Katalog bekannter Materialien. Generative Modelle können neue Strukturen erzeugen, die bestimmte vorgegebene Eigenschaften erfüllen sollen. Das ist ein grundlegender Wandel.
Die Materialwissenschaft hat traditionell viel mit Erfahrung, Versuch und Irrtum zu tun. Ein Forscher kennt die Eigenschaften bestimmter Elemente, Werkstoffe und Moleküle und sucht innerhalb dieses Wissens nach einer besseren Kombination. Die Maschine kann dagegen eine Größenordnung von Möglichkeiten untersuchen, die für einen Menschen nicht mehr überschaubar wäre.
Die kreative Maschine
Wie groß dieser Sprung sein kann, zeigt das Beispiel GNoME, eines von Google DeepMind entwickelten Systems zur Suche nach neuen kristallinen Materialien. Das System identifizierte Hunderttausende zuvor unbekannte, als stabil vorhergesagte Kristallstrukturen. Ein Teil dieser Ergebnisse wurde in die Datenbank des „Materials Project* eingebracht, um weitere Forschung und experimentelle Überprüfung zu ermöglichen. Noch einen Schritt weiter geht die generative Materialentwicklung. Microsofts Modell MatterGen beispielsweise ist darauf ausgelegt, neue anorganische Materialien anhand gewünschter Eigenschaften zu erzeugen. Es kann seine Suche auf bestimmte chemische Zusammensetzungen oder physikalische Eigenschaften ausrichten. In der zugrunde liegenden Forschung wurde zudem demonstriert, dass ein auf diese Weise vorgeschlagenes Material tatsächlich synthetisiert werden konnte.
Die Maschine wird damit vom Werkzeug zum Ideengeber. Und genau an diesem Punkt beginnt eine Frage, die für die nächste Phase der Materialrevolution entscheidend werden könnte: Was passiert mit all diesen neuen Materialien, wenn ihre Aufgabe erfüllt ist?
Der blinde Fleck der Materialrevolution
Ein Material hat ein langes Leben. Es wird gewonnen, verarbeitet, in ein Produkt eingebaut, transportiert, genutzt, repariert und irgendwann aus dem Verkehr gezogen. Sein eigentlicher Lebensweg endet erst dann, wenn seine Bestandteile entweder wieder in einen technischen oder biologischen Kreislauf zurückkehren – oder als Abfall verloren gehen. In der klassischen Materialentwicklung wurde diese letzte Phase häufig erst spät betrachtet. Zunächst musste der Werkstoff funktionieren. Er musste fest, leicht, hitzebeständig, leitfähig oder chemisch stabil sein. Erst danach stellte sich die Frage, wie er hergestellt, verarbeitet und irgendwann entsorgt oder recycelt werden kann.
Generative KI verschärft dieses Problem möglicherweise
Denn eine künstliche Intelligenz ist zunächst weder nachhaltig noch unnachhaltig. Sie hat kein eigenes Verständnis von Kreislaufwirtschaft. Sie optimiert auf die Ziele, die ihr vorgegeben werden. Wenn die Aufgabe lautet: „Finde den härtesten, leichtesten und hitzebeständigsten Werkstoff“, dann wird das System versuchen, genau dieses Problem zu lösen.
Ob der Werkstoff nach 30 Jahren noch zerlegt werden kann, ob seine Bestandteile voneinander getrennt werden können oder ob eine Recyclinganlage ihn überhaupt erkennt, ist für den Algorithmus zunächst nebensächlich – sofern diese Eigenschaften nicht Teil der Aufgabenstellung sind. Damit entsteht ein bemerkenswerter Widerspruch. Ausgerechnet die Technologie, die uns helfen könnte, bessere und nachhaltigere Materialien zu entwickeln, könnte gleichzeitig die Zahl der Materialien erhöhen, deren späterer Umgang uns Probleme bereitet.
Die Forschung beginnt dieses Spannungsfeld inzwischen ausdrücklich zu adressieren. Eine aktuelle Analyse in „Nature Reviews Materials“ beschreibt künstliche Intelligenz als mögliches Werkzeug für zirkuläre Materialsysteme – allerdings gerade dann, wenn Materialleistung, Lebenszyklusanalysen und Nachhaltigkeitskriterien bereits bei der Entwicklung miteinander verknüpft werden. Das ist mehr als eine technische Detailfrage. Es geht um eine Veränderung des Denkens.
Je komplexer, desto schwieriger zurückzuführen
Die Gefahr liegt dabei nicht allein in der schieren Zahl neuer Materialien. Problematisch kann auch ihre zunehmende Komplexität werden. Ein Werkstoff kann aus mehreren Elementen, Molekülen oder Materialphasen bestehen, die sich während der Nutzung zu einem leistungsfähigen Ganzen verbinden. Genau diese Verbindung kann am Ende seine größte Schwäche sein. Das gilt beispielsweise für viele Verbundwerkstoffe. Ihre Stärke entsteht gerade daraus, dass unterschiedliche Materialien gemeinsam Eigenschaften hervorbringen, die ein einzelner Stoff nicht besitzt. Was während der Nutzung ein Vorteil ist, kann beim Recycling zum Problem werden.
Ähnliche Fragen stellen sich bei komplexen Legierungen, Polymeren und anderen Vielstoffsystemen. Je stärker verschiedene Bestandteile miteinander verbunden oder chemisch vernetzt sind, desto schwieriger kann es werden, sie am Ende wieder voneinander zu trennen. Hinzu kommt ein zweites Problem: Recycling ist nicht allein eine Frage der Chemie. Es ist auch eine Frage der Infrastruktur. Eine Sortieranlage muss einen Stoff erkennen können. Ein Recyclingunternehmen muss wissen, woraus er besteht. Es braucht Verfahren, die seine Bestandteile wirtschaftlich zurückgewinnen können. Und am Ende muss es einen Markt für das zurückgewonnene Material geben.
Die Geschwindigkeit der digitalen Materialentwicklung könnte deshalb auf eine wesentlich langsamere physische Welt treffen. Die KI kann einen neuen Werkstoff in sehr kurzer Zeit vorschlagen. Eine industrielle Recyclingkette für diesen Werkstoff entsteht dagegen nicht über Nacht.
Der entscheidende Perspektivwechsel
Das bedeutet nicht, dass die Materialentwicklung durch künstliche Intelligenz gebremst werden sollte. Im Gegenteil. Die vielleicht interessanteste Möglichkeit besteht gerade darin, die Zielrichtung der Maschine zu verändern. Bisher lautet die Frage vereinfacht: Welches Material erfüllt die gewünschte Funktion am besten? Künftig könnte sie lauten: Welches Material erfüllt die gewünschte Funktion am besten und bleibt zugleich über seinen gesamten Lebenszyklus beherrschbar? Das ist ein fundamentaler Unterschied. Recyclingfähigkeit wäre dann keine nachträgliche Prüfung mehr. Sie wäre eine Konstruktionsbedingung.
Dass diese Idee inzwischen Eingang in die wissenschaftliche Diskussion findet, zeigt eine Reihe aktueller Arbeiten. Forscher beschreiben Materialentwicklung zunehmend als Mehrzielproblem, bei dem neben Leistung und Kosten auch Recyclingfähigkeit und die Umweltwirkungen des gesamten Lebenszyklus berücksichtigt werden sollen. Der Begriff dafür lautet „Circularity by Design“. Das Prinzip ist eigentlich verblüffend einfach: Man versucht nicht erst am Ende herauszufinden, wie ein Material recycelt werden kann. Man entwickelt es von Anfang an so, dass dies möglich wird.
Die künstliche Intelligenz könnte dafür besonders geeignet sein. Denn wenn ein Algorithmus Millionen von Varianten untersuchen kann, kann er theoretisch auch gleichzeitig nach mehreren Kriterien suchen: Festigkeit, Gewicht, Preis, Energieverbrauch bei der Herstellung, Rohstoffverfügbarkeit, Toxizität und eben auch Recyclingfähigkeit. Die entscheidende Frage lautet dann nicht mehr nur, was die KI kann, sondern: Worauf lassen wir sie optimieren?
Vom Materialdesign zum Lebenszyklusdesign
Damit könnte sich die Rolle des Materialwissenschaftlers grundlegend verändern. Er wäre nicht mehr nur derjenige, der nach einem möglichst leistungsfähigen Stoff sucht. Er müsste festlegen, welche Eigenschaften ein Material während seines gesamten Lebens besitzen soll – einschließlich seines Lebensendes. Auch dafür gibt es inzwischen erste Konzepte. Die aktuelle Forschung diskutiert Modelle, in denen KI mit Lebenszyklusanalysen, Nachhaltigkeitsdaten und experimentellen Verfahren verbunden wird. Ziel ist ein Entwicklungsprozess, bei dem ökologische Kriterien nicht erst nach der Entdeckung eines Materials geprüft werden, sondern bereits in die Suche eingehen.
Das klingt zunächst nach einer Einschränkung. Tatsächlich könnte es eine neue Form der Freiheit sein. Denn die künstliche Intelligenz könnte nicht nur Materialien finden, die heute noch nicht existieren. Sie könnte auch helfen, Materialien zu finden, die unsere bisherigen Zielkonflikte neu auflösen: leicht und stabil, langlebig und reparierbar, leistungsfähig und recycelbar. Das wäre dann eine andere Art von Materialrevolution. Nicht mehr die Suche nach dem perfekten Stoff für einen bestimmten Zweck, sondern die Suche nach dem besten Stoff für einen gesamten Lebensweg.
Die neue Frage: Was ist eigentlich richtig?
Vielleicht liegt darin die eigentliche Herausforderung der kommenden Jahre. Wir stehen möglicherweise vor einer Epoche, in der es nicht mehr zu wenige Werkstoffe gibt, sondern zu viele. Maschinen können den Suchraum der Materialwissenschaft so weit öffnen, dass die Zahl möglicher Kandidaten unsere Vorstellungskraft übersteigt. Die entscheidende Ressource könnte deshalb nicht mehr allein die Fähigkeit sein, neue Materialien zu erfinden. Es könnte die Fähigkeit sein, die richtigen Materialien auszuwählen. Und dafür müssen wir wissen, was „richtig“ bedeutet.
Ein Material, das in einer Batterie zehn Prozent mehr Leistung ermöglicht, kann technologisch hervorragend sein. Ein Werkstoff, der ein Flugzeug leichter macht, kann enorme Mengen Energie sparen. Ein neuer Verbundwerkstoff kann Bauteile langlebiger machen. Doch kein Material existiert nur für seine erste Anwendung. Irgendwann wird daraus ein altes Bauteil, ein ausgedientes Fahrzeug, eine verbrauchte Batterie oder ein Stück Infrastruktur. Dann entscheidet sich, ob die Materialinnovation tatsächlich ein Fortschritt war – oder ob sie lediglich ein neues Problem geschaffen hat.
Die nächste Generation der Werkstoffentwicklung wird deshalb nicht nur daran gemessen werden, was ein Material während seines Lebens kann, sondern auch daran, was nach seinem Leben mit ihm geschehen kann. Die Maschine hat begonnen, neue Werkstoffe zu erfinden. Jetzt müssen wir ihr beibringen, auch deren Zukunft mitzudenken. Und damit beginnt die vielleicht schwierigere Frage der neuen Materialrevolution: Wie baut man Werkstoffe, die sich am Ende ihres Lebens wieder auseinandernehmen lassen?