Wie die bahnbrechende Grundlagenforschung der Nobelpreisträger den Weg zu Innovationen ebnet, die das Leben der Menschen zum Positiven verändern, zeigt ein Blick in die Chemie-Industrie.
Der Nobelpreis – er gilt als die höchste Ehrung, die Wissenschaftler für die eigene Arbeit erhalten können. Stifter und Namensgeber Alfred Nobel legte in seinem Testament fest, der Preis solle „denen zugeteilt werden, die im verflossenen Jahr der Menschheit den größten Nutzen geleistet haben.“ Verliehen wird er in den Kategorien Physik, Chemie, Physiologie oder Medizin, Literatur und für Friedensbemühungen.
Der Wortlaut des Testaments legt nahe: Wissenschaftliche Brillanz allein reicht nicht aus. Um mit einem Nobelpreis bedacht zu werden, muss die Entdeckung der Forscherinnen und Forscher „den größten Nutzen“ bringen: Sie muss Dinge spürbar ändern und zum Besseren wenden.
Doch wie wird aus Nobelpreis würdiger Spitzenforschung eine echte Innovation, die genau das leistet? Das lässt sich gut anhand der drei Nobelpreise nachvollziehen, die in diesem Jahr in den naturwissenschaftlichen Kategorien verliehenen wurden. Ein Blick auf Evonik zeigt, wie die damit gewürdigten Erkenntnisse heute in der Chemieindustrie genutzt werden.
Physik-Nobelpreis 2024 für die Pioniere des maschinellen Lernens
Den Nobelpreis für Physik erhielten John J. Hopfield und Geoffrey E. Hinton. Das Nobel-Komitee würdigte damit ihre „bahnbrechenden Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen“. Mit ihren Beiträgen ebneten sie bereits in den 1980er Jahren den Weg für den immer breiteren Einsatz von Künstlicher Intelligenz heutzutage.
Verschiedene Arten von Netzwerken
Hopfield Network: Das assoziative Netzwerk von John Hopfield ist so aufgebaut, dass alle Knoten miteinander verbunden sind. Informationen werden in alle Knoten eingespeist und aus allen Knoten ausgelesen.
Boltzmann machine: Geoffrey Hintons Boltzmann-Maschine wird oft in zwei Schichten aufgebaut, wobei Informationen über eine Schicht sichtbarer Knoten eingespeist und ausgelesen werden. Diese sind mit verborgenen Knoten verbunden, die beeinflussen, wie das Netzwerk in seiner Gesamtheit funktioniert.
Restricted Boltzmann: In einer eingeschränkten Boltzmann-Maschine gibt es keine Verbindungen zwischen Knoten in derselben Schicht. Die Maschinen werden häufig in einer Kette verwendet, eine nach der anderen. Nach dem Training der ersten eingeschränkten Boltzmann-Maschine wird der Inhalt der verborgenen Knoten verwendet, um die nächste Maschine zu trainieren, und so weiter.
Hopfield erhielt den Nobelpreis für die Entwicklung des später nach ihm benannten Netzwerks. 1982 stellte er ein einfaches, neuronales Netz vor, das Bilder und andere Muster in Daten speichern und rekonstruieren konnte. Wurde dem Hopfield-Netzwerk ein unvollständiges oder leicht verzerrtes Muster gegeben, konnte es jenes gespeicherte Muster finden, das am ähnlichsten war.
Der zweite Preisträger, der gebürtige Brite Geoffrey Hinton, baute auf den Arbeiten Hopfields auf. Er fragte sich, ob Maschinen Muster ähnlich wie Menschen verarbeiten und eigene Kategorien zur Interpretation von Informationen finden könnten. Er nutzte das Hopfield-Netz und Ideen aus der statistischen Physik, insbesondere die Boltzmann-Gleichung, um seine Methode zu entwickeln. 1985 stellte Hinton die “Boltzmann-Maschine" vor.
Sie lernt durch Beispiele und kann selbstständig Eigenschaften in Daten erkennen, um Aufgaben wie das Identifizieren von Bildelementen zu erfüllen. Laut dem Nobelpreis-Komitee werden solche Maschinen oft in größeren Netzwerken eingesetzt. Heutige künstliche neuronale Netze sind komplex und vielschichtig, was "Deep Learning" ermöglicht, um komplexe Informationen effizient zu verarbeiten.
Damit sind solche KI-gestützten Systeme ein wichtiges Werkzeug, um Forschung zu beschleunigen und vorhandene Daten noch effizienter zu nutzen. Bei Evonik hilft die Data-Science-Plattform AIChemBuddy dabei, vorhandene Daten aus unterschiedlichen Blickwinkeln zu betrachten, zu analysieren und deren volles Potenzial für die Forschung zu erschließen. Zudem lassen sich mithilfe des „Buddys“ virtuelle Experimente durchführen, auf deren Basis die Experten weitere Versuche effizient planen können. Und nicht zuletzt lassen sich damit auch Versuchsreihen optimieren: Anhand der von den Laborleitern eingespeisten Daten und Ziele empfiehlt das Tool die nächsten durchzuführenden Experimente. Dabei passt das Tool seine Vorschläge mit jeder neuen Information Schritt für Schritt an.
KI erklärt die Boltzmann-Gleichung
Künstliche Intelligenz kommt heute in vielen Bereichen zum Einsatz. Hier erklärt etwa das Modell ChatGPT 4o für Nicht-Fachleute, was die Boltzmann-Gleichung besagt:
Die Boltzmann-Gleichung ist ein fundamentales Konzept in der Physik, das hilft zu verstehen, wie sich Gase verhalten. Stell dir ein Gas als eine riesige Menge winziger Teilchen vor, die sich ständig bewegen und miteinander sowie mit den Wänden ihres Behälters kollidieren. Diese Kollisionen sind entscheidend, da sie bestimmen, wie sich die Teilchen verteilen und wie sich das Gas insgesamt verhält.
Die Boltzmann-Gleichung beschreibt mathematisch, wie sich die Verteilung dieser Teilchen im Laufe der Zeit ändert. Sie berücksichtigt die Geschwindigkeit und Richtung der Teilchen sowie die Häufigkeit und Art der Kollisionen. Im Wesentlichen hilft die Gleichung dabei, vorherzusagen, wie sich ein Gas von einem ungleichmäßigen Zustand zu einem gleichmäßigeren Zustand entwickelt, was als thermodynamisches Gleichgewicht bezeichnet wird.
Ein praktisches Beispiel: Wenn du ein Parfüm in einem Raum versprühst, breitet sich der Duft allmählich aus, bis er überall gleichmäßig verteilt ist. Die Boltzmann-Gleichung erklärt diesen Prozess der Verteilung auf mikroskopischer Ebene. Sie ist ein zentrales Werkzeug in der statistischen Mechanik und hilft Wissenschaftlern, das Verhalten von Gasen in verschiedenen Situationen zu modellieren, von der Atmosphäre bis hin zu industriellen Prozessen.
CHEMIE-NOBELPREIS 2024 FÜR PROTEINFORSCHER
Auch beim Nobelpreis für Chemie spielte KI in diesem Jahr eine herausragende Rolle: Die Auszeichnung ging an den US-amerikanischen Biochemiker David Baker sowie das Forscherduo Demis Hassabis und John Jumper, das in Großbritannien arbeitet. Sie alle nutzten KI-Methoden, um besser zu verstehen, wie Proteine funktionieren.
Diese Art von Molekülen fungiert als Hormone, Enzyme, Antikörper und als Bausteine für verschiedene Gewebe. Sie kontrollieren und steuern alle chemischen Reaktionen, und bilden damit nicht weniger als die Grundlage des Lebens. Trotz der großen Zahl von Proteinen und der großen Bandbreite an Funktionen, die sie erfüllen, folgt ihr Aufbau den immer gleichen Regeln. Entscheidend sind die genaue Zahl und Abfolge von 20 unterschiedlichen Bausteinen, den Aminosäuren.
Laut Nobel-Komitee gelang Baker das fast Unmögliche: Er entwickelte eine völlig neue Art von Proteinen. Mit einem eigens entwickelten Computerprogramm begann Baker Ende der 1990er Jahre, neue Proteine zu entwerfen. Möglich ist das, weil die dreidimensionale Form der Proteine in der Abfolge der Aminosäuren festgelegt ist. Das bedeutet: Aus einer vorgegebenen räumlichen Struktur lässt sich ableiten, welche Aminosäuresequenz nötig ist, um diese Form zu erhalten.
Genau das leistete Bakers Computerprogramm „Rosetta“: Indem es Strukturelemente natürlicher Proteine zum Vorbild nahm, konnte es vorschlagen, wie die Aminosäurekette für ein Wunschprotein aussehen müsste. Dank einer immer breiteten Datenbasis und besserer Vorhersage-Algorithmen gelang Baker ab 2003 schließlich sogar die Vorhersage von Proteinstrukturen, die es in der Natur so nicht gibt. Damit öffnete er das Tor zu einer neuen Vielfalt von Proteinstrukturen. Seitdem habe seine Arbeitsgruppe viele weitere Proteine produziert, die unter anderem für Pharmazeutika und Impfstoffe eingesetzt würden, hebt das Nobel-Komitee hervor.
ELEMENTS-Newsletter
Erhalten Sie spannende Einblicke in die Forschung von Evonik und deren gesellschaftliche Relevanz - ganz bequem per E-Mail.
Proteine, die mit Bakers Programm Rosetta entwickelt wurden
Die Entwicklung von 2016 bis heute
Während Baker den Weg von der Proteinstruktur zur Aminosäuresequenz analysierte, nahm das Forscherduo Demis Hassabis und John Jumper, das in diesem Jahr die andere Hälfte des Chemie-Nobelpreises erhielt, genau die andere Perspektive ein: Wie lässt sich aus einer gegebenen Aminosäuresequenz die richtige Proteinstruktur vorhersagen? Für die Lösung dieses Jahrzehnte alten Mysteriums brachten sie ebenfalls KI-Methoden in Stellung. Die beiden Forscher, die für das Unternehmen Google DeepMind arbeiten, stellten 2020 das KI-Modell "AlphaFold2" vor, mit dessen Hilfe sich die Strukturen praktisch aller bisher bekannten 200 Millionen Proteine vorhersagen lassen.
In der chemischen Industrie werden biotechnische Methoden immer wichtiger. Die Biotechnologie kann helfen, industrielle Prozesse effizienter zu machen: Etwa indem mehrere chemische durch einen biotechnologischen Prozessschritt ersetzt werden. Oder indem Mikroben einen Stoff bei vergleichsweise milden Umgebungsbedingungen herstellen, der bisher bei hoher Temperatur und großem Druck chemisch synthetisiert werden musste. Zugleich nutzt das häufig der Umwelt, beispielsweise weil weniger Reststoffe anfallen, der Energieeinsatz sinkt oder nachwachsende Rohstoffe genutzt werden können.
Entscheidend dafür ist, dass die dafür genutzten Biokatalysatoren, also Enzyme oder ganze Zellen, möglichst gut auf ihre jeweilige Aufgabe angepasst werden. Genau dabei helfen Werkzeuge wie Alphafold2.
Evonik setzt biotechnologische Verfahren bei der Produktion von zahlreichen nachhaltigen Produkten ein: Mit Corynebakterien wird im Biolys-Prozess von Evonik aus Zucker die Aminosäure L-Lysin hergestellt, die für eine effiziente Tieraufzucht wichtig ist. In Slovenská Ľupča produziert Evonik in der weltweit ersten Anlage biobasierte Rhamnolipide in industriellem Maßstab. Als Biotenside für Handgeschirrspülmittel bieten sie eine außergewöhnliche Kombination von Reinigungsleistung und Mildheit sowie eine hohe Verträglichkeit mit Haut und Wasserorganismen. Im Projekt Rheticus entwickelt Evonik die künstliche Photosynthese, um über die Elektrolyse mit Hilfe von Bakterien wertvolle Chemikalien aus CO2 und Wasser zu erzeugen.
Nobelpreis für Medizin 2024: Auftritt mikro-RNA
Mit dem Nobelpreis für Physiologie oder Medizin wurden 2024 zwei US-amerikanische Forscher ausgezeichnet. Victor Ambros und Gary Ruvkun haben 1993 zusammen die Molekülklasse der Mikro-RNA entdeckt und ihre Funktion aufgeklärt.
„Ihre bahnbrechende Entdeckung […] offenbarte ein völlig neues Prinzip der Genregulation. Es stellte sich heraus, dass dies für mehrzellige Organismen, einschließlich des Menschen, von wesentlicher Bedeutung ist“, begründet das Nobel-Komitee seine Entscheidung.
Im Kern einer jeden Zelle des menschlichen Körpers liegt die gleiche Erbinformation vor, gespeichert in der DNA. Verschiedene Mechanismen sorgen dafür, dass immer nur die Baupläne verwirklicht werden, die benötigt werden, so dass aus der einen Zelle eine Nervenzelle und aus der anderen zum Beispiel eine Leberzelle wird. Bereits vor den Arbeiten von Ambros und Ruvkun kannten Biologen die sogenannten Transkriptionsfaktoren: Diese kleinen Moleküle setzten sich an bestimmte Abschnitte der DNA und verhinderten, dass sie abgelesen und zu Boten-RNA (mRNA) übersetzt wird. Doch die Transkriptionsfaktoren allein konnten die feine Steuerung der Prozesse nicht erklären.
Ambros und Ruvkun kamen den Mikro-RNAs 1993 bei der Untersuchung der genetischen Steuerung von Fadenwürmern auf die Spur. Zwei Gen-Linien hatten scheinbar entgegengesetzte Auswirkungen auf die Entwicklung des Wurmes. Sie erkannten, dass die eine Linie für eine Mikro-RNA codiert war, die die Produktion des Proteins blockiert, dessen Bauplan auf der zweiten Linie hinterlegt ist.
Auch den genauen Mechanismus konnten die beiden Forscher aufklären: Während Transkriptionsfaktoren direkt im Zellkern wirken, reguliert die Mikro-RNA die Genexpression außerhalb davon im Zellplasma. Dort setzen normalerweise die Proteinfabriken der Zelle, die Ribosomen, die per Boten-RNA übermittelte Bauanleitung in Proteine um. Genau das verhindert die Mikro-RNA: Sie heftet sich an die Boten-RNA und verhindert so, dass Proteine hergestellt werden. Dabei passt die Basenabfolge der Mikro-RNA genau zu dem Abschnitt der Boten-RNA, an den sie sich anlagert.
Anfangs nahm die Forschungswelt an, dass es sich dabei um einen exotischen Mechanismus, handelt der nur in Fadenwürmern eine Rolle spielt. In den darauffolgen Jahren wurde jedoch klar, dass es sich um einen universellen Mechanismus handelt. Heute sind mehrere tausend Mikro-RNAs bekannt.
Noch gibt es kein zugelassenes Medikament, dass die Mikro-RNA als Wirkprinzip nutzt. Es gibt jedoch erste Tests, etwa um Krebs, Herz-Kreislauf- oder Nierenerkrankungen zu behandeln. Klar ist zudem: Um Mikro-RNA-basierte Arzneien oder Impfstoffe ans Ziel zu bringen, braucht es die richtige Verpackung. In der Corona-Krise waren es Lipidnanopartikel, die die lebensrettenden RNA-Vakzine umhüllten. Evonik ist einer der wichtigsten Produzenten dieser Hilfsmittel. Derzeit entsteht in den USA für einen dreistelligen Millionenbetrag ein weiteres Werk, dass solche Lipidnanopartikel herstellen kann. Das Lipid Innovation Center kommt genau zur rechten Zeit, um die Entwicklung der nächsten Generation von RNA-Therapeutika zu unterstützen.
Chemie-Labore - früher und heute
Aus der Forschung in die Anwendung
Diese Beispiele zeigen, wie Nobelpreis-gekrönte Forschung zu praktischen Anwendungen führt, die industrielle Prozesse verbessern, nachhaltige Lösungen fördern und so letztlich den größten Nutzen entfalten. Die Verbindung von Grundlagenforschung und industrieller Anwendung unterstreicht die Bedeutung der Nobelpreise für den Fortschritt in Wissenschaft und Gesellschaft.
Nobelpreisträger in eigenen Reihen
Ein Nobelpreisträger war auch für eine der Vorgängergesellschaften der Evonik
Industries AG tätig: Friedrich Bergius (1884-1949).
Im Jahr 1903 begann mit dem Studium in Breslau die Laufbahn eines der größten deutschen Chemikers des 20. Jahrhunderts. Nach der Promotion 1907 unternahm Friedrich Bergius Studienreisen unter anderem nach Berlin, Hannover und Karlsruhe, wo er mit Fritz Haber zusammentraf, und kam so zu seinem Habilitationsthema „Die Anwendung hoher Drucke bei chemischen Prozessen und eine Nachbildung des Entstehungsprozesses der Steinkohle".
Das war 1912 ein vorausschauendes Thema. Bergius glaubte, einen Weg gefunden zu haben, in Deutschland Steinkohle unter hohem Druck "verflüssigen", also in Benzin umwandeln zu können. Damit hatte er die Auswirkungen der einsetzenden Motorisierung des Autoverkehrs und der Luftfahrt richtig eingeschätzt, doch half dies dem jungen Privatdozenten in Hannover so lange nicht weiter, bis seinem Bahn brechenden Verfahren mittels aufwändiger Praxistests die Umsetzung ermöglicht wurde.
In dieser Situation wurde Karl Goldschmidt, auch dieser motorisierungsbegeistert und im festen Glauben, dass dem Benzin die Zukunft gehören würde, auf Bergius aufmerksam. 1913 ging Bergius nach Essen (heute Werk Essen/Goldschmidtstraße von Evonik Industries), wurde dort 1916 stellvertretendes Vorstandsmitglied der Th. Goldschmidt AG. 1916 begannen Versuche im Werk Mannheim-Rheinau, um die Kohleverflüssigung unter dem Druck des Ersten Weltkrieges rasch zur Serienreife zu bringen.
Der Versuch, ohne langwierige Laborarbeiten gleich den Schritt in die Anwendung zu machen, schlug fehl. Bergius verbrauchte im Rahmen seiner Versuche nicht nur rund fünf Millionen Goldmark, sondern auch das Vertrauen seines Gönners Karl Goldschmidt, so dass 1919 das Arbeitsverhältnis schließlich gelöst wurde. Immerhin zog Goldschmidt später Nutzen aus den von Bergius initiierten Forschungen in der Äthylenchemie, während der Forscher für seine Bahn brechende Idee 1931 den Nobelpreis für Chemie erhielt. Die großtechnische Umsetzung der Kohleverflüssigung gelang erst in den 1920er Jahren dem kapitalkräftigen I.G. Farben-Konzern, zudem begünstigt durch massive Subventionierung des Kohlebenzins durch den nationalsozialistischen Staat.
