KI gegen Superkeime: Neue Antibiotika im Wettlauf

Die seit Langem bewährten Antibiotika verlieren zunehmend ihre Wirkung, während Forschende mithilfe von KI einen grundlegenden neuen Ansatz gegen Superkeime verfolgen.

Seit nahezu einem Jahrhundert bildet Antibiotika-Therapie eine tragende Säule der modernen Medizin. Doch dieses einstige Wundermittel wird immer weniger wirksam: Zunehmend viele Bakterien sprechen nicht mehr darauf an, und manche Infektionen sind kaum noch behandelbar. Nun steht ein neuer Unterstützer im Mittelpunkt der Forschung – künstliche Intelligenz, die Milliarden Datenpunkte weit schneller auswerten kann, als Labore sie jemals experimentell prüfen könnten.

Wie wir unsere wichtigste Waffe gegen Bakterien geschwächt haben

Als Alexander Fleming 1928 die Wirkung von Penicillin entdeckte, begann eine medizinische Zeitenwende. Lungenentzündungen, Blutvergiftungen und Wundinfektionen, an denen zuvor sehr viele Menschen starben, wurden plötzlich heilbar. Antibiotika kamen breit zum Einsatz – in der Humanmedizin, in der Tierhaltung und teilweise sogar vorsorglich.

Gerade dieser umfassende Einsatz hat jedoch die problematische Seite verstärkt. Bakterien vermehren sich schnell, und mit jeder Generation entstehen zufällige Mutationen. Treffen Antibiotika auf solche Populationen, werden empfindliche Erreger abgetötet. Die wenigen zufällig widerstandsfähigen Bakterien überleben dagegen, vermehren sich und vererben ihre Schutzmechanismen. Auf diese Weise entwickeln sich schrittweise Krankheitserreger, die selbst hoch dosierte Therapien überstehen.

Die Menschheit hat jahrzehntelang Antibiotika verbraucht wie ein Allzweckreiniger – nun schlägt die Evolution zurück.

In Kliniken rund um den Globus beobachten Ärztinnen und Ärzte heute sogenannte Superkeime: Bakterien, die gegen mehrere Wirkstoffklassen zugleich resistent sind. Einige Infektionen lassen sich nur noch mit giftigen Reserveantibiotika behandeln – manche überhaupt nicht mehr.

Eine stille Pandemie: Millionen Todesfälle durch resistente Erreger

Nach Schätzungen sterben aktuell jährlich etwa 1,1 Millionen Menschen an Infektionen, bei denen verfügbare Antibiotika nicht mehr wirken. Falls sich der bisherige Kurs nicht ändert, könnten bis 2050 jedes Jahr bis zu acht Millionen Menschen sterben – mehr als durch sämtliche Krebsarten zusammen.

Zwei besonders problematische Erreger stehen häufig im Zentrum der Forschung:

• Neisseria gonorrhoeae: Das Bakterium verursacht Tripper und weist bereits Resistenzen gegen fast alle Standardbehandlungen auf.
• Staphylococcus aureus: Normalerweise ist es ein harmloser Bewohner der Haut, doch bestimmte Stämme sind gegen Methicillin resistent und können schwere Blutvergiftungen sowie Lungenentzündungen verursachen.

Diese beiden Bakterien sind lediglich die sichtbare Spitze eines viel größeren Problems. Dutzende weitere Arten entwickeln sich in dieselbe Richtung. Resistenzen nehmen schneller zu, als neue Medikamente in unseren Arzneimittelschrank gelangen. Viele etablierte Wirkstoffklassen ähneln mittlerweile einer löchrigen Ritterrüstung, deren Schwachstellen die Keime immer besser ausnutzen.

Warum nur wenige neue Antibiotika zugelassen werden

Von 2017 bis 2022 wurden weltweit lediglich zwölf neue Antibiotika zugelassen. Bei den meisten handelt es sich um Abwandlungen bekannter Wirkstofffamilien, gegen die Bakterien zum Teil bereits Abwehrstrategien entwickelt haben. Wirklich neuartige Substanzen bleiben die Ausnahme.

Dafür gibt es mehrere Ursachen:

• Extrem hohe Kosten: Die Entwicklung eines neuen Antibiotikums kostet Milliarden und nimmt häufig mehr als zehn Jahre in Anspruch.
• Begrenzte Anwendung: Je wirksamer ein neues Medikament ist, desto vorsichtiger wird es von Ärztinnen und Ärzten eingesetzt, um Resistenzen möglichst lange hinauszuzögern – und das verringert die Einnahmen.
• Strenge Vorschriften: Klinische Studien in der Infektionsmedizin sind kompliziert, ethisch sensibel und stark reguliert.

Für viele Pharmakonzerne lohnt sich dieses Geschäftsfeld daher kaum noch. Stattdessen lenken sie ihre Investitionen in profitablere Bereiche wie Krebs oder seltene Erkrankungen. Während die Bedrohung wächst, versiegt die Pipeline für neue Wirkstoffe deshalb allmählich.

KI als Wegbereiter: Neue Medikamente im Zeitraffer finden

Genau an diesem Punkt setzt die Forschung mit KI an. Wenn herkömmliche Laborverfahren zu langsam und kostspielig sind, sollen lernende Algorithmen die Suche nach neuen Substanzen deutlich beschleunigen.

Ein bekanntes Beispiel stammt von einem Team des Massachusetts Institute of Technology unter Leitung des Biomediziners James Collins. Die Forschenden trainierten ein Modell mit nahezu allem Wissen, das die Pharmakologie in den vergangenen hundert Jahren über Antibiotika gesammelt hat: chemische Strukturen, Wirkmechanismen, giftige Nebenwirkungen sowie Eigenschaften bakterieller Zellwände und Proteine.

Die AI lernt, in der Geometrie einer Molekülstruktur das Muster eines potenziellen Antibiotikums zu erkennen – ähnlich wie ein Gesichtserkennungsprogramm Muster in Bildern findet.

Auf dieser Grundlage wertete das System virtuelle Molekülbibliotheken aus. Statt jede einzelne Substanz im Reagenzglas zu untersuchen, simuliert der Algorithmus ihre Wechselwirkung mit Bakterien, schätzt die Erfolgsaussichten ein und filtert die vielversprechendsten Kandidaten heraus.

45 Millionen Strukturen und 36 Millionen neue Kandidaten

In einem Durchgang untersuchte das Modell ungefähr 45 Millionen bekannte chemische Strukturen. Aus besonders vielversprechenden Mustern generierte es anschließend 36 Millionen neue Verbindungen, die zuvor noch nie synthetisiert worden waren – vollständig rechnerisch und ohne einen einzigen Pipettiervorgang.

Aus dieser Menge wählten die Forschenden eine realistisch umsetzbare Anzahl von Kandidaten aus, stellten sie im Labor her und prüften sie gegen echte Bakterienstämme. Schließlich blieben zwei Substanzen übrig, die gegen resistente Erreger tatsächlich hochwirksam waren und vollkommen neue Angriffspunkte nutzten.

Zwei Treffer unter 36 Millionen neu erzeugten Strukturen mögen zunächst enttäuschend erscheinen. In der Arzneimittelentwicklung gilt ein solches Ergebnis jedoch bereits als Erfolg. Viele klassische Programme dauern Jahre und enden, ohne dass auch nur ein Wirkstoff die präklinische Phase erreicht.

AlphaFold, AMR-AI und weitere KI-Systeme gegen die Krise

Der Ansatz des MIT ist nur ein Bestandteil der Entwicklung. Weltweit arbeiten weitere Teams parallel mit KI-Systemen, die für die Antibiotika-Forschung entscheidend werden könnten.

KI-Werkzeug	Hauptaufgabe
AlphaFold	Berechnet die 3D-Struktur von Proteinen, um Angriffspunkte in Bakterien besser zu verstehen.
AMR-AI-Modelle	Prognostizieren, wie sich Resistenzen ausbreiten könnten und welche Mutationen wahrscheinlich auftreten.
Screening-Algorithmen	Suchen große Chemiebibliotheken nach unbekannten Substanzen mit antibakteriellem Potenzial ab.

Die besondere Stärke dieser Systeme liegt in der Verbindung von Geschwindigkeit und Mustererkennung. KI verdichtet jahrzehntelanges Laborwissen zu Rechenmodellen und kann Zusammenhänge sichtbar machen, die selbst versierten Forschenden entgehen würden. Labore werden entlastet, weil nur die erfolgversprechendsten Kandidaten für aufwendige Untersuchungen ausgewählt werden.

Was KI leisten kann – und wo ihre Grenzen liegen

Trotz dieser Fortschritte steht fest: KI allein wird die Resistenzkrise nicht beenden. Jede neue Substanz kann früher oder später durch evolutionäre Anpassungen der Bakterien erneut unwirksam werden. Ohne einen veränderten Umgang mit Antibiotika dreht sich das Hamsterrad weiter.

Damit die neuen Werkzeuge ihre Wirkung entfalten, sind zugleich nötig:

• strengere Vorgaben für die Anwendung in Humanmedizin und Tierhaltung,
• bessere Hygienestandards in Kliniken,
• schnellere Diagnostik, damit Ärztinnen und Ärzte gezielter behandeln können,
• finanzielle Anreize für Unternehmen, in risikoreiche Antibiotika-Projekte zu investieren.

KI verändert den Ausgangspunkt dieses Wettlaufs: Anstatt Jahre darauf zu verwenden, überhaupt einen möglichen Kandidaten zu identifizieren, können Forschende innerhalb weniger Tage Listen potenzieller Wirkstoffe erstellen und sofort mit der detaillierten Prüfung beginnen.

Was Patientinnen und Patienten schon heute merken – und was folgt

Im Alltag von Patientinnen und Patienten taucht der Begriff KI in diesem Zusammenhang bislang kaum auf. Die meisten Anwendungen bleiben im Hintergrund, etwa in Forschungslaboren, Kliniken und bioinformatischen Abteilungen an Universitäten. Langfristig könnten die Auswirkungen dennoch deutlich spürbar werden.

Möglich wären beispielsweise:

• Therapien, die wesentlich genauer auf den jeweiligen Erreger abgestimmt sind,
• kürzere Behandlungszeiten durch besser ausgewählte Wirkstoffe,
• neue Arzneimittel gegen Infektionen, für die bisher kaum wirksame Behandlungen existierten.

Gleichzeitig steigt die Verantwortung beim Einsatz dieser Technologien. Falsch trainierte Modelle oder unvollständige Datensätze können zu gefährlichen Fehlbewertungen führen. Strenge Qualitätsprüfungen und transparente Datenbestände sind deshalb unverzichtbar.

Wer den Begriff Antibiotikaresistenz bislang vor allem aus Fachartikeln kannte, wird ihm künftig wohl häufiger in den allgemeinen Nachrichten begegnen. Superkeime betreffen nicht ausschließlich Intensivstationen in fernen Ländern, sondern auch Standardoperationen, Lungenentzündungen und scheinbar harmlose Harnwegsinfektionen in europäischen Kliniken. KI verschafft der Medizin in diesem Wettlauf einen dringend erforderlichen Vorsprung – den übrigen Beitrag müssen Politik, Gesundheitswesen und ein verantwortungsvoller Umgang jedes Einzelnen mit Antibiotika leisten.