KI in der DNA- und Genforschung: Chancen und Grenzen

Wie künstliche Intelligenz die Genom-Analyse beschleunigt — und welche Datenschutz- und Ethikfragen das aufwirft.

Künstliche Intelligenz hat die Genforschung in wenigen Jahren spürbar verändert. Das menschliche Erbgut umfasst rund 3,1 Milliarden Basenpaare — eine Datenmenge, die sich nicht mehr von Hand durchsehen lässt. Mustererkennung ist genau die Aufgabe, in der maschinelles Lernen stark ist.

Wo KI heute tatsächlich hilft

• Auswertung von Sequenzierdaten — Rohdaten aus dem Sequenzer enthalten Lesefehler. Modelle unterscheiden echte Varianten von Artefakten inzwischen zuverlässiger als ältere, regelbasierte Verfahren.
• Einordnung von Varianten — Die schwierigste Frage ist selten „welche Variante", sondern „bedeutet sie etwas". Modelle schätzen anhand von Millionen bekannter Fälle ab, ob eine Veränderung vermutlich harmlos ist.
• Bildgestützte Diagnostik — In der Pathologie werden Gewebeschnitte automatisiert vorsortiert, etwa zur Krebsfrüherkennung.
• Proteinstrukturen — AlphaFold von DeepMind sagt seit 2020 die räumliche Faltung von Proteinen aus ihrer Aminosäuresequenz vorher — ein Problem, an dem die Forschung Jahrzehnte gearbeitet hatte. 2024 ging dafür ein Teil des Chemie-Nobelpreises an das Team.

Was das für kommerzielle DNA-Tests bedeutet

Für Verbrauchertests ist der Effekt kleiner, als die Schlagzeilen vermuten lassen. Herkunftsschätzungen werden nicht dadurch besser, dass ein größeres Modell rechnet, sondern dadurch, dass mehr und besser dokumentierte Referenzpersonen in der Datenbank stehen. Rechenleistung ersetzt keine Vergleichsdaten.

Spürbar ist der Fortschritt dort, wo aus Rohdaten verständliche Berichte werden, und bei der Zuordnung genetischer Verwandter in sehr großen Nutzerdatenbanken. Beides ist Komfort und Auswertungsqualität — nicht mehr biologische Sicherheit.

Die Kehrseite: Daten, die man nicht zurücknehmen kann

Modelle brauchen Trainingsdaten, und genetische Daten sind besonders heikel. Ein Passwort lässt sich ändern, deine DNA nicht. Sie ist eindeutig, lebenslang gültig und verrät zugleich etwas über Verwandte, die nie eingewilligt haben.

Kommt hinzu: Werden Modelle überwiegend mit Daten europäischstämmiger Bevölkerungsgruppen trainiert — was für viele genetische Datensätze zutrifft —, sind ihre Aussagen für andere Gruppen weniger belastbar. Das ist kein Randproblem, sondern eine bekannte Schwäche polygener Risikoscores.

Praktisch heißt das: Prüfe vor einer Bestellung, ob deine Daten für Forschungszwecke verwendet werden, ob das voreingestellt ist und ob du es widerrufen kannst.

Was KI nicht leistet

Ein Modell kann nur Muster wiedergeben, die in seinen Trainingsdaten stecken. Für die Genetik heißt das: Fehlt eine Bevölkerungsgruppe in den Referenzdaten, wird sie durch kein noch so großes Modell besser abgebildet — die Lücke wird nur souveräner formuliert. Das ist der Kern der Kritik an polygenen Risikoscores.

Ebenso wenig kann ein Modell Kausalität aus Korrelation machen. Dass eine Variante bei Erkrankten häufiger vorkommt, heißt nicht, dass sie die Erkrankung verursacht. Und schließlich bleibt die Bewertung eines Befundes eine medizinische Entscheidung mit Folgen für einen konkreten Menschen — dafür ist eine Wahrscheinlichkeitsangabe die Eingabe, nicht die Antwort.

Wie groß der Sprung bei Proteinstrukturen war

Ein Beispiel für den realen Nutzen: Vor AlphaFold war die experimentelle Aufklärung einer einzigen Proteinstruktur oft eine Doktorarbeit. Die zugehörige öffentliche Datenbank enthält inzwischen Strukturvorhersagen für über 200 Millionen Proteine — praktisch für jedes bekannte Protein. Das beschleunigt Grundlagenforschung und Wirkstoffsuche erheblich.

Für dich als Käufer:in eines Herkunfts- oder Gesundheitstests ändert das allerdings wenig. Der Engpass dort ist nicht die Rechenleistung, sondern die Vergleichsdatenbank.

Regeln, die es schon gibt

In Deutschland setzt das Gendiagnostikgesetz Grenzen: Prädiktive genetische Untersuchungen zu medizinischen Zwecken dürfen nur ärztlich veranlasst werden und erfordern eine genetische Beratung — unabhängig davon, wie gut das auswertende Modell ist. Die EU-KI-Verordnung ergänzt Anforderungen an Transparenz und Risikobewertung für Hochrisiko-Anwendungen.

Wie wir den Umgang der Anbieter mit deinen Daten bewerten, steht unter So bewerten wir.

Häufige Fragen