NAWI - KI aktuell 🚀

Kurz kuratierte Hinweise zu aktuellen Entwicklungen mit Schwerpunkt Chemie, Molekularbiologie, neuen Werkzeugen und schulischer Relevanz.

Forschung & AnwendungTools & PraxisSchule & DidaktikKurzfazit

Frühjahr 2026 — Durchbruch in der orbitalfreien Quantenchemie

Forschende der Universität Heidelberg haben durch Maschinelles Lernen ein seit Jahrzehnten offenes Problem gelöst: die exakte und stabile Berechnung von Molekülenergien und Elektronendichten in einem orbitalfreien Ansatz.

Diese Entwicklung beschleunigt quantenchemische Berechnungen massiv. Für den Unterricht und die Forschung bedeutet das: Was früher Supercomputer wochenlang blockierte, wird zunehmend ressourcenschonend berechenbar. Es zeigt eindrucksvoll, wie KI nicht nur Muster erkennt, sondern fundamentale physikochemische Modelle effizienter macht.

Frühjahr 2026 — ChemBench: KI im fachlichen Realitätscheck

Eine umfangreiche Arbeit der Universität Jena ("ChemBench") hat KI-Modelle mit über 2.700 anspruchsvollen Aufgaben der modernen Chemie getestet. Das Ergebnis: KI ist in vielen Bereichen nicht mehr nur Hilfsmittel, sondern konkurriert auf dem Niveau von Fachleuten.

Besonders spannend für die Sekundarstufe II: Der Fokus der Chemie verschiebt sich spürbar von der reinen Vorhersage hin zum gezielten Molekül- und Reaktionsdesign. KI-Modelle wie TopEC können mittlerweile aus der Enzymstruktur direkt auf mögliche chemische Reaktionen schließen – ein Meilenstein für die Biokatalyse und synthetische Biologie.

Frühjahr 2026 — Automatisierte Labore (Self-Driving Labs)

KI wird zunehmend mit automatisierten Laboren gekoppelt. Methoden wie Active Learning und Bayessche Optimierung reduzieren nicht nur den Rechenaufwand, sondern steuern experimentelle Reihenfolgen, Parameterwahl und Prioritäten völlig eigenständig.

Die KI übernimmt den klassischen Labor-Workflow: Sie schlägt Strukturmotive vor, bewertet die Reaktionsfähigkeit und wählt nur die vielversprechendsten Kandidaten für den Syntheseroboter aus. Das senkt Kosten, spart Zeit und ersetzt den klassischen "Trial-and-Error"-Ansatz. Ein starker Diskussionspunkt für die Schule: Wie verändert sich das Berufsbild von ChemikerInnen?

17.03.2026 — AlphaFold-Datenbank jetzt auch mit Proteinpaaren

Die AlphaFold-Datenbank umfasst inzwischen nicht nur Einzelproteine, sondern auch Homodimere. Damit wird KI für Biochemie und Molekularbiologie deutlich biologisch relevanter.

Bisher stand meist die Struktur einzelner Proteine im Mittelpunkt. Mit der Erweiterung auf Proteinpaarungen rückt jetzt stärker in den Fokus, wie Proteine zusammenwirken (Rezeptorbindung, Signalübertragung). Das belegt, dass KI zunehmend biologisch funktionelle Zusammenhänge erschließt.

29.01.2026 — KI hilft bei der Planung neuer chemischer Synthesen

Ein Nature-Bericht zeigt ein KI-System mit chemischer Fachlogik, das zur Synthese 35 neuer Verbindungen beigetragen hat. KI wird damit in der Chemie zunehmend zu einem Werkzeug für echte Forschungsplanung.

Für den Chemieunterricht ist das ein starker Perspektivwechsel: KI ist nicht nur ein Textwerkzeug, sondern kann Reaktionswissen, Synthesestrategie und Planung unterstützen. Das zeigt, dass KI in der Chemie materiell wirksam wird.

Der Siegeszug der Multimodalität

Modelle wie ChatGPT-4o oder Gemini Advanced sind zu echten Experten der Bildanalyse gereift.

Praxis-Anwendung: Spektren und Diagramme

Während frühere KIs bei komplexen Abbildungen oft rieten, können die aktuellen Modelle nun Titrationskurven, Phasendiagramme oder Spektren aus alten Lehrbüchern präzise auslesen und in skalierbare Vektorgrafiken (SVG) oder Excel-Wertetabellen übersetzen.

"Single-File-Coding" als neuer Standard

Funktionen wie "Artifacts" revolutionieren die Erstellung von Lehrmaterial. Die KI generiert nicht mehr nur passiven Code, sondern liefert direkt im Browser voll funktionsfähige, interaktive HTML-Simulationen.

Mehrwert für den Unterricht

Lehrkräfte ohne Programmierkenntnisse können maßgeschneiderte, interaktive Apps (wie den Gleichungstrainer) für ihre Klassen prompten. Da diese Apps lokal im Browser laufen, ist zudem maximaler Datenschutz gewährleistet.

NotebookLM: Sicherer Hafen für Fachtexte

Google NotebookLM hat sich als eines der sichersten Tools für den Unterricht etabliert, da es ausschließlich auf hochgeladenen Dokumenten (Skripte, Sicherheitsdatenblätter) basiert. "Halluzinationen" von chemischen Fakten sind damit praktisch ausgeschlossen.

Audio-Overviews (Podcast-Funktion)

Eine faszinierende Funktion ist die Möglichkeit, aus trockenen Fachtexten auf Knopfdruck einen dynamischen, KI-generierten Audio-Dialog erstellen zu lassen – ein hervorragendes Mittel zur Binnendifferenzierung.

Frühjahr 2026 — KI-Offloading und die "Illusion des Lernens"

Die Debatte, ob KI im Unterricht schlichtweg erlaubt oder verboten werden sollte, verfehlt das Ziel [cite: 11]. Die entscheidende Frage ist, wie und wo im Lernprozess KI platziert wird [cite: 11, 503]. Werden kognitive Anstrengungen vollständig an die KI ausgelagert ("Cognitive Offloading" [cite: 449]), riskieren Lernende eine gefährliche "Illusion des Lernens" [cite: 56], die bei ungestützten Aufgaben unweigerlich zusammenbricht [cite: 52, 56, 455].

Fähigkeiten vs. Grundintelligenz KI wird uns voraussichtlich nicht die kognitiven Grundfähigkeiten rauben [cite: 459, 477, 479], führt aber bei vollständigem Auslagern von Übungen zum Verfall spezifischer Kompetenzen (Skill Decay) [cite: 457, 461, 469, 470].

Das 6-Schritte-Modell des Lernens & der KI-Einsatz Um diesen Verfall zu verhindern, muss KI gezielt und wohlüberlegt in den sechs Phasen des Lernens eingesetzt werden [cite: 84, 671]: * ⛔ KI-Freie Zonen: Die Phasen Probe (erster eigener Lösungsversuch ohne Hilfe [cite: 88, 675]) und Test (ungestützte Leistungsüberprüfung [cite: 152, 739]) müssen KI-frei bleiben [cite: 85, 672]. Das Scheitern und Suchen ist hier der eigentliche Lernbeginn [cite: 89, 90, 676, 677]. * 🟡 Zonen für geführte KI: In Phasen wie Prime (Vorwissen wecken [cite: 86, 190]), Point (sokratische Hinweise [cite: 92, 191]), Attach (Lösungsbeispiel zur rechten Zeit [cite: 95, 194]) und Strengthen (skalierte Übung & Feedback [cite: 98, 200]) kann KI effektiv unterstützen, solange sie niemals die fertige Lösung liefert [cite: 172, 191, 512, 513].

Die universelle Leitregel für den Unterricht:

"Wenn der Einsatz von KI dazu führt, dass sich eine Aufgabe mühelos anfühlt, ist sie an der falschen Stelle platziert." [cite: 165, 752]

Mühelosigkeit ist ein Warnsignal [cite: 166, 753]. Bleiben die Lernenden durch interaktive Nutzung (z. B. als sokratischer Tutor) gezwungen, kognitiv mitzuarbeiten ("in the cognitive loop"), können die Risiken minimiert und der Kompetenzerwerb maßgeblich gefördert werden [cite: 524, 1111].

(Basierend auf: Brcic & Frljic, 2026, "The Effortless Trap" [cite: 2, 3, 5, 6] & Cash et al., 2026, "Is AI making us stupid?" [cite: 437, 440, 442])

Frühjahr 2026 — KI-Textzusammenfasser: Produktivitäts-Booster oder Lernfalle?

Generative KI-Tools, die lange Fachtexte auf Knopfdruck zusammenfassen, erfreuen sich enormer Beliebtheit. Ein aktueller Weckruf von Corbin & Walton (2025) warnt jedoch vor den tiefgreifenden Folgen dieses Werkzeugs beim Lesen und fordert eine kritische Auseinandersetzung mit dem Verlust der eigenständigen Textarbeit.

Das trügerische Versprechen: Tools wie ChatGPT oder dedizierte PDF-Reader versprechen, stundenlanges Lesen überflüssig zu machen. Es werden leicht verdauliche Zusammenfassungen generiert, für die kein Vorwissen mehr nötig ist.

Eingriff in den Lernprozess: Das Lesen komplexer Primärtexte ist nicht nur reiner Informationskonsum, sondern das Fundament für kritisches Denken und das Verstehen wissenschaftlicher Methodik. Nimmt die KI diese Hürden weg, entfällt das wichtige Scaffolded Learning (das schrittweise Erarbeiten von Komplexität).

Fazit für die Schule: Dies ist ein exzellentes Praxisbeispiel für die Mühelosigkeits-Falle. Wenn eine KI den Text zusammenfasst, lagert der Lernende den entscheidenden kognitiven Schritt – das Bewerten und Strukturieren – vollständig an die Maschine aus. Solche Tools sollten daher erst nach der eigenen Auseinandersetzung mit dem Originaltext als Abgleich genutzt werden.

19.01.2026 — OECD: Generative KI wirkt nur mit klarer didaktischer Führung

Der OECD Digital Education Outlook 2026 betont, dass generative KI im Lernen dann nützlich wird, wenn sie didaktisch geführt und strukturiert eingesetzt wird. Freies „Herumprobieren“ reicht nicht.

Das stützt sehr deutlich einen Ansatz wie diesen Onlinekurs: KI sollte in klaren fachlichen Workflows eingebettet sein. Für Chemie und Biologie heißt das: strukturierte Aufgaben, erkennbare Modelle, fachliche Reflexion und kritische Auswertung.

2026 — UNESCO: Lehrkräfte brauchen definierte KI-Kompetenzen

UNESCO beschreibt im AI Competency Framework for Teachers 15 KI-Kompetenzen in fünf Bereichen (Grundlagenwissen, Pädagogik, Ethik, etc.).

Lehrkräfte sollen KI nicht nur bedienen können, sondern auch fachlich einbetten, kritisch bewerten und verantwortungsvoll einsetzen.

2025/2026 — Chemiedidaktik & KI-Ethik im Fokus

Aktuelle Übersichten zeigen, dass KI in der Science Education zunehmend systematisch als Thema von AI literacy, Differenzierung und Fachlernen betrachtet wird.

"Der Computer oder andere digitale Medien sollen und dürfen das reale Experiment nicht ersetzen. KI ist unser Assistent bei der Vorbereitung und Auswertung, nicht der Ersatz für das naturwissenschaftliche Begreifen." — E. Kerzendorfer

Der Fokus verlagert sich vom "Finden der Antwort" hin zum kritischen Beurteilen der KI-Ergebnisse. Geführte Workflows und ständige Reflexion entsprechen exakt dem, was in der aktuellen Literatur gefordert wird.

Zusammenfassend verändert KI die Naturwissenschaften gerade in drei zentralen Rollen:

Als Prädiktor: KI macht Unsichtbares sichtbar (z. B. Proteinstrukturen, Molekülenergien, Rezeptorbindung).
Als Optimierer: KI steuert Versuchsplanungen in automatisierten Laboren und wertet komplexe Messdaten rasant aus.
Als Entwurfssystem: KI geht vom Vorhersagen zum aktiven Design über (neue Verbindungen, maßgeschneiderte Enzyme, zielgerichtete Medikamente).

Didaktische Quintessenz

Für den Unterricht ist KI vor allem dann sinnvoll, wenn sie fachlich geführt wird. Die besten Resultate entstehen aus der Kombination von chemischem Domänenwissen und KI-gestützter Optimierung, anstatt sich auf einen reinen „Black-Box“-Ansatz zu verlassen. Die wissenschaftliche Validierung (das reale Experiment) bleibt unverzichtbar.