Antibiotika: KI filtert zehn neue Wirkstoff-Kandidaten aus 1,7 Mio.
Veröffentlicht am: 22.09.2026 um 19:00 Uhr | Redaktion boerse-global.de
Angesichts zunehmender Antibiotikaresistenzen setzen Forschende verstärkt auf künstliche Intelligenz, um neue Wirkstoffklassen zu identifizieren. Ein Team der Stanford School of Engineering hat einen Ansatz entwickelt, bei dem ein KI-Modell eine Bibliothek von 1,7 Millionen möglichen Polymerstrukturen durchsuchte und daraus zehn Kandidaten für eine neue Antibiotika-Klasse herausfilterte. Die Ergebnisse wurden in der Fachzeitschrift Matter veröffentlicht.
Ausgangspunkt: Antimikrobielle Peptide als Vorbild
Der Stanford-Ansatz orientiert sich an antimikrobiellen Peptiden, körpereigenen Molekülen, die Bakterienmembranen angreifen können. Das KI-Modell wurde zunächst auf Daten zu solchen Peptiden trainiert und anschließend darauf abgerichtet, Vorhersagen für Polymere zu treffen, die ähnliche Mechanismen nachahmen könnten.
Um aus der riesigen Zahl möglicher Strukturen die vielversprechendsten herauszufiltern, nutzten die Forschenden ein unsicherheitsbasiertes Active-Learning-Verfahren: Jene 20 Kandidaten, bei denen das Modell am unsichersten war, wurden gezielt synthetisiert und im Labor getestet. Aus diesem Prozess ging schließlich eine engere Auswahl von zehn Polymeren hervor.
Starke Wirkung im Labor gegen mehrere Bakterienarten
Alle zehn identifizierten Kandidaten zeigten im Labor eine starke antibakterielle Wirkung gegen Escherichia coli (E. coli). Einer der Kandidaten erwies sich zudem als besonders wirksam gegen Biofilme – jene schützenden Schichten, die Bakterien bilden und die viele herkömmliche Antibiotika unwirksam machen.
Nach Angaben der Stanford-Forschenden funktionieren die Polymere über einen physikalischen Mechanismus: Sie schädigen die Bakterienmembran, indem sie diese durchlässig machen (Membranpermeabilisierung).
Dieser Wirkmechanismus zeigte sich demnach auch gegen Staphylococcus aureus wirksam. Insgesamt richteten sich die getesteten Polymere sowohl gegen gramnegative Bakterien wie E. coli, Salmonellen und Cholera-Erreger als auch gegen grampositive Bakterien wie Staphylococcus aureus.
Ein KI-Modell hat aus 1,7 Millionen möglichen Polymerstrukturen zehn Kandidaten für eine neue Antibiotika-Klasse herausgefiltert — alle zehn zeigten im Labor Wirkung gegen E. coli. Wie dieser Prozess Schritt für Schritt abläuft, von der Bibliothek über Active Learning bis zum Labortest, fassen wir in einem kostenlosen Leitfaden zusammen. Leitfaden zur KI-Wirkstoffsuche jetzt anfordern
Vorteile gegenüber natürlichen Peptiden
Ein zentrales Argument der Stanford-Gruppe für den Polymer-Ansatz liegt in der Physik des Wirkmechanismus selbst: Weil die Moleküle Bakterienmembranen auf mechanischem Weg schädigen statt über spezifische biochemische Bindungsstellen, gelten sie als weniger anfällig für die Entwicklung bakterieller Resistenzen als klassische Antibiotika oder auch natürliche Peptide.
Zudem lassen sich die synthetischen Polymere nach Einschätzung der Forschenden günstiger herstellen als natürliche antimikrobielle Peptide, was für eine mögliche spätere Anwendung von Bedeutung wäre.
Noch keine klinische Erprobung
Trotz der vielversprechenden Laborergebnisse betonen die Forschenden, dass es sich bislang ausschließlich um einen Machbarkeitsnachweis handelt. Eine klinische Wirksamkeit oder Sicherheit bei Menschen ist damit nicht belegt – die zehn Kandidaten wurden bislang nur im Labor gegen Bakterienkulturen getestet, nicht in klinischen Studien.
Antibiotikaresistenzen machen etablierte Wirkstoffe zunehmend unwirksam — und die klassische Wirkstoffsuche dauert Jahre. Der Polymer-Ansatz setzt auf einen physikalischen Mechanismus statt spezifischer Bindungsstellen, was ihn laut den Forschenden schwerer angreifbar für Resistenzen macht. Was hinter diesem Prinzip steckt und welche Schritte bis zum Kandidaten nötig sind, erklärt unser kostenloser Leitfaden. Polymer-Antibiotika-Prinzip jetzt verstehen
Studie und Beteiligte
Die Studie mit Erstautorin Shoshana Williams und Leiter Eric A. Appel erschien in der Fachzeitschrift Matter (DOI: 10.1016/j.matt.2026.103026). Der Ansatz, KI-Modelle zur systematischen Durchsuchung riesiger Molekülbibliotheken einzusetzen, gilt in der Forschung als ein Weg, die Suche nach neuen Wirkstoffklassen gegen resistente Bakterien zu beschleunigen – auch wenn bis zu einer möglichen medizinischen Anwendung noch erhebliche Forschungsschritte nötig wären.
