Matteo Manica, Mathematiker: „KI verleiht uns Superkräfte; es liegt an uns, zu entscheiden, wie wir sie einsetzen.“

Man sagt, die Mathematik sei die Dienerin und Magd aller Disziplinen. Und das stimmt. Es gibt keine Wissenschaft, die ohne sie auskommt. Mathematik ist eine wunderbare Disziplin und kann die Welt verändern, doch allein, ohne die anderen Disziplinen, läuft sie Gefahr, abstrakt zu sein. Mit künstlicher Intelligenz beispielsweise kann sie auf wissenschaftliche Entdeckungen und industrielle Probleme angewendet werden. Genau das mache ich.

Matteo Manica liebt sein Fach, die Mathematik. Hauptsache, es ist angewandt. Er ist Senior Research Scientist bei IBM Research in Zürich, einem Geheimtipp im Herzen Europas, wo Nobelpreisträger und Turing-Preisträger arbeiten. Die fortschrittlichsten Technologien entstehen, von künstlicher Intelligenz bis hin zum Quantencomputing.

Manica erstellt KI-Modelle zur Verbesserung industrieller Prozesse, von der Erzeugung neuer, nachhaltigerer Materialien bis hin zur Modellierung neuer chemischer Formulierungen.

Er studierte mathematisches Ingenieurwesen am Polytechnikum Mailand und arbeitete von Anfang an an der Schnittstelle zwischen Theorie und Anwendung. „Mathematik ist eine notwendige Voraussetzung. Sie hält alle Disziplinen zusammen, aber allein reicht sie nicht aus. Wir brauchen andere Werkzeuge, andere Sprachen, um sie zu verstehen.“

Bei IBM Research in Zürich schufen Manica und sein Team 2020 etwas noch nie Dagewesenes: ein Chemielabor, das vollständig von künstlicher Intelligenz gesteuert wird. Sie trainierten natürliche Sprachmodelle – wie ChatGPT, Claude, Granite und andere – mit Millionen von Patenten aus der organischen Chemie und bauten so ein System, das selbstständig neue Moleküle erzeugen kann.

Das funktioniert so: Man zeichnet ein Molekül auf einen Bildschirm, und spezielle Sprachmodelle erklären, wie man es aufbaut, welche Reagenzien man verwendet und welche Schritte man befolgt. Anschließend wird das Verfahren an einen Roboter übertragen. Und dieser Roboter führt es tatsächlich aus. Keine handgeschriebenen Formeln, keine Gleichungen. Nur ein Modell, das die Sprache der Chemie lesen und schreiben kann. Wir behandeln Moleküle als Sequenzen. Es ist, als würde das Modell einen Satz von einer Sprache in eine andere übersetzen: vom Endprodukt bis zu den Ausgangsstoffen.

Heute entwickelt Manica Modelle für die Herstellung nachhaltigerer Produkte. „Wir haben mit großen Unternehmen zusammengearbeitet und arbeiten weiterhin mit ihnen zusammen, um Technologien zu entwickeln, die die Entwicklung nachhaltigerer Materialien und Prozesse unterstützen: Lebensmittelverpackungen, chemische Formulierungen und die Modellierung des Batterielebenszyklus zur Verbesserung von Haltbarkeit und Effizienz.“

Der 37-Jährige aus Novara studierte Naturwissenschaften an der High School und entschied sich dann für ein Hauptfach. „Ich war hin- und hergerissen zwischen Philosophie, Mathematik und Medizin, weil meine Eltern Ärzte sind, weshalb ich die Prüfung ablegte. Auf Anraten eines Professors entschied ich mich dann für mathematisches Ingenieurwesen am Polytechnikum Mailand.“ Drei Jahre lang arbeitete er bei einem Spin-off an numerischen Systemsimulationen. „Ich arbeitete an Modellen für die Vulkanologie, für Druckprozesse und für den Blutfluss in Arterien.“ Anschließend kehrte er zur Schule zurück. Er promovierte an der ETH Zürich, gefördert von IBM. „Ich beschäftigte mich mit ähnlichen Themen wie heute, aber eher im Bereich Biologie oder Computerbiologie.“ Dort begann er, statistische und maschinelle Lernmodelle für datenintensive Kontexte zu verwenden. „Wir haben diese Modelle, die typischerweise in Bereichen Anwendung finden, in denen viele leicht verfügbare Daten vorliegen, auf Kontexte wie biologische angewendet, in denen in der Anfangsphase keine gebrauchsfertigen Daten vorliegen. Die Wirkung ist unglaublich: Sie können sehr komplexe Systeme beschreiben, ohne dass unbedingt Regeln oder Gleichungen angewendet werden müssen.“

Für einen Mathematiker wie ihn, der es gewohnt war, Modelle aus Formeln zu konstruieren, war dies ein Wendepunkt. „Da ich Mathematik studiert habe, habe ich immer Modelle aus Gleichungen erstellt.“ Doch dann begann er, seine Perspektive zu ändern. „Wir haben uns von der altmodischen, fast newtonschen Herangehensweise an die Wissenschaft zu einem stärker datengetriebenen Ansatz entwickelt.“

Zur Erklärung verwendet er ein einfaches Beispiel: „Der Fall eines schweren Gegenstandes. Man sieht ihn fallen und an einem bestimmten Punkt sagt man: Es scheint eine Konstante zu geben, nämlich die Beschleunigung, und diese hängt von der Masse ab. Also erstellt man sein eigenes kleines System, das besagt: Die aufgebrachte Kraft sollte eine Konstante sein, g, multipliziert mit einer Variablen: der Masse.“

Solange das System einfach ist, funktioniert es. Sobald die Komplexität jedoch zunimmt, ändert sich das Paradigma, und man kann nicht alles modellieren.

Daher der Wandel: „Wir sind von einem deterministischen Ansatz, bei dem man davon ausgeht, alles zu wissen, zu einem System übergegangen, bei dem man sein Urteil zurückstellt und sagt: Ich weiß nicht genau, wie viele Variablen es gibt, ich möchte, dass die Daten zu mir sprechen.“

Die meisten Projekte werden mit einem Open-Source-Ansatz durchgeführt. IBM setzt darauf, dass die kollaborative Entwicklung innerhalb der Open-Source-Community die besten Ergebnisse liefert. „Wir machen etwas, das dem, was in einer Universitätsumgebung passieren kann, sehr ähnlich ist.“

Ein wunderbarer Ort für Wissenschaftler.

Das Besondere an unserem Standort ist vor allem die Nähe zur ETH Zürich, die meiner Meinung nach zu den besten Universitäten Europas zählt. Darüber hinaus haben wir die Möglichkeit, mit anderen hochkarätigen akademischen Einrichtungen zu interagieren. Hinzu kommt eine äußerst lebendige Forschungsgemeinschaft mit Kooperationen mit Unternehmen wie Microsoft, Apple, Google, Nvidia, Anthropic und OpenAI.

Und noch einmal: Es ist eine historische Institution. Es war 1956 das erste Labor, das IBM außerhalb der USA eröffnete, und wenn man das Think Lab betritt, atmet man eine Luft voller Exzellenz. Man trifft Experten für KI, Kryptografie, Physik, Quantencomputer und molekulare Simulationen. Einige Nobelpreisträger haben hier gearbeitet. In der Cafeteria trifft man auf über 300 Wissenschaftler, mit denen man sich austauschen kann. Aus diesem kontinuierlichen Austausch können Projekte entstehen, die die Spielregeln verändern können.

Matteo Manica sieht hier seine Zukunft.

Ich hoffe, neue Anwendungen der Mathematik in Kontexten zu finden, die wirklich etwas bewirken. Der Übergang zu nachhaltigeren Industrien ist beispielsweise eine der größten Herausforderungen. Ich denke an Konsumgüter, die Materialien, die wir täglich nutzen: Wenn es gelingt, auch nur einen einzigen Produktionsprozess zu optimieren, sind die Auswirkungen auf die Umwelt enorm. Das sind unsichtbare, aber tiefgreifende Veränderungen. Sie machen vielleicht nicht so Schlagzeilen wie ein neues Medikament, aber sie können die Welt, in der wir leben, verbessern. Und das im Stillen, für alle.

Als Wissenschaftler und Musiker betont Manica, dass Mathematik auch eine Rolle bei seiner Leidenschaft für Musik spielt. „Ich habe viel Zeit mit Musizieren verbracht; ich spiele immer noch E-Bass und Kontrabass auf einem guten Niveau. Aber ich habe auch Flöte und Altsaxophon gespielt. Und Musik hat viel Mathematik zu bieten: die vibrierende Saite, die Gleichungen, die die Stimmung beschreiben, die Entwicklung der Harmonie, Schönbergs Zwölftonsysteme.“ Es ist immer die Mathematik, die meine Neugier weckt.

„Es hat mein Interesse an den Dingen geweckt. Und wenn die Mathematik die Dienerin und Magd aller Wissenschaften ist, dann spielt der Bass in der Musik dieselbe Rolle: Ohne ihn geht nichts, und für sich allein bedeutet er nichts.“

Was haben Sie in Ihrer Karriere gelernt, das für uns alle nützlich sein kann? „Die wichtigste Lektion ist, dass Mathematik nicht schwer ist. Vielleicht müssen wir nur unsere Lehrmethoden überdenken. Ich habe kein Patentrezept, aber ich weiß, dass es viel einfacher ist, als es scheint. Man darf einfach keine Angst haben. Es braucht Geduld. Es braucht Übung, wie alles andere auch. Was ich gelernt habe, ist nichts Besonderes. Man macht viele Fehler, aber wenn man dranbleibt und sich nicht von der Komplexität lähmen lässt, kann man Schritt für Schritt alles erreichen.“

Selbst der Einstieg in ein Forschungsinstitut wie IBM Research fällt Manica nicht schwer. „Ehrungen, Auszeichnungen oder was im Lebenslauf steht, spielen keine Rolle. Wenn wir jemanden einstellen, ist das alles völlig zweitrangig. Wir setzen uns vor ein Whiteboard oder einen Bildschirm, schreiben ein Problem auf und versuchen, es gemeinsam zu lösen. Dann versteht man, wie ein Mensch denkt.“

Wird künstliche Intelligenz unsere Wissenschaft verändern? Wird sie uns überhaupt dazu führen, eine wissenschaftliche Arbeit zu schreiben und eine Entdeckung zu machen? „Sie wird unsere Wissenschaft verändern, ja. Vieles wird heute schon von den Modellen selbst entdeckt oder angedeutet. Aber wir müssen definieren, was es bedeutet, etwas zu entdecken. Ich mache mir darüber keine Sorgen. Vielleicht schreibt KI eine zehnseitige wissenschaftliche Arbeit und ist dabei besser als wir, aber ohne unsere drei Stichpunkte, die eine Idee beschreiben, kann sie nichts ausrichten. Sie wird enorme Auswirkungen auf viele Bereiche von Industrie und Gesellschaft haben. Wir müssen sie richtig einsetzen. Bei IBM verwenden wir Modelle, die auf ein spezifisches Problem zugeschnitten sind; sie sind weder übermäßig teuer noch leistungshungrig und sie sind spezialisiert. Die meisten von ihnen lassen sich praktisch auf Ihrem Computer verwenden. KI wird uns Forschern Superkräfte verleihen. Wir werden wie erweiterte Forscher sein …“ Und vielleicht beginnen wir in der Stille der Labore, uns neue Fragen zu stellen.