Synthese mit KI‐Agenten

Large Language Models (LLMs) wie ChatGPT werden längst in der Chemie genutzt: Sie unterstützen bei der Extraktion strukturierter Informationen aus unstrukturierten Texten, konvertieren Verbindungsnamen in Smiles-Code oder planen, eingebettet in spezialisierte Systeme, Synthesen. LLMs wählen Satz für Satz das, was im Kontext am wahrscheinlichsten ist. In der Chemie zählt jedoch nicht Wahrscheinlichkeit, sondern Genauigkeit. Ein falsch interpretierter Verbindungsname in einer Synthesevorschrift hat im Labor fatale Folgen. Retrieval-Augmented Generation (RAG) verringert solche Fehler. Sie kombiniert LLMs mit externen Wissensquellen, etwa Datenbanken. Ein RAG durchsucht Wissensquellen und präzisiert anhand dessen die Prompts für die LLMs. Fragt man beispielsweise nach Bedingungen für eine nukleophile Substitution an tertiären Alkylhalogeniden, erkennt eine RAG Reaktionstyp und Substanzklasse und schlussfolgert, sie müsse Reaktionsdatenbanken durchsuchen. Sie ergänzt den Kontext um passende, quellenbasierte Angaben, etwa Lösungsmittel, Temperatur und Konkurrenzreaktionen, sodass die Antwort besser belegt und faktenorientiert ist.

Doch Fakten brauchen ein Logik-Fundament. Hier s

Bildung + Gesellschaft