Ein deutsches Forschungskonsortium arbeitet an Physics-LLM, einem KI-Werkzeug für die Physik. Geleitet wird das Projekt von Tim Ruhe, Physiker und KI-Experte an der TU Dortmund. Zum Team gehört auch Hans-Georg Steinrück vom Forschungszentrum Jülich und der RWTH Aachen.
Das Ziel: Forschende in verschiedenen Bereichen der Physik bei mehreren Arbeitsschritten zu unterstützen. Physics-LLM soll beim Vorbereiten von Experimenten, beim Auswerten von Daten und Schreiben von Programmcode sowie bei der Dokumentation helfen. Laut Projektbeschreibung soll daraus ein universelles Werkzeug werden.
Wo KI Zeit sparen könnte
Der Bericht beschreibt, dass KI manche Arbeiten, für die Physiker früher Monate gebraucht hätten, inzwischen in wenigen Stunden erledigen kann. Dazu zählt auch, Analysesoftware zu verbessern. Der Text nennt dafür jedoch weder ein konkretes Beispiel noch ein bestimmtes Modell oder einen Vergleichstest. Die Zeitersparnis ist daher keine ausgewiesene Leistung von Physics-LLM.
Der Bedarf ist groß: Manche Physikexperimente erzeugen Datenmengen im Petabyte-Bereich. Schnellere Auswertung könnte laut Bericht beeinflussen, welche Analysen überhaupt machbar sind. Wie Physics-LLM mit solchen Daten umgehen soll, wird im vorliegenden Text nicht näher erklärt.
Ein offenes Werkzeug ist das Ziel
Physics-LLM soll als offenes Werkzeug entwickelt werden. Damit will das Konsortium vermeiden, dass Europas Forschung bei KI von wenigen kommerziellen Anbietern abhängig ist. „Offen“ beschreibt hier die erklärte Ausrichtung des Projekts; Angaben zu Lizenz, technischer Umsetzung oder bereits verfügbarem Zugang fehlen.
Auch einen Zeitplan für die Veröffentlichung oder Informationen dazu, welche Einrichtungen das Werkzeug nutzen können, nennt der Bericht nicht. Physics-LLM ist damit ein Entwicklungsprojekt und kein beschriebenes, bereits allgemein verfügbares Produkt.
Warum es wichtig ist
Für Physikerinnen und Physiker könnte ein solches Werkzeug künftig Zeit bei Programmierung und Datenanalyse sparen. Das Projekt ist aber noch als Vorhaben beschrieben: Ob und wann Forschende es nutzen können und wie gut es bei konkreten Aufgaben arbeitet, bleibt offen.
