Es ist eine unscheinbare alte Musik-Kassette mit der Aufschrift „For Paul“. Doch sie enthält musikhistorisch spannendes Material – mehrere von John Lennon vor seiner Ermordung 1980 amateurhaft mit dem Kassettenrecorder aufgezeichnete Songs. Die Aufschrift verrät: Lennon wollte sie gemeinsam mit seinem ehemaligen Band-Kollegen Paul McCartney umsetzen. Die Beatles hatten sich bereits 1970 aufgelöst. Im Jahrzehnt davor waren sie zur bis zum heutigen Tag erfolgreichsten Band der Musikgeschichte geworden.
Kassette seit 1994 in Paul McCartneys Besitz
Die Kassette bekam McCartney bereits 1994 von Lennons Witwe Yoko Ono. Ihre Existenz war seitdem öffentlich bekannt. Zwei Songs darauf, „Free As A Bird“ und „Real Love“ wurden bereits 1995 und 1996 von den verbleibenden Beatles, McCartney, Ringo Starr und dem 2001 verstorbenen George Harrison veröffentlicht. Bei zumindest einem weiteren Song reichte aber die Qualität der Aufzeichnung nicht aus – Lennon hatte sich bei der Aufnahme mit dem Kassettenrecorder selbst mit dem Klavier begleitet.
„Now And Then“ soll „die letzte Beatles-Aufnahme“ werden
Nun will Paul McCartney noch dieses Jahr einen weiteren Song von dieser Kassette veröffentlichen, wie BBC berichtet. Er sagte zwar bislang nicht welchen, aber es wird spekuliert, dass es sich um den Titel „Now And Then“ handelt. Um das Stück in Studioqualität herauszubringen, nutzt der Musiker eine Künstliche Intelligenz. Ein Machine-Learning-Algorithmus wurde mit anderen, hochwertigen Aufzeichnungen dazu trainiert, Lennons Stimme von der eigenen Klavier-Begleitung zu trennen und als Tonspur in guter Qualität auszugeben. Diese Spur kann dann für eine klassische Studio-Aufzeichnung genutzt werden.
„Das ist irgendwie beängstigend, aber auch aufregend“
Es soll „die letzte Beatles-Aufnahme“ werden, so McCartney. Er zeigt sich gegenüber BBC von den neuen Möglichkeiten durch die AI begeistert, äußert aber auch Sorgen: „Leute werden zu mir sagen: ‚Schau, es gibt einen Track, auf dem John einen meiner Songs singt‘, und das ist einfach nur KI. […] Das ist irgendwie beängstigend, aber auch aufregend, weil es die Zukunft ist. Wir müssen einfach sehen, wohin das führt“, so die Musiker-Legende.
Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert
Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert
Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher
Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.
In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.
„Ein Labor ist eine große Küche“
Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.
Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.
Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten
Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.
100 Jahre Forschung in sechs Wochen
Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.
(c) Martin Pacher / brutkasten
Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.
Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.
(c) Martin Pacher / brutkasten
Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.
Bezahlter Pilot, Lizenz pro Arbeitsplatz
Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“
Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten
Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.
Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.
„Fast jeden zweiten Tag ein neues Startup“
Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.
(c) Martin Pacher / brutkasten
Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.
Die größte Hürde ist der Mensch
Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“
(c) Martin Pacher / brutkasten
Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.
Auszeichnung vom Weltwirtschaftsforum
Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.
Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.
Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“
Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.
Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.
Paul McCartney nutzt AI, um nie veröffentlichten Beatles-Song herauszubringen
AI Kontextualisierung
Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?
Als AI-System habe ich nicht die Fähigkeit, menschliche Emotionen zu verstehen oder zu interpretieren. Aber aus einer objektiven Perspektive kann man sagen, dass dieser Artikel zeigt, wie Künstliche Intelligenz die Musikindustrie beeinflussen und verändern kann. Es zeigt auch, wie die Verwendung von AI in der Musikproduktion in der Lage ist, historisch bedeutsame Musik zu verbessern und in besserer Qualität zu veröffentlichen. Darüber hinaus gibt es in dem Artikel auch ethische Fragen zur Verwendung von KI in der Kunst- und Musikindustrie auf.
Paul McCartney nutzt AI, um nie veröffentlichten Beatles-Song herauszubringen
AI Kontextualisierung
Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?
Es ist schwer, eine eindeutige Antwort auf diese Frage zu geben, da der Inhalt des Artikels hauptsächlich auf Musik und Kunst fokussiert ist. Jedoch kann argumentiert werden, dass die Verwendung von Künstlicher Intelligenz in der Musikproduktion neue Möglichkeiten und Herausforderungen für die Musikindustrie und die Art und Weise, wie Musik produziert und gehört wird, schafft. Es könnte auch Auswirkungen auf den Verkauf von Musik und den Schutz des geistigen Eigentums haben, da die Methode, die McCartney verwendet, um den Song herauszubringen, möglicherweise den Prozess der Erhaltung von Aufnahmen und deren Veröffentlichung auf Plattformen wie Spotify oder iTunes beeinflusst.
Paul McCartney nutzt AI, um nie veröffentlichten Beatles-Song herauszubringen
AI Kontextualisierung
Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?
Als Innovationsmanager:in können Sie aus diesem Artikel ableiten, dass die Nutzung von Künstlicher Intelligenz und Machine-Learning-Algorithmen eine immer wichtigere Rolle im kreativen Schaffensprozess von Musikern und anderen Künstlern spielt. Dies kann in Zukunft zu neuen Möglichkeiten und Innovationen in der Musik- und Unterhaltungsindustrie führen. Es ist jedoch auch wichtig, die ethischen Herausforderungen und Bedenken im Umgang mit KI-Generierten Inhalten zu berücksichtigen.
Paul McCartney nutzt AI, um nie veröffentlichten Beatles-Song herauszubringen
AI Kontextualisierung
Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?
Als Investor:in hat dieser Artikel möglicherweise keine direkte Relevanz, da er sich auf die Veröffentlichung eines bisher unveröffentlichten Beatles-Songs mithilfe von Künstlicher Intelligenz konzentriert. Allerdings kann die Verwendung von AI in der Musikindustrie interessant sein, da sie neue Möglichkeiten für die Erstellung und Produktion von Musik eröffnet. Wenn Sie in den Bereich AI investieren, könnte dies indirekt von Vorteil sein, indem es die Akzeptanz und Verbreitung der Technologie fördert.
Paul McCartney nutzt AI, um nie veröffentlichten Beatles-Song herauszubringen
AI Kontextualisierung
Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?
Als Politiker:in könnte dieser Artikel für Sie relevant sein, da er zeigt, wie KI-Technologie eingesetzt wird, um Musikaufnahmen zu verbessern und neu zu veröffentlichen. Dies könnte Auswirkungen auf den kreativen Prozess und die Qualität von Musik haben. Darüber hinaus könnte es auch rechtliche Auswirkungen im Hinblick auf Urheberrechte und die Authentizität von Musik geben. Diese Entwicklungen erfordern möglicherweise Änderungen der Gesetzgebung im Bereich der Musikindustrie und der KI-technologie.
Paul McCartney nutzt AI, um nie veröffentlichten Beatles-Song herauszubringen
AI Kontextualisierung
Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?
Der Artikel berichtet darüber, dass Paul McCartney mithilfe einer Künstlichen Intelligenz einen nie veröffentlichten Song der Beatles auf Grundlage einer alten Kassette von John Lennon produziert. Obwohl diese Technologie für musikalische Zwecke sehr hilfreich sein kann, gibt es auch die Sorge, dass die Künstliche Intelligenz die Authentizität der Musik in Frage stellen könnte, da sie in der Lage ist, eine künstliche Tonspur von einer echten Aufnahme zu unterscheiden. Dadurch wird ein größeres Verständnis dafür geschaffen, wie Technologie die kreative Musikproduktion beeinflussen kann.