Forscher der Stanford University und des Arc Institute haben mit dem KI-Modell Evo erstmals vollständige, funktionsfähige Virus-Genome von Grund auf entworfen. Von 285 getesteten Entwürfen infizierten und töteten 16 tatsächlich Bakterien der Art E. coli im Labor. Die am 6. August 2026 in der Fachzeitschrift Science veröffentlichte Studie löst zugleich Warnungen vor einer Aufsichtslücke aus.
Evo lernt die Grammatik viraler DNA aus Millionen Genomen
Evo ist ein sogenanntes Genom-Sprachmodell: Es sagt, ähnlich wie ein Sprachmodell das nächste Wort, den nächsten DNA-Baustein voraus. Die Grundversion trainierten die Forscher auf Millionen Bakteriophagen-Genomen; für die neue Studie folgte eine gezielte Nachschulung auf 14.466 Sequenzen aus der Virenfamilie Microviridae. Als Vorlage diente der Bakteriophage ΦX174 – 1977 das erste vollständig entschlüsselte und 2003 das erste künstlich synthetisierte Genom der Wissenschaftsgeschichte.
Aus diesem Ausgangsmaterial erzeugte Evo 285 vollständige, neue Genom-Entwürfe mit jeweils elf Genen, einschließlich überlappender Leseraster, die die Forscher eigens mit einer selbst entwickelten Annotationspipeline identifizierten. Jeden Entwurf ließen die Forscher anschließend als physische DNA synthetisieren und in Näpfchen mit lebenden E.-coli-Bakterien testen. Ein Absinken der optischen Dichte innerhalb von zwei bis drei Stunden zeigte an, ob die künstliche DNA tatsächlich zu einem funktionsfähigen Virus zusammenfand.
Laut der im Fachjournal Science veröffentlichten Studie führte dieser Weg bei 16 der 285 getesteten Entwürfe zum Erfolg – die Genome bauten sich zu vollständigen, infektiösen Phagen zusammen. Damit handelt es sich nach Angaben der Autoren um die erste generative Konstruktion kompletter Genome, die im Labor tatsächlich funktionierte, statt nur einzelne DNA-Abschnitte vorherzusagen.
KI-Phagen brechen Antibiotikaresistenzen im Labortest
Die 16 funktionsfähigen Phagen unterschieden sich deutlich von ihrem natürlichen Vorbild: Jede Variante trug zwischen 67 und 392 neue Mutationen, 13 der Genome enthielten Sequenzabschnitte, die in keiner bekannten natürlichen Phage vorkommen. Eine Variante wich so stark vom Ursprungsgenom ab, dass sie nach Einschätzung des Forschungsteams evolutionär mehrere Millionen Jahre natürlicher Entwicklung vorwegnehme.
Entscheidend für die praktische Relevanz war ein weiterer Test: Die Forscher mischten mehrere KI-generierte Phagen zu einem Cocktail und setzten ihn gegen drei unterschiedlich antibiotikaresistente E.-coli-Stämme ein. Über mehrere Passagen hinweg überwand die künstliche Mischung die Resistenzen aller drei Stämme, während eine vergleichbare Mischung aus natürlich vorkommenden Phagen daran scheiterte – ein Vergleichswert, der unabhängig bislang nicht verifiziert ist.
Für die Phagentherapie, die insbesondere in Osteuropa seit Jahrzehnten gegen resistente Keime eingesetzt wird, wäre ein solcher Ansatz relevant: Statt aufwendig passende natürliche Phagen aus Umweltproben zu isolieren, ließen sich maßgeschneiderte Viren am Computer entwerfen und anschließend synthetisieren. Klinische Tests an Patienten stehen dafür allerdings noch aus.
Johns-Hopkins-Forscher mahnen fehlende Aufsichtsregeln an
Begleitend zur Studie veröffentlichte Science einen Kommentar der Sicherheitsforscher Thomas Inglesby und Moritz Hanke vom Johns Hopkins Center for Health Security. Sie würdigten, dass das Stanford-Team Vorsichtsmaßnahmen ergriffen habe: Menschen- oder tierpathogene Virensequenzen seien gezielt aus den Trainingsdaten entfernt worden, die Wirtsstämme seien ausschließlich ungefährliche Laborvarianten von E. coli gewesen, und sämtliche Arbeiten hätten in Biosicherheitswerkbänken mit gesonderter Entsorgung stattgefunden.
Gleichzeitig warnten die beiden vor einer wachsenden Lücke zwischen technischer Möglichkeit und Kontrolle: Die Fähigkeit, virale Genome per KI zusammenzustellen, existiere inzwischen – verbindliche Regeln dafür fehlten jedoch weitgehend. Der spanische Biophysiker Jordi García Ojalvo von der Universität Pompeu Fabra in Barcelona ordnete das Risiko, wie CNN berichtet, wegen der geringen Erfolgsquote von etwa sechs Prozent pro Testreihe als derzeit begrenzt ein.
Zusätzliche Dringlichkeit erhält die Debatte durch den politischen Kontext in den USA: Die Regierung unter Präsident Trump hat mehrere KI-Sicherheitsauflagen der Vorgänger-Regierung zurückgenommen, während Kongress und Tech-Lobby zusätzlicher Regulierung bislang ablehnend gegenüberstehen. Auch in der KI-Forschung selbst ist Biorisiko gerade Thema: Erst kürzlich zeigte eine andere Studie, dass sich ein Sprachmodell per Jailbreak zur Erzeugung riskanter Virus-Kandidatensequenzen bewegen ließ. Sicherheitsprogramme wie OpenAIs Bio Bug Bounty zielen bislang vor allem auf Sprachmodelle, nicht auf spezialisierte Genom-KI wie Evo.
Entscheidend wird, ob Aufsichtsbehörden und Fachgesellschaften Regeln für Genom-Sprachmodelle aufstellen, bevor die Technik von reinen Bakterienviren auf komplexere Organismen ausgeweitet wird. Die Studienautoren selbst raten Forschenden, bei künftigen Entwürfen gezielt Sicherheits- und Biosicherheitsexperten einzubeziehen – eine freiwillige Empfehlung, die anders als ein Gesetz nicht durchsetzbar ist. Ob eine solche Selbstverpflichtung ausreicht, dürfte sich erst zeigen, wenn vergleichbare Modelle außerhalb akademischer Kontrollen zum Einsatz kommen.
