Japan stellt 32 Milliarden Yen für ARiSE bereit und bringt KI in den gesamten wissenschaftlichen Forschungszyklus

31 Projekte sollen die wissenschaftliche Forschung neu denken

Japans neue ARiSE-Initiative stellt 32 Milliarden Yen für wissenschaftliche Forschung bereit, bei der künstliche Intelligenz Hypothesen entwickelt, Experimente plant und durchführt, Ergebnisse analysiert und entscheidet, welche Fragen als Nächstes untersucht werden. Die Japan Science and Technology Agency (JST) wählte 31 Projekte aus 203 Bewerbungen aus. Die Förderung deckt rund zweieinhalb Jahre ab, von Oktober 2026 bis März 2029.

Aus der Auswahlbekanntgabe der JST vom 29. September geht hervor, dass zwölf Projekte für die Kategorie „Strategic Target“ und 19 für die Kategorie „International and Interdisciplinary“ ausgewählt wurden. Insgesamt waren 82 Beraterinnen und Berater an der Prüfung der Unterlagen und an Gesprächen beteiligt. Die Forschung soll beginnen, sobald Verträge und weitere Vorbereitungen abgeschlossen sind, nicht automatisch am Tag der Bekanntgabe.

ARiSE steht für AI to Redesign Scientific Exploration. Die Initiative geht über den Einsatz von KI zur Verarbeitung eines Datensatzes oder zur Zusammenfassung wissenschaftlicher Arbeiten hinaus. Das Programm soll digitales Schlussfolgern mit physischen Experimenten verbinden und so einen wiederkehrenden Kreislauf schaffen, in dem Versuchsergebnisse der KI helfen, bessere Hypothesen und Versuchspläne zu entwickeln.

Die Auswahlquote lag insgesamt bei rund 15,3 Prozent: 31 erfolgreiche Anträge bei 203 Bewerbungen. In der Kategorie „Strategic Target“ wurden zwölf von 70 Anträgen angenommen, etwa 17,1 Prozent. In der Kategorie „International and Interdisciplinary“ waren es 19 von 133, rund 14,3 Prozent. Diese Zahlen zeigen den Wettbewerb um die Förderung, geben jedoch weder Aufschluss über die Rangfolge der einzelnen Projekte noch darüber, wie die Mittel letztlich verteilt werden.

Programmleiter ist Takafumi Aoki, geschäftsführender Vizepräsident der Universität Tohoku. Sadao Kurohashi, Direktor des National Institute of Informatics (NII), verantwortet die Kategorie „Strategic Target“. Shunichi Ueda, stellvertretender Direktor des Center for Advanced Intelligence Project bei RIKEN, leitet die Kategorie „International and Interdisciplinary“.

Eine nationale Strategie nimmt Gestalt an

ARiSE folgt der am 31. März 2026 verabschiedeten Strategie des Ministeriums für Bildung, Kultur, Sport, Wissenschaft und Technologie zur Förderung von KI in der Wissenschaft. Die JST bezeichnet die Initiative als Flaggschiffprogramm. Es soll Investitionen dort bündeln, wo Japans wissenschaftliche Stärken international wettbewerbsfähige Ergebnisse ermöglichen, und zugleich die Zusammenarbeit mit führenden Forschenden im Ausland fördern.

Das Forschungsförderungsbüro des Ministeriums veröffentlichte am 16. April 2026 seine Grundsatzseite zu ARiSE. Die Seite verweist auf ein 262 KB großes Grundsatzdokument, gibt dessen detaillierte Bestimmungen im Text jedoch nicht wieder.

Von der Strategieentwicklung bis zur Auswahl der Projekte verging vergleichsweise wenig Zeit:

• 31. März 2026: Das Ministerium verabschiedet seine grundlegende Strategie zur Förderung von KI in der Wissenschaft.
• 16. April 2026: Das Forschungsförderungsbüro veröffentlicht die ARiSE-Grundsatzseite.
• 12. Mai bis 30. Juni 2026: Die JST nimmt Forschungsanträge entgegen.
• 29. September 2026: Die JST gibt die 31 ausgewählten Projekte bekannt.
• 2. Oktober 2026: Die Universität Tohoku gibt drei erfolgreiche Projekte bekannt.
• 13. Oktober 2026: Die JST erläutert bei einer Informationsveranstaltung die Hintergründe und die geplante Umsetzung der Initiative.
• März 2029: Der derzeitige Förderzeitraum für die Forschung soll enden.

JST-Präsident Kazuhito Hashimoto argumentiert, Japan könne im Umfang der Investitionen allein nicht mit den USA und China mithalten. Stattdessen müsse sich das Land auf Bereiche konzentrieren, in denen es über wertvolle wissenschaftliche Daten, Fachwissen, experimentelle Fähigkeiten und Robotikkompetenz verfügt.

Ihm geht es auch um Abhängigkeiten. Wenn Forschende in Japan ausschließlich im Ausland entwickelte KI nutzen, könnten Basistechnologien und Rechenressourcen unter der Kontrolle anderer Länder bleiben. ARiSE verbindet deshalb die Entwicklung eigener Modelle mit internationaler Zusammenarbeit, statt beides als konkurrierende Optionen zu behandeln.

Zwei Förderkategorien mit unterschiedlichen Aufgaben

Die Kategorie „Strategic Target“ fördert größere Teams in den Bereichen Materialwissenschaften, Lebenswissenschaften sowie große Forschungseinrichtungen und -geräte. Unter den zwölf ausgewählten Projekten sind sechs zu Materialien, vier zu Lebenswissenschaften und zwei zu großen Einrichtungen oder Geräten.

Die Materialprojekte verteilen sich auf drei Förderziele. Bei den Zielen 1-1 und 1-2 wurde jeweils ein Projekt ausgewählt; die ungefähre Förderhöchstsumme beträgt jeweils drei Milliarden Yen. Für Ziel 1-3 gibt es vier Projekte mit einer Obergrenze von jeweils rund einer Milliarde Yen. Für Projekte in den Lebenswissenschaften und zu großen Forschungseinrichtungen liegt die ungefähre Obergrenze bei zwei Milliarden Yen pro Projekt. Dabei handelt es sich um Förderhöchstbeträge, nicht um bestätigte Zuwendungen an jedes Team.

Die Kategorie „International and Interdisciplinary“ steht allen wissenschaftlichen Disziplinen offen. Sie fördert Forschung, die wissenschaftliche Theorien, Gesetze und Strukturwissen in KI einbezieht. Die Förderung beträgt üblicherweise 200 Millionen Yen pro Projekt. Wenn es zur Erreichung der Ziele erforderlich ist, können Anträge bis zu 650 Millionen Yen umfassen.

Jeder Antrag muss eine KI-Forscherin oder einen KI-Forscher und eine Person aus der jeweiligen wissenschaftlichen Disziplin als gemeinsame Projektleitung zusammenbringen. Die Teams müssen außerdem von Anfang an ihren Rechenbedarf planen, internationale Zusammenarbeit anstreben, Regeln für den Austausch und Schutz von Daten festlegen und die Forschungssicherheit berücksichtigen. Damit werden wissenschaftliche Fachkenntnis und die Planung der Infrastruktur zu Bestandteilen des Forschungsdesigns, statt erst nach der Wahl eines KI-Modells hinzugefügt zu werden.

Materialdaten werden zu einer gemeinsamen Forschungsplattform

Ein zentrales Materialprojekt soll die in Japan gesammelten Materialdaten mit in Japan entwickelten großen Sprachmodellen und spezialisierter KI verbinden. Daten und Forschungsressourcen des National Institute for Materials Science (NIMS) sollen zum Aufbau einer nationalen KI-Plattform für Materialien beitragen.

Die geplante Plattform umfasst mehrere miteinander verbundene Ebenen: für den KI-Einsatz aufbereitete Daten und Analysewerkzeuge, Basismodelle für Materialien, KI-Agenten zur Unterstützung von Entdeckung und Design sowie moderne Versuchsanlagen. Ein Basismodell ist ein breit trainiertes Modell, das als Ausgangspunkt für verschiedene Forschungsaufgaben dienen kann. Ein KI-Agent kann Werkzeuge einsetzen und Schritte zur Erreichung eines vorgegebenen Ziels koordinieren.

Der geplante Forschungszyklus beginnt damit, dass die KI ein Material oder eine Versuchsbedingung vorschlägt. Angeschlossene Geräte führen das Experiment durch, und die Ergebnisse fließen in den nächsten Entwurf ein. Diese Möglichkeiten sollen einer breiten Gemeinschaft von Materialforschenden zur Verfügung stehen und nicht nur wenigen Teams mit umfangreicher KI-Expertise vorbehalten sein.

Die drei ausgewählten Projekte der Universität Tohoku zeigen, wie diese nationale Initiative mit konkreten Forschungsprogrammen zusammenhängt. Professor Yu Kumagai leitet eine Plattform zur Entwicklung harter massiver Materialien mithilfe von KI. Die Professoren Goro Miyamoto und Motoki Shiga sind gemeinsame Forschungsleiter.

Ein zweites Projekt der Universität Tohoku befasst sich mit der autonomen Entwicklung magnetischer Materialien und der Erforschung ihrer Entstehungsmechanismen durch die Zusammenarbeit von Menschen und KI. Geleitet wird es von Professor Takafumi Hirohata. Gemeinsame Projektleiter sind Yuma Iwasaki vom NIMS und Professor Kanta Ono von der Universität Osaka.

Das dritte ausgewählte Projekt der Universität Tohoku gehört zur Kategorie „International and Interdisciplinary“ und trägt den Namen Tsunami World Model. Professor Shunichi Koshimura leitet es gemeinsam mit Professor Kentaro Inui und Yuichiro Usuda vom National Research Institute for Earth Science and Disaster Resilience. Das Projekt zeigt, dass ARiSE über Materialien und biologische Forschung im Labor hinausgeht. Die Mitteilung der Universität beschreibt jedoch nicht im Detail, welche Fähigkeiten das Modell erhalten soll.

Ein Genommodell, das aus gescheiterten Experimenten lernt

Das Programm für die Lebenswissenschaften umfasst ein Sprachmodell für Genome mit rund vier Milliarden Parametern, das Pflanzen, Tiere, Menschen und Mikroorganismen abdecken soll. Anders als ein herkömmliches Sprachmodell, das mit Wörtern trainiert wird, lernt ein Genom-Sprachmodell Muster in DNA-Sequenzen, um Forschung zu biologischen Funktionen und zum Genomdesign zu unterstützen.

Parameter sind die Zahlenwerte, die ein Modell während des Trainings anpasst. Das geplante Modell baut auf einem bestehenden Modell mit rund sieben Milliarden Parametern auf. Diese Zahlen beschreiben die Modellgröße und belegen nicht, dass das neue Modell seinem Vorgänger überlegen sein wird. Sein wissenschaftlicher Nutzen hängt von den biologischen Daten, Experimenten und Lernverfahren ab, die dafür entwickelt werden.

Das Projekt folgt einem „Design, Build, Test, Learn“-Zyklus: Forschende entwerfen eine Sequenz oder Hypothese, setzen sie um und testen sie experimentell. Anschließend fließen die Ergebnisse an das Modell zurück. Erfolgreiche Ergebnisse, gescheiterte Experimente und genetische Ressourcen sollen sämtlich in die weitere Entwicklung einfließen. Die Berücksichtigung gescheiterter Versuche ist wichtig, denn auch ein erfolgloses Experiment kann zeigen, welche Entwürfe oder Bedingungen nicht funktionieren.

Das Modell soll Forschenden in den Lebenswissenschaften als gemeinsame Ressource dienen. Seine praktische Nutzung soll über das Bio-AGILE-Konsortium vorangetrieben werden. Biosicherheit und Modellschutz sind ausdrücklich Bestandteil der Arbeit. Für ein Werkzeug, das biologische Entwicklungen unterstützen kann, braucht es neben besseren Vorhersagen auch Schutzmaßnahmen.

Von automatisierten Geräten zu einer autonomen Forschungseinrichtung

Am Projekt zur Entwicklung einer unbemannten Forschungseinrichtung sind das Institute of Science Tokyo, RIKEN und Epistora beteiligt. Wie aus der Projektmitteilung von Epistora hervorgeht, leitet Professor Genki Kanda vom Institute of Science Tokyo die Forschung. Gemeinsame Projektleiter sind Koichi Takahashi, ein Projektleiter im Entwicklungsprogramm für wissenschaftliche Basismodelle bei RIKEN, und Epistora-CEO Yosuke Ozawa.

Das Projekt gehört zum Förderziel 3, das die Optimierung des Betriebs, Automatisierung, autonomen Betrieb sowie Verbesserungen bei Versuchsplanung und Datenanalyse in großen Forschungseinrichtungen umfasst. Entwickelt und erprobt werden KI-Agenten und Basismodelle, die Forschungspläne, Versuchsanlagen und daraus hervorgehende Daten miteinander verbinden.

Der Unterschied zwischen einem automatisierten Gerät und einer autonomen Forschungseinrichtung ist praktischer Natur. Ein Roboter kann ein einzelnes Experiment durchführen, während Menschen weiterhin Geräte vorbereiten, Proben transportieren, Verbrauchsmaterialien nachfüllen, Gerätebelegungen planen und Unterbrechungen beheben müssen. ARiSE soll neben dem Experiment selbst auch diese begleitenden Aufgaben angehen.

Die geplante Einrichtung besteht aus drei miteinander verbundenen Elementen. Ihre Informationssysteme sollen Forschungsziele, Hypothesen, Versuchspläne und Analysen sowie Entscheidungen über Folgeexperimente verarbeiten. Die Betriebssysteme sollen Geräte, Zeit und Materialien zuteilen. Die physischen Systeme sollen Transport, Nachfüllen und Wiederherstellung automatisieren.

Menschen sollen den Ablauf überwachen, statt jeden einzelnen Schritt zu steuern. Die Einrichtung soll fortlaufende Forschung zu Krebs, Immunität, Impfstoffen, Alterung und regenerativer Medizin unterstützen. Epistora zufolge bringt das Unternehmen rund ein Jahrzehnt Forschung mit KI und Robotik ein, darunter Arbeiten zur Optimierung der Bedingungen, unter denen induzierte pluripotente Stammzellen in retinale Pigmentepithelzellen umgewandelt werden. Diese Zellen unterstützen die Netzhaut.

Kurohashi zufolge verschieben sich die Erwartungen an solche Einrichtungen angesichts der Fortschritte bei KI und Robotik von etwa 2050 über 2040 auf ungefähr 2030. Das ist eine sich verändernde Einschätzung und keine Garantie dafür, dass noch vor Ende des ARiSE-Förderzeitraums im März 2029 eine vollständig autonome Einrichtung in Betrieb sein wird.

Wissenschaftliche Theorie wird Teil der KI

Die Kategorie „International and Interdisciplinary“ verfolgt einen anderen Ansatz, um leistungsfähigere KI für die Wissenschaft zu entwickeln. Uedas Ansatz integriert wissenschaftliche Theorien in Modellstrukturen, Repräsentationen und Lernprinzipien, statt sie lediglich als Regeln zur Begrenzung eines ansonsten herkömmlichen Modells zu verwenden.

Zu den relevanten Erkenntnissen zählen Symmetrie, Invarianz, Kausalität, Randbedingungen und Skalierungsgesetze. Einfach gesagt beschreiben sie Beziehungen, die bei Veränderungen eines Systems bestehen bleiben sollten, Zusammenhänge zwischen Ursachen und Ergebnissen sowie Bedingungen, unter denen ein wissenschaftliches Modell gilt. Solches Wissen in die KI einzubauen, soll ihre Schlussfolgerungen verbessern, wenn Daten knapp sind oder sich Bedingungen von denen im Training unterscheiden.

Ein ausgewähltes Projekt verbindet mathematische Physik und KI, um wissenschaftliche Hypothesen zu entwickeln und ihre Gültigkeit anhand mathematischer und physikalischer Theorien zu prüfen. Es soll die Lücke zwischen einer plausiblen Aussage und dem Nachweis ihrer Richtigkeit verringern. Die autonome Überprüfung ist ein Forschungsziel und keine bereits nachgewiesene Fähigkeit des Programms.

Ein weiteres Projekt befasst sich mit metallorganischen Gerüstverbindungen (MOFs), porösen Materialien, die unter anderem für die Adsorption und Trennung von Gasen untersucht werden. Ihre Eigenschaften können je nach Synthese- und Versuchsbedingungen variieren. Das Projekt verbindet veränderliche wissenschaftliche Repräsentationen, kontrafaktisches Schlussfolgern und Rückmeldungen von Forschenden, um zu untersuchen, wie sich eine geänderte Bedingung auf ein Ergebnis auswirken könnte.

Kontrafaktisches Schlussfolgern fragt, was unter einer anderen Bedingung geschehen würde, statt lediglich Muster in vorhandenen Beobachtungen zu erkennen. Forschende bewerten Hypothesen und Schlussfolgerungen und geben ihre Einschätzungen anschließend an die KI zurück. Bei diesem Projekt bleiben Menschen somit direkt beteiligt, während das Projekt zur unbemannten Forschungseinrichtung eine deutlich weitergehende betriebliche Autonomie anstrebt.

Die Krebsforschung geht über das Erkennen von Mustern hinaus

Ein weiteres Krebsprojekt verbindet die Gewebestruktur, Zellform und Genexpression mit den Wechselwirkungen zwischen Krebszellen, Immunzellen und anderen Zellen in ihrer Umgebung. Ziel ist es, Modelle zu entwickeln, die Krankheitsmechanismen erschließen, statt lediglich Merkmale zu erkennen, die mit Krebs in Verbindung stehen.

Die Arbeit verknüpft zwei Beobachtungsebenen. Aus dem Aufbau eines Gewebes soll das Modell auf das Verhalten einzelner Zellen schließen. Anhand dieses Verhaltens soll es vorhersagen, wie sich der Zustand des Gewebes verändert. Die Untersuchung räumlicher und zeitlicher Aspekte könnte Forschenden helfen, die Entstehung von Krebs in seiner biologischen Umgebung zu untersuchen.

Zu den geplanten Anwendungen zählen die Entdeckung von Krankheitsmechanismen, Prognosen zum Krankheitsverlauf und die Erforschung von Behandlungen. Dabei handelt es sich um angestrebte Forschungsergebnisse. Die Auswahl für ARiSE belegt weder eine klinische Wirksamkeit noch bedeutet sie, dass ein Diagnose- oder Behandlungsinstrument bereits für Patientinnen und Patienten einsatzbereit ist.

Rechenkapazitäten und Datenaustausch prägen die Umsetzung

ARiSE verlangt bereits bei der Antragstellung Pläne zum Rechenbedarf, da das Training und der Betrieb von Modellen einen erheblichen Teil der Forschungsgelder beanspruchen können. Die JST will Ressourcen von Universitäten, öffentlichen Forschungseinrichtungen, Unternehmen und RIKEN bündeln und bei Bedarf auch kommerzielle Rechenkapazitäten im Ausland nutzen.

Bei der Bezeichnung des in Betracht gezogenen KI-Supercomputers von RIKEN gehen die Angaben auseinander: Eine Quelle nennt RIKEN, der Bericht zur Informationsveranstaltung im Oktober dagegen 理究. Gemeinsam ist den Angaben die Absicht, Rechenkapazitäten in Japan mit weiteren Ressourcen zu kombinieren. Wie die Kapazitäten den einzelnen Projekten letztlich zugeteilt werden, ist noch nicht festgelegt.

Das Programm will auch über die ausgewählten Teams hinaus allgemein nutzbare Modelle, Agenten, Werkzeuge und Bewertungsmethoden bereitstellen. Geplant sind Verbindungen zum akademischen Netzwerk SINET des NII und zur Forschungsdateninfrastruktur NII RDC. Dadurch sollen Ergebnisse für Forschende in ganz Japan zugänglich werden und der Austausch zwischen den Projekten zu Materialien, Lebenswissenschaften und Forschungseinrichtungen gefördert werden.

Datenaustausch bedeutet nicht, alles zu veröffentlichen. Daten oder Ergebnisse, die aus Wettbewerbs- oder Sicherheitsgründen geschützt werden müssen, können vertraulich bleiben. Die Anforderungen an die Forschungssicherheit gelten ab der Auswahl; für das Genomprojekt kommen besondere Pflichten zur Biosicherheit und zum Schutz des Modells hinzu.

Programmbeauftragte sollen den Fortschritt überprüfen und Anpassungen unterstützen. Dazu zählen eine Ausweitung der Forschungsaufgaben, zusätzliche internationale Partner und gemeinsame Veranstaltungen. Diese Flexibilität soll dem Risiko begegnen, dass ein 2026 festgelegter Plan bis 2029 überholt sein könnte. Nach aktuellem Informationsstand sind weder die individuellen Vertragsbeginn-Daten und endgültigen Fördersummen noch die Zuteilung von Rechenkapazitäten oder ein detaillierter Zeitplan für die Veröffentlichung von Modellen festgelegt.

Entscheidend wird sein, ob die Projekte Japans wissenschaftliche Stärken mit funktionierenden KI-Systemen, reproduzierbaren Experimenten und Ressourcen verbinden können, die andere Forschende tatsächlich nutzen können. ARiSE gibt diese Richtung vor. Die versprochenen Entdeckungen, autonomen Fähigkeiten und gemeinsamen Plattformen müssen jedoch noch entwickelt und nachgewiesen werden.

Die wichtigsten Punkte

• ARiSE umfasst 32 Milliarden Yen für den Zeitraum von ungefähr Oktober 2026 bis März 2029.
• Die JST wählte 31 Projekte aus 203 Bewerbungen aus; die Annahmequote liegt bei rund 15,3 Prozent.
• Die Kategorie „Strategic Target“ umfasst zwölf Projekte, die Kategorie „International and Interdisciplinary“ 19.
• Zu den großen Vorhaben zählen eine KI-Plattform für Materialien, ein Genommodell mit rund vier Milliarden Parametern und eine unbemannte Forschungseinrichtung.
• Die ausgewählte Forschung umfasst außerdem mathematische Physik, MOFs, Krankheitsmechanismen bei Krebs und ein Tsunami World Model.
• Rechenkapazitäten in Japan und eine gemeinsame Forschungsinfrastruktur haben Priorität; bei Bedarf sind auch ausländische Ressourcen zulässig.
• Die konkreten Starttermine hängen von Verträgen und Vorbereitungen ab. Autonome Forschungseinrichtungen und wissenschaftliche Anwendungen bleiben Entwicklungsziele.