Google ERA: KI-System für wissenschaftliche Forschung erreicht CDC-Spitzenplatz bei Hospitalisierungsprognosen, löst ein offenes kosmologisches Problem und verfolgt CO2 im 10-Minuten-Takt

Am 29. April 2026 stellte Google Research ERA — Empirical Research Assistance vor, ein internes KI-System für Wissenschaftlerinnen und Wissenschaftler, das LLMs (einschließlich Gemini Deep Think) mit Rechentools zur Beschleunigung von Forschungsarbeiten kombiniert. Statt einer hypothetischen Beschreibung bietet der Beitrag vier konkrete Ergebnisbeispiele aus verschiedenen Domänen.

Prognosen für die öffentliche Gesundheit

ERA generiert Vorhersagen für Krankenhauseinweisungen durch COVID-19, Grippe und RSV. Googles Einreichungen „rangieren auf oder nahe der Spitze beider Ranglisten” für Grippe- und COVID-Prognose-Wettbewerbe akademischer Institutionen und erreichen oder übertreffen die Leistung von CDC-Tools.

Implikation: Behörden im Bereich öffentliche Gesundheit könnten ähnliche Systeme für die Echtzeit-Ressourcentriage nutzen.

Kosmologie

Das Team koppelte ERA mit Gemini Deep Think, um ein offenes Problem in der Gravitationsphysik zu lösen — die Energiestrahlung kosmischer Strings. Ergebnis: „Erfolgreich sechs allgemeine Lösungen und eine prägnante Formel für den asymptotischen Grenzwert abgeleitet”, was bisherige Teilergebnisse erweitert, die auf spezifische Fälle beschränkt waren.

Dies ist kein numerischer Fit — es handelt sich um eine geschlossene Formel, die zuvor nicht existierte. Sie zeigt, dass KI-Unterstützung zur theoretischen Physik beitragen kann, nicht nur zur Datenanalyse.

Klimaüberwachung

ERA hat ein physikgestütztes neuronales Netz entwickelt, das ein CO2-Signal aus den GOES-East-Wettersatelliten extrahiert. Das Modell ermöglicht beispiellose räumliche und zeitliche Auflösung: die Verfolgung des atmosphärischen CO2 alle 10 Minuten über ganze Hemisphären, verglichen mit der bestehenden Satellitenabdeckung von einmal alle 16 Tage.

Das ist eine ~2.300-mal häufigere Messung. Implikation für die Klimapolitik: schnellere Erkennung großer Emissionsereignisse (Waldbrände, Industrie, städtische Spitzenwerte).

Zebrafisch-Neurowissenschaften

Mithilfe von Daten über neuronale Schaltkreise des Zebrafisches entdeckte ERA „interpretierbare, mechanistisch korrekte Lösungen”, die Umweltreize mit neuronalen Reaktionen verknüpfen. Dieser Wandel — von prädiktiven Black-Box-Modellen hin zur Aufdeckung tatsächlicher Schaltkreismechanismen — ist epistemologisch bedeutsam: KI ist nicht mehr nur ein besserer Prädiktor, sondern ein wissenschaftlicher Forscher, der mechanistisches Verständnis generiert.

Warum ist das wichtig?

ERA zeigt, dass KI sich von NLP/Computer Vision in die Naturwissenschaften als primäres Anwendungsfeld verlagert. Alle vier Beispiele sind Ergebnisse, die nicht allein durch ein LLM hätten erreicht werden können, sondern eine Kombination mit domänenspezifischen Tools und Daten erfordern. Google Research signalisiert damit ein neues Wettbewerbsfeld mit DeepMind (AlphaFold, AlphaGeometry), wo Google einen domänenübergreifenden KI-Forschungsassistenten anbietet statt spezialisierter Modelle pro Domäne.