Genom
Das Genom ist die vollständige Erbinformation eines Lebewesens, gespeichert als lange Kette chemischer Bausteine in fast jeder Zelle. Beim Menschen umfasst es rund drei Milliarden dieser Bausteine, die sich heute innerhalb eines Tages auslesen und mit Computern auswerten lassen.
Jedes Lebewesen trägt in seinen Zellen eine Art Bauanleitung für sich selbst. Diese Anleitung steckt in einem fadenförmigen Molekül namens DNA. Die DNA besteht aus vier verschiedenen chemischen Bausteinen, die man mit den Buchstaben A, C, G und T abkürzt. Die Gesamtheit dieser Buchstabenfolge in einem Lebewesen nennt man Genom. Beim Menschen sind es etwa drei Milliarden Buchstaben, verteilt auf 46 Abschnitte, die Chromosomen heißen. Fast jede Körperzelle enthält eine vollständige Kopie dieser Anleitung.
Warum drei Milliarden Buchstaben ein Datenproblem sind
Ein einzelnes menschliches Genom als reine Buchstabenfolge belegt etwa 700 Megabyte, also ungefähr eine volle CD. Das klingt harmlos. Beim Auslesen im Labor entstehen aber Rohdaten in der Größenordnung von 100 Gigabyte pro Person. Große Forschungsprojekte sequenzieren hunderttausende Menschen. Damit gehört die Genomforschung zu den datenintensivsten Wissenschaften überhaupt.
Der eigentliche Wert liegt im Vergleich. Zwei beliebige Menschen unterscheiden sich in ihrem Genom nur in etwa 0,1 Prozent der Buchstaben. Genau diese kleinen Unterschiede bestimmen mit, wie hoch das Risiko für bestimmte Krankheiten ist oder wie jemand auf ein Medikament reagiert. Um solche Muster zu finden, muss man Millionen von Varianten in vielen Genomen gleichzeitig auswerten. Von Hand geht das nicht, dafür braucht es Statistik und maschinelles Lernen.
Für die Wirtschaft ist das ein Milliardenmarkt. Firmen, die Sequenziergeräte bauen, Genomdaten auswerten oder darauf Medikamente entwickeln, tauchen regelmäßig in den Finanznachrichten auf. Gleichzeitig sind Genomdaten die persönlichsten Daten, die es gibt: Sie verraten etwas über Verwandte, die nie zugestimmt haben.
Vom Zellkern zur lesbaren Buchstabenfolge
Kein Gerät kann drei Milliarden Buchstaben am Stück lesen. Stattdessen zerlegt man die DNA in Millionen kurze Schnipsel. Jeder Schnipsel wird einzeln ausgelesen und liefert vielleicht 150 Buchstaben. Danach muss ein Computer die Schnipsel wieder zur richtigen Reihenfolge zusammensetzen. Man kann sich das wie ein Puzzle vorstellen, bei dem tausend identische Bücher geschreddert wurden und man aus den Fetzen ein vollständiges Buch rekonstruiert.
Damit das funktioniert, liest man jede Stelle mehrfach, typischerweise dreißigmal. Diese Überdeckung gleicht Lesefehler aus. Anschließend vergleicht die Software das Ergebnis mit einem Referenzgenom, also einer Art Standardausgabe des menschlichen Erbguts. Alle Abweichungen davon werden als Varianten notiert. Aus 100 Gigabyte Rohdaten wird so eine überschaubare Liste von einigen Millionen Unterschieden.
Ein häufiger Irrtum: Das Genom ist kein Programm, das man einfach ausführt. Nur etwa zwei Prozent der Buchstaben enthalten direkte Baupläne für Proteine, also für die Arbeitsmoleküle der Zelle. Der Rest steuert, reguliert oder hat Funktionen, die man erst teilweise versteht. Welche Wirkung eine Variante hat, ist deshalb oft unklar. Genau hier setzen KI-Modelle an, die aus bekannten Fällen lernen, welche Abweichungen gefährlich sind.
Genomdaten in Medizin, Ahnenforschung und Schlagzeilen
In der Krebsmedizin ist die Genomanalyse längst Alltag. Man sequenziert das Erbgut eines Tumors und vergleicht es mit dem gesunden Gewebe desselben Patienten. Aus den Unterschieden lässt sich manchmal ableiten, welches Medikament wirken dürfte. Auch bei seltenen Erbkrankheiten bei Kindern führt eine Genomanalyse oft schneller zur Diagnose als jahrelange Einzeluntersuchungen.
Kommerziell begegnet man dem Thema bei Anbietern von Speicheltests für Herkunft und Gesundheitsrisiken. Solche Tests lesen meist nicht das ganze Genom, sondern nur einige hunderttausend ausgewählte Stellen. Das ist billiger, aber deutlich weniger aussagekräftig. Der Fall des insolventen Anbieters 23andMe hat 2024 und 2025 gezeigt, was passiert, wenn eine Datenbank mit Millionen Genprofilen plötzlich zur Insolvenzmasse gehört.
In KI-Nachrichten taucht das Genom auf, wenn Modelle Erbgut wie eine Sprache behandeln. Systeme wie AlphaFold sagen aus Gensequenzen die räumliche Form von Proteinen voraus. Andere Modelle werden direkt auf DNA-Sequenzen trainiert, ähnlich wie Sprachmodelle auf Text. Die Idee dahinter: Wenn ein System Milliarden Buchstaben Erbgut gesehen hat, erkennt es Muster, die Menschen entgehen.