Nature: Die 100 am schnellsten wachsenden Technologien laut KI
Australische Forscher nutzten das Wikipedia2Vec-Modell, um das Momentum-100-Ranking zu erstellen, in dem Reinforcement Learning, Blockchain und 3D-Druck als die am schnellsten wachsenden Technologien des Jahres 2026 auf Basis der Wikipedia-Datenanalyse genannt werden.
Momentum 100: Wie KI erstmals ohne Experten die am schnellsten wachsenden Technologien des Jahres 2026 identifizierte
Einleitung
Jedes Jahr veröffentlichen führende globale Publikationen und Denkfabriken Rankings der vielversprechendsten Technologien. MIT Technology Review, Stanford University, das Weltwirtschaftsforum – alle stützen sich auf die Meinungen eines engen Expertenkreises, deren Urteile, so autoritär sie auch sein mögen, zwangsläufig subjektiv sind.
Im April 2026 schlug das australische Analyseunternehmen League of Scholars einen radikal anderen Ansatz vor. In Zusammenarbeit mit Nature Index präsentierte es das Momentum-100-Ranking – die erste Liste der dynamischsten Technologien, die nicht von Menschen, sondern von Künstlicher Intelligenz auf Basis einer Wikipedia-Analyse erstellt wurde. Die KI untersuchte Zehntausende von Artikeln, analysierte Millionen von Hyperlinks und die Dynamik der Seitenaufrufe, um ohne menschliches Eingreifen zu bestimmen, welche Technologien am schnellsten an Fahrt gewinnen.
Ereignisdetails und Zeitplan
Das Momentum-100-Ranking basiert auf dem offenen Datensatz Cosmos 1.0, der in der Zeitschrift Scientific Data, einer Publikation der Nature-Gruppe, veröffentlicht wurde. Zur Erstellung nutzte das Team von League of Scholars das Sprachmodell Wikipedia2Vec, das Wikipedia-Artikel in mehrdimensionale numerische Vektoren – sogenannte „Embeddings“ – umwandelt.
Der entscheidende Vorteil dieser Methode ist, dass Embeddings nicht nur den Inhalt von Artikeln erfassen, sondern auch die Logik der Hyperlinks zwischen ihnen, die reale semantische Verbindungen im wissenschaftlichen und technischen Diskurs widerspiegeln.
Die Methodik umfasste mehrere Schritte:
- Analyse-„Seed“ – ein einzelner Startartikel mit dem Titel „Liste neuer Technologien“.
- Netzwerkerstellung – der Algorithmus extrahierte fast 55.000 miteinander verknüpfte Wikipedia-Seiten.
- Filterung – davon wurden über 23.000 Seiten beibehalten, die direkt mit Technologien und verwandten Konzepten zu tun haben.
- Bewertung – jede Technologie erhielt einen Index basierend auf Alter, Dynamik der Seitenaufrufe und anderen Metriken.
Die Validierung der Ergebnisse erfolgte durch Vergleich mit anderen Datensätzen, darunter akademische Publikationen und Patentinformationen.
Der Erstellungszeitplan von Cosmos 1.0 wird als arbeitsintensiver Prozess beschrieben, der sechs Monate hätte dauern sollen, aber das Team von League of Scholars, unterstützt von Programmierern und Designern, schloss ihn in einer Woche ununterbrochener Arbeit ab.
Auswirkungen und Bedeutung
Für Wissenschaft und Analytik bedeutet die Entstehung von Momentum 100 einen Paradigmenwechsel in Prognosemethoden. Wie Catherine Aiken von der Georgetown University, die sich auf neue Technologien spezialisiert hat, anmerkt: „In den letzten sechs Jahren wurden Methoden zur Identifizierung vielversprechender Bereiche kaum aktualisiert – sie sind zu expertenorientiert, arbeitsintensiv und individualisiert.“ Sie bezeichnete Cosmos 1.0 als „nützliche Ergänzung“ in diesem Bereich, die Möglichkeiten für objektivere Analysen eröffnet.
Die Top-10-Technologien des Momentum-100-Rankings (erste drei Plätze: Reinforcement Learning, Blockchain und 3D-Druck) umfassen auch Soft Robotik, Augmented Reality und Omics-Technologien – groß angelegte Untersuchungen von Biomolekülen wie DNA, Proteinen und Metaboliten.
Schlüsseltechnologien des Rankings:
| Rang | Technologie | Hauptmerkmal |
|------|-------------|--------------|
| 1 | Reinforcement Learning | Das System lernt durch Versuch und Irrtum und erhält eine „Belohnung“ für richtige Entscheidungen |
| 2 | Blockchain | Anwendungen gehen weit über Kryptowährungen hinaus: medizinische Daten, Lieferketten, Energie |
| 3 | 3D-Druck | Additive Technologien setzen ihre Expansion in Industrie und Medizin fort |
Warum ist Reinforcement Learning auf Platz eins?
Die Vielseitigkeit der Methode, die es der KI ermöglicht, sequenzielle Entscheidungen in einer komplexen, sich ständig verändernden Umgebung zu treffen, sicherte ihre Führungsposition. KI auf Basis von Reinforcement Learning schlägt bereits Champions in Go und Schach, wird in der Arzneimittelentwicklung und bei Drohnenrennen eingesetzt. Die Ersteller des Rankings stellen fest, dass der Algorithmus mathematisch natürliche Lernmechanismen nachbildet – grob gesagt, wie Tiere Kommandos lernen, indem sie Leckerlis erhalten.
Blockchain: von Kryptowährungen zu Schwarmlernen
Das Interesse an Blockchain, das ihm den zweiten Platz einbrachte, wird nicht durch Bitcoin, sondern durch Veröffentlichungen in führenden wissenschaftlichen Zeitschriften befeuert. Ein Artikel, der über 800 Zitierungen erhielt, beschreibt Schwarmlernen – eine Methode, die es Krankenhäusern und Laboren ermöglicht, gemeinsam KI an medizinischen Daten zu trainieren, ohne die persönlichen Daten der Patienten preiszugeben.
Reaktion der Hauptakteure
Paul McCarthy selbst, Mitbegründer von League of Scholars, definiert die Philosophie des Projekts als Versuch, „Technologien von unten nach oben zu kartieren“, indem die Fähigkeit der KI genutzt wird, verborgenes Wissen in großen komplexen Systemen zu entdecken.
Nature, das den Artikel über das Ranking veröffentlichte, legitimiert damit diesen Ansatz vor einem akademischen Publikum. Die Autorität der Zeitschrift dient als wichtiges Signal an die wissenschaftliche Gemeinschaft: KI-Daten können genauso zuverlässig sein wie Experteneinschätzungen.
Catherine Aiken von der Georgetown University, deren Einschätzung sowohl in Nature als auch auf einem ukrainischen populärwissenschaftlichen Portal zitiert wird, äußert vorsichtigen Optimismus. Sie bezeichnet Cosmos 1.0 als „nützliche Ergänzung“ zu bestehenden Methoden, plädiert jedoch nicht für eine vollständige Abkehr vom Expertenansatz.
Prognose und Schlussfolgerungen
Kurzfristige Prognose (2026-2027): League of Scholars plant, das Ranking jährlich zu erstellen und die Dynamik zu verfolgen. Dies wird es ermöglichen, nicht nur aktuelle Spitzenreiter zu erfassen, sondern auch Technologien zu identifizieren, die an Boden verlieren oder gewinnen.
Langfristige Prognose (2028+): Sollte sich der Ansatz als effektiv erweisen, könnten wir eine Verbreitung ähnlicher Methoden in der Unternehmensstrategie, bei Risikokapitalinvestitionen und in der staatlichen Planung erleben. Die KI-Analyse großer Mengen unstrukturierter Daten (wissenschaftliche Artikel, Patente, Nachrichtenfeeds) kann technologische Trends früher erkennen, als selbst die aufmerksamsten Experten sie bemerken.
Hauptschlussfolgerung: Momentum 100 ist nicht nur ein weiteres Ranking. Es ist eine Demonstration, wie KI Funktionen übernehmen kann, die traditionell als Vorrecht menschlicher Experten galten. Die Analyse von 55.000 Wikipedia-Artikeln und die Identifizierung versteckter Verbindungen zwischen ihnen ist eine Aufgabe, die für jede Analystengruppe unmöglich, für ein gut trainiertes Modell jedoch trivial ist.
Es ist bezeichnend, dass die Technologie auf Platz 1 des Rankings genau die Methode ist, die seine Erstellung ermöglicht hat. Reinforcement Learning ist dasselbe „Versuch-Irrtum-Belohnung“-Paradigma, das die Natur für alles nutzt – vom Hundetraining bis zur Evolution der Arten. Und die KI, die das Ranking erstellte, wandte im Grunde dasselbe Prinzip auf die Analyse menschlichen Wissens an. Es ergab sich eine Art Rekursion, die vielleicht der beste Beweis dafür ist, dass die Wahl der Technologie absolut richtig ist.
— Editorial Team
Noch keine Kommentare.