Am 29. Juli 2026 rückte OpenAI seine leistungsfähigsten KI-Modelle für viele Hochschulen erstmals in Reichweite: Das Unternehmen kündigte einen kostenlosen Zugang an. Nicht für ein Wochenende und nicht als eingeschränkte Testversion, sondern für wissenschaftliche Arbeit in großem Maßstab. Bis Ende 2027 sollen bis zu 100.000 Forschende davon profitieren. Der Start fällt allerdings kleiner aus – und ist gerade deshalb aufschlussreich.
In der ersten Runde will das Unternehmen 10.000 Wissenschaftlerinnen und Wissenschaftler aufnehmen. Sie erhalten Zugang zur Modellfamilie GPT‑5.6 und zu Codex sowie zu erweiterten Recherchefunktionen, höheren Nutzungslimits und größeren Kontextfenstern. Das Spektrum reicht vom Schreiben und Prüfen von Code über Literaturrecherchen bis hin zu Genomanalysen, Proteinmodellierung und der Entwicklung von Hypothesen. Von Beginn an waren das Institute for Advanced Study in Princeton und die École normale supérieure in Paris beteiligt. Sein Engagement für externe wissenschaftliche Forschung bis 2027 beziffert OpenAI auf mehr als 250 Millionen Dollar. Recherchequelle: openai.com
Kostenlose Rechenleistung wird zum knappen Gut
Für Hochschulen hat das etwas von kostenlos bereitgestellter digitaler Laborausrüstung. Denn leistungsfähige KI verursacht laufende Kosten. Axios zufolge entspricht der Zugang für die Teilnehmenden ungefähr einem einjährigen Abonnement im Wert von 200 Dollar pro Monat. Gut ausgestattete Spitzenuniversitäten mögen das für überschaubar halten. Bei kleineren Arbeitsgruppen, jungen Forschenden oder Instituten mit knappen Budgets kann es dagegen darüber entscheiden, ob solche Modelle nur gelegentlich erprobt oder zu einem festen Werkzeug im Forschungsalltag werden. Recherchequelle: axios.com
Das Interesse war entsprechend groß. Schon am 10. August meldete OpenAI mehr als 13.000 Bewerbungen für die erste Welle. Da Bewerbungen auch Teamplätze umfassen konnten, standen dahinter bis zu 65.000 Nutzerkonten. Die erste Kohorte mit 10.000 Plätzen sollte unter den geeigneten Bewerbern ausgelost werden, weitere Interessenten kamen zunächst auf eine Warteliste. Nach nur zwölf Tagen war aus dem offenen Angebot ein knappes Gut geworden. Der Bedarf an Rechenleistung und leicht zugänglichen Spitzenmodellen ist in der Wissenschaft offenkundig groß.
Wer teilnehmen darf – und wer außen vor bleibt
Ganz so offen, wie die Zahl 100.000 vermuten lässt, ist das Programm allerdings nicht. Bewerben können sich Forschungsmitarbeitende und Postdocs ausgewählter Hochschulen in Ländern, in denen es verfügbar ist. Voraussetzung sind der Nachweis der institutionellen Zugehörigkeit und eine wissenschaftliche Arbeit, die in den vergangenen drei Jahren bei arXiv, bioRxiv oder ChemRxiv erschienen ist. Berücksichtigt werden unter anderem Biologie, Chemie, Informatik, Ingenieurwissenschaften, Mathematik und Physik. Geistes- und Sozialwissenschaften bleiben vorerst außen vor.
In einem genehmigten Arbeitsbereich können höchstens fünf Personen zusammenarbeiten. Der Zugang ist zwölf Monate lang kostenlos und verlängert sich anschließend nicht automatisch. Ohne Anschlusslösung deaktiviert OpenAI ihn nach einer möglichen Übergangsfrist. Eine Kreditkarte wird dennoch verlangt, auch wenn bei der Einrichtung zunächst null Dollar ausgewiesen werden. Recherchequelle: OpenAI Help Center
Ein Gratisjahr mit langfristiger Bindungswirkung
Ein dauerhaftes öffentliches Forschungsinstrument ist das also nicht. OpenAI gewährt vielmehr zeitlich begrenzten Zugang zu einer privaten Infrastruktur. Ein solches Angebot kann wissenschaftliche Arbeit beschleunigen, womöglich aber auch langfristig die Routinen prägen. Wer Analysen, Programmcode, Recherchen und interne Abläufe ein Jahr lang auf eine bestimmte Plattform ausrichtet, kehrt anschließend nicht einfach zum Ausgangspunkt zurück. Aus einem nützlichen Werkzeug kann rasch ein fester Teil des Inventars werden.
Wenn geschlossene Modelle die Nachvollziehbarkeit erschweren
Damit geht es für die Wissenschaft um mehr als den bloßen Zugang. Entscheidend ist auch, ob Ergebnisse nachvollziehbar bleiben. Gute Resultate allein genügen nicht: Methoden müssen beschrieben, Versuche wiederholt und Schlussfolgerungen kritisch geprüft werden können. Bei einem proprietären Sprachmodell bleiben jedoch wichtige Bestandteile und Prozesse im Verborgenen: die Modellgewichte, große Teile der Trainingsgrundlage, interne Systemanweisungen und manche nachträglichen Änderungen des Dienstes.
In Nature Computational Science argumentierten drei Forschende bereits, dass der Einsatz geschlossener Sprachmodelle in wissenschaftlichen Arbeiten ausdrücklich begründet werden sollte. Als offen gelten für sie Systeme, die heruntergeladen, offline ausgeführt, geteilt und eindeutig versioniert werden können. ChatGPT erfüllt diese Anforderungen nicht. Forschung mit dem Dienst wird dadurch keineswegs wertlos, verlangt aber eine andere Form der Dokumentation: Welches Modell wurde verwendet? Wann? Mit welchen Eingaben, Einstellungen und Wiederholungen? Recherchequelle: Nature Computational Science
Wie wichtig diese Nachvollziehbarkeit ist, zeigt sich spätestens dann, wenn KI nicht bloß Formulierungen glättet, sondern Daten verarbeitet. Eine in Nature Biomedical Engineering veröffentlichte Untersuchung prüfte jeweils acht proprietäre und acht offene Sprachmodelle bei Programmieraufgaben für biomedizinische Datenanalysen. Im Durchschnitt blieb die Genauigkeit zunächst unter 40 Prozent. Auf 74 Prozent kam erst ein Verfahren, bei dem das Modell vor dem Programmieren einen Analyseplan erstellte und diesen schrittweise überarbeitete. Ein starkes Modell allein genügte also nicht; entscheidend war ein strukturierter, nach und nach verfeinerter Analyseprozess. Recherchequelle: Nature Biomedical Engineering
Forschungsdaten zwischen Schutzversprechen und institutioneller Kontrolle
Beim Umgang mit Forschungsdaten kommen weitere Fragen hinzu. OpenAI verspricht für das Programm Schutzmechanismen auf Geschäftskundenniveau. Inhalte aus den Arbeitsbereichen sollen standardmäßig nicht zum Trainieren der Modelle verwendet werden. Je nach Konfiguration dürfen Administratoren die dort gespeicherten Daten allerdings einsehen, exportieren, prüfen, aufbewahren oder löschen. Auch einer Weitergabe zur Modellverbesserung können sie zustimmen. Für Forschende zählen daher nicht nur die Regeln des Anbieters, sondern ebenso die Einstellungen und Vorgaben der eigenen Institution. Recherchequelle: OpenAI Help Center
Besonders heikel sind unveröffentlichte Messwerte, Patientendaten, sensible Feldstudien oder Ideen für künftige Patente. Eine beiläufig hochgeladene Tabelle kann wissenschaftlich wertvoller sein als das fertige Manuskript. Hochschulen müssen deshalb festlegen, welche Daten in solche Systeme dürfen, wie KI-Einsätze protokolliert werden und wann eine lokale oder offen zugängliche Alternative vorzuziehen ist.
Mehr Zugang bedeutet noch keine demokratische Infrastruktur
OpenAIs Angebot kann Forschung demokratischer machen, weil mehr Menschen leistungsfähige Werkzeuge ausprobieren können. Demokratisch wird die zugrunde liegende Technik dadurch noch nicht. Die Tür steht offen, doch das Gebäude gehört weiterhin einem Unternehmen, das Modelle austauschen, Bedingungen verändern und nach zwölf Monaten neue Preise oder Anschlussangebote festlegen kann.
Die klügste Reaktion liegt daher weder in Begeisterung noch in Abwehr, sondern in neugieriger Vorsicht. Forschende können das kostenlose Jahr kritisch nutzen und jeden Einsatz sauber protokollieren. Hochschulen wiederum sollten eine zeitlich begrenzte Förderung nicht stillschweigend zum Standard machen. Denn wer wissenschaftliche Infrastruktur bereitstellt, liefert nicht bloß Antworten. Er beeinflusst auch, welche Fragen sich bequem stellen lassen.
Weiterführende Informationen
Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.
OpenAI – Mit ChatGPT für Forschende wissenschaftliche Entdeckungen beschleunigen
Die Originalankündigung erläutert Leistungen, Auswahlverfahren und geplanten Ausbau des kostenlosen Forschungsprogramms.
https://openai.com/de-DE/index/chatgpt-for-academic-researchers/
Christian-Albrechts-Universität zu Kiel – Künstliche Intelligenz in der Forschung
Der Forschungsleitfaden erklärt die eingeschränkte Reproduzierbarkeit von KI-Ergebnissen und nennt konkrete Anforderungen an die Dokumentation von Modellen, Versionen, Parametern und Eingaben.
https://www.uni-kiel.de/de/zentren/dsc/ki
Moonlight – Can Large Language Models Replace Data Scientists in Clinical Research?
Die deutsch lokalisierte Besprechung vertieft die Vorfassung der Untersuchung anhand von 293 biomedizinischen Programmieraufgaben und erläutert die getesteten schrittweisen Verbesserungsstrategien.
https://www.themoonlight.io/de/review/can-large-language-models-replace-data-scientists-in-clinical-research
