Die Forschungsabteilung für maschinelles Lernen des Technologieunternehmens Apple hat ein neues generatives KI-Modell namens SimpleDesign vorgestellt. Das System ist in der Lage, Aminosäuresequenzen und dreidimensionale Proteinstrukturen in einem gemeinsamen Rechenprozess zu entwerfen. Damit weicht die Entwicklung von herkömmlichen Methoden ab, die diese Schritte bislang meist getrennt voneinander vollziehen.
Wie aus einem Bericht vom 11.09.2026 hervorgeht, setzt Apple ML Research mit SimpleDesign auf ein integriertes End-to-End-Training. Das Modell erzeugt sowohl die chemische Zusammensetzung als auch die räumliche Anordnung der Proteine gleichzeitig. Dieser Ansatz unterscheidet sich grundlegend von der bisher üblichen zweistufigen Vorgehensweise.
In älteren Verfahren wurde die Sequenz zunächst durch einen sogenannten Autoencoder tokenisiert, bevor ein separates generatives Modell die Struktur berechnete. SimpleDesign verzichtet laut Branchenberichten auf solche Zwischenrepräsentationen und arbeitet unmittelbar mit diskreten Sequenzen sowie kontinuierlichen Strukturen.
Multimodale Transformer-Architektur als technische Basis
Das technische Gerüst von SimpleDesign bildet ein multimodaler Transformer. Wie Fachberichte am 12.09.2026 erläuterten, kommen dabei spezifische Transformer-Backbones zum Einsatz, die jeweils auf die Verarbeitung von Sequenzen oder Strukturen spezialisiert sind. Eine globale Attention-Komponente sorgt zudem für die Koordination zwischen den verschiedenen Modalitäten während des Entwurfsprozesses.
Für das Training des Modells griffen die Apple-Forscher auf eine umfangreiche Datenbasis zurück. Laut Angaben vom 12.09.2026 wurde SimpleDesign mit mehr als 2 Mio. Sequenz-Struktur-Paaren trainiert.
Der Großteil dieser Daten stammt aus dem AFESM-Datensatz, in dem auch die Informationen der bekannten AlphaFold-Datenbank enthalten sind. Durch diese breite Datenlage soll das Modell ein tiefgreifendes Verständnis für die Zusammenhänge zwischen biologischer Sequenz und physikalischer Faltung entwickelt haben.
Zweistufige Pipelines mit Autoencoder-Tokenisierung und separatem Strukturmodell kosten Zeit und erschweren die Fehlersuche. Der kostenlose Leitfaden zeigt Schritt für Schritt, wie ein multimodaler Transformer Sequenz und Struktur in einem gemeinsamen Prozess erzeugt — und woran Sie erkennen, ob eine solche Studie belastbar ist. Kostenlosen Leitfaden jetzt anfordern
Ergebnisse in Computer-Benchmarks und ausstehende Validierung
In ersten rechnergestützten Tests erzielte das Modell laut Berichten kompetitive Ergebnisse. Dies betrifft sowohl das sogenannte Co-Design – also den gleichzeitigen Entwurf von Struktur und Sequenz – als auch die isolierte Generierung einzelner Komponenten. Das System habe sich in gängigen Computer-Benchmarks als leistungsfähig erwiesen.
Trotz der positiven Ergebnisse im digitalen Testumfeld betonen Branchenexperten die Grenzen der bisherigen Untersuchung. Eine experimentelle Validierung der Ergebnisse steht bislang noch aus.
Wie am 12.09.2026 berichtet wurde, wurden die durch die KI entworfenen Proteine bisher nicht in physischen Labortests auf ihre tatsächliche Faltung, ihre biologische Funktion oder ihre Sicherheit hin überprüft. Die bisherige Bewertung stütze sich ausschließlich auf computergestützte Analysen.
Status der Veröffentlichung und kommerzielle Verfügbarkeit
Viele KI-Proteindesign-Studien glänzen in Computer-Benchmarks, ohne je im Labor geprüft worden zu sein. Der Leitfaden liefert eine Checkliste, mit der Sie Datenbasis, Benchmark-Ergebnisse und den Stand der experimentellen Validierung systematisch einordnen — bevor Sie Ergebnisse in eigene Projekte übernehmen. Checkliste jetzt kostenlos sichern
Die Vorstellung von SimpleDesign erfolgte im Rahmen einer wissenschaftlichen Studie beziehungsweise als arXiv-Preprint. Apple ML Research verfolgt damit primär ein wissenschaftliches Ziel in der Grundlagenforschung der Bioinformatik.
Bislang wurde mit Unterstützung von SimpleDesign kein Medikament entwickelt. Zudem gibt es keine Informationen über die Veröffentlichung eines kommerziellen Werkzeugs für externe Anwender. Das Projekt bleibt damit vorerst im Stadium der akademischen Forschung innerhalb des Unternehmens. Die Veröffentlichung der Studie ermöglicht es der Fachwelt jedoch, den neuen methodischen Ansatz der einstufigen Proteingenerierung im Detail nachzuvollziehen.
