Von nass zu trocken: Wie KI das Labordesign verändert

Labore erleben dank eines gemeinsamen Disruptors einige große Veränderungen: künstliche Intelligenz.

Fortgeschrittene mathematische Modellierung, computergestützte Datenanalyse und generatives Design steigern die Nachfrage nach trockenen Laboren, die, wie der Name schon sagt, sich von sogenannten Nasslaboren unterscheiden, die Flüssigkeiten, Chemikalien und biologische Proben verwenden.

Nasslabore und praktische Wissenschaft bleiben der Kern der Forschung, aber ein globales Beratungsunternehmen schätzt, dass generative KI allein in der Arzneimittelforschung bis zu 28 Milliarden US-Dollar jährlichen Wert erzeugen könnte.

“Wir sehen bereits eine steigende Nachfrage nach Trockenlaboren, da große Pharmaunternehmen ihre Infrastruktur aufrüsten wollen,” sagt Richard Cairnes, JLL’s PDS UK und EMEA Head of Life Sciences. “Es könnte darum gehen, Einrichtungen in neuen Ländern zu schaffen, bei denen Wissenschaftler über die Cloud zusammenarbeiten, oder einfach bestehende Labore anzupassen, um zukünftige Beständigkeit zu gewährleisten und aktuelle Forschungsressourcen zu ergänzen.”

Betrachten Sie das britische Wellcome Genome Campus, wo die laufende Entwicklung große, offene Bereiche für Trockenlaborarbeit und Datenanalyse sowie spezielle Räume für Hochleistungsrechner und KI-Forschung umfasst. Oder das Max Delbrück Center für Molekulare Medizin (MDC) in Berlin, das erheblich Trockenlaborraum für Bioinformatik und rechnergestützte Biologie hinzugefügt hat.

Während wichtige Durchbrüche weiterhin von menschlichen Wissenschaftlern kommen werden, glaubt Gul Dusi, JLL’s Managing Director für PDS Life Science Projects in den USA, dass eine umfassendere Nutzung von Modellierung und KI das Labordesign grundlegend verändern wird.

“Es betrifft das gesamte Layout und verändert die Anzahl der benötigten Bänke, Strom-, Server- und Datenverbindungen sowie die Art und Weise, wie sich Menschen im Laborraum bewegen und interagieren,” sagt sie.

Während trockene Labore nicht das gleiche Design oder die gleiche Infrastruktur wie Nasslabore benötigen, gibt es andere Überlegungen, wie zum Beispiel den Bedarf an robusten Strom- und HLK-Systemen, um eine höhere Dichte an hochmoderner Ausrüstung zu unterstützen.

Das bedeutet, dass zwar die Umnutzung von ungenutzten Ressourcen zu trockenen Laboren eine Möglichkeit ist, aber nicht alle Gebäude für die adaptive Wiederverwendung geeignet sind.

Dusi hebt Quantencomputing-Labore als ein Beispiel hervor.

“Es ist eines der kompliziertesten Gebäude zu bauen, da es eine fast astronautenähnliche Umgebung ohne atmosphärischen Druck erfordert, die durch Tanks mit Stickstoff- und Argongas geschaffen wird,” erklärt sie.

Abgesehen von den Stromanforderungen fügt Dusi hinzu, dass trockene Labore möglicherweise immer noch erhebliche Tragfähigkeit für große oder schwere Ausrüstung benötigen, Anforderungen an die Deckenhöhe haben oder Schwingungsüberlegungen berücksichtigen müssen.

Cairnes stimmt zu und sagt, dass für Entwickler und Vermieter, die nach ROI suchen, die Kapitalaufwendungen für unterschiedliche technische Elemente es schwerer machen werden, Trockenlabore auf Spezifikation auszustatten, da Mieter sehr spezifische Anforderungen haben werden.

“Während sich die Baukosten physischer Gebäude möglicherweise nicht stark von traditionellen Laboren unterscheiden, sind es die komplexeren KI-, Automatisierungs- und Robotikausrüstungen, die die Kosten in die Höhe treiben werden,” sagt er. “Es ist wahrscheinlich, dass das Angebot flexibler Laborräume, die den Bedürfnissen der wissenschaftlichen Endnutzer und ihren spezifischen wissenschaftlichen Plänen entsprechen, bestehen bleibt und beim Labor der Zukunft von entscheidender Bedeutung sein wird.”

Fachleute im Projektmanagement nutzen nun digitale Tools und KI, um Zeit- und Qualitätsoptimierungen für eine strategischere und kosteneffektivere Konstruktion von Life Sciences-Projekten zu schaffen.

Die Fähigkeit der KI, große Mengen an Informationen zu sammeln, zu organisieren und zu interpretieren, um nützliche Erkenntnisse zu gewinnen, kann bei allem helfen, von Beschaffungsplanung und Programmplanung bis hin zur Überwachung der Sicherheit vor Ort oder Verbesserung der Nachhaltigkeit.

Cairnes erklärt, wie Building Information Modelling (BIM) hilft, digitale Zwillinge für die Visualisierung und bessere Planung zu erstellen. “Beispielsweise kann es potenzielle Kollisionen zwischen Rohren, Luftkanälen oder Elektrik und strukturellen Elementen wie Balken erkennen, die später teure Probleme verursachen könnten,” sagt er.

Für Dusi ist das Potenzial der KI, das Gesamterlebnis und Wohlbefinden der Menschen, die in Life Sciences-Laboren arbeiten, zu verbessern, am aufregendsten. Sie sieht enormes Potenzial für KI, verschiedene Szenarien zu simulieren und evidenzbasiertes Design für höhere Produktivität und Effizienz zu schaffen.

“Indem wir den Weg des Zugangs für die Wissenschaftler betrachten, wie viele Schritte es zwischen verschiedenen Geräten dauert, wie sie mit ihren Kollegen sowohl in Nass- als auch in Trockenlaboren interagieren, sowie Dinge wie Luftqualität und Tageslicht, können wir Labore entwerfen und bauen, die Forschern helfen, wichtige Durchbrüche schneller zu erreichen,” sagt sie.