Der Einsatz Künstlicher Intelligenz in der Proteinfaltung, insbesondere durch AlphaFold, markiert einen Meilenstein der modernen Strukturbiologie. AlphaFold 3 (AF3) wurde entwickelt, um Proteininteraktionen vorherzusagen und besitzt großes Potenzial für die Medikamentenforschung. D-Peptide, spiegelbildliche Doppelgänger natürlicher L-Peptide, sind besonders relevant, da sie proteaseresistent sind und darum in Alzheimer- & Krebsforschung interessant wirken. Doch wie gut erfasst AF3 "D-Doppelgänger"? Dieses Projekt untersucht die Hypothese, dass AF3 aufgrund fehlender D-Peptid-Daten an der korrekten Chiralität scheitert. Mittels AF3-Vorhersagen werden die Modelle auf Chiralitätsverletzungen, Docking-Präzision (RMSD) und weiterem analysiert. Die Ergebnisse zeigen, wie AF3 D-Peptide häufig in falsche L-Konformationen zwingt. Dies verdeutlicht, dass KI-Modelle in der stereochemischen Medikamentenentwicklung noch unzureichend sind und physikbasierte Methoden ergänzend erforderlich bleiben.