KI-Wissenschaftler-Agenten & Hypothesengenerierung

Forschungsteams ertrinken in Literatur und Daten, und gute Hypothesen scheitern oft an der Zeit, die Wissenschaftler zum Lesen, Verknüpfen und Testen von Ideen haben. KI-Wissenschaftler-Systeme verketten Reasoning-LLMs, Literaturrecherche, Code-Ausführung und Fachwerkzeuge, um nach Rang geordnete Hypothesen vorzuschlagen, In-silico-Analysen durchzuführen und Texte zu entwerfen. Am besten arbeiten sie als unermüdliche Nachwuchskräfte bei klar umrissenen Problemen; Validierung, Bestätigung im Labor und Verantwortung bleiben bei den menschlichen Wissenschaftlern.

Problem & Nutzen

• Heute: Wissenschaftler durchsuchen Fachartikel von Hand, verlassen sich bei Ideen auf persönliche Netzwerke und führen Analysen in Ad-hoc-Notebooks durch. Fachübergreifende Zusammenhänge und negative Ergebnisse werden regelmäßig übersehen.
• KI-Nutzen: breitere Abdeckung der Literatur, systematische Erzeugung und Kritik von Kandidatenhypothesen, automatisierte Routineanalysen (Neuanalyse von Datensätzen, Parameterläufe), schnellere Iteration, bevor Laborbudget gebunden wird.
• Bisherige Evidenz: Googles KI-Co-Wissenschaftler (Multi-Agent, auf Gemini-Basis) meldete Hypothesen zur Wirkstoff- Umwidmung und zu einem Mechanismus des bakteriellen Gentransfers, die in Kooperationen im Labor überprüft wurden [1]; FutureHouse berichtete, sein Multi-Agenten-System Robin habe eine Therapierichtung für die trockene altersbedingte Makuladegeneration vorgeschlagen, die anschließend experimentell getestet wurde [2]; der „AI Scientist“ von Sakana AI erstellte vollständige ML-Fachartikel durchgängig, wobei ein Beitrag auf Workshop-Niveau die Begutachtung bestand, während unabhängige Bewertungen häufig Mängel bei der Neuheitsprüfung und der experimentellen Sorgfalt fanden [3][4]. Dies sind von Anbietern/Laboren berichtete Ergebnisse zu ausgewählten Problemen, keine allgemeinen Produktivitätsgarantien.

Varianten

• Pharma-/Biotech-F&E: Hypothesen zu Zielstrukturen und Umwidmung, Schlussfolgerungen zum Wirkmechanismus (Verknüpfung mit SCI-002, SCI-017).
• Materialien & Chemie: Kandidatenvorschläge, die Simulation und selbststeuernde Labore speisen (SCI-003, SCI-007).
• Datengetriebene Entdeckung: Agenten, die große Datensätze (Genomik, Sozialwissenschaft, Wirtschaft) selbstständig analysieren und Berichte schreiben.
• Automatisierung der ML-Forschung: Agenten, die Ideen in Code umsetzen und vergleichend testen.
• Hochschulen / öffentliche Forschung: institutionelle Forschungsassistenten, Unterstützung bei Anträgen und Begutachtung; private Nutzung: Neugierige, die Deep-Research-Werkzeuge zum Lernen nutzen, nicht zur Entdeckung.

So funktioniert es

1. research goal + constraints
2. literature & database retrieval (RAG over papers, patents, internal reports)
3. hypothesis generation (multiple agents / debate / evolutionary "generate-critique-rank")
4. novelty & plausibility check (search, knowledge graph, tool calls)
5. experiment / analysis planning
6. execution in sandbox (code, simulations, docking, stats) or hand-off to lab automation
7. result interpretation, iteration, provenance log
8. report with citations ⇒ scientist review & decision

• Reasoning-LLMs erzeugen und kritisieren Ideen; ein Turnier- oder Elo-artiges Ranking wählt Kandidaten aus.
• Werkzeuge: Literatursuche, Code-Interpreter, Fachmodelle (z. B. der Klasse AlphaFold, SCI-001), Datenbanken.
• Gedächtnis / Herkunftsnachweis: jede Aussage mit einer Quelle oder einem Lauf verknüpft; reproduzierbare Notebooks.
• Mensch-in-der-Schleife (Human-in-the-Loop): Wissenschaftler legen Ziele fest, prüfen die geordneten Hypothesen, genehmigen jeden Schritt im Labor, bei Ausgaben oder bei der Datenweitergabe und geben Veröffentlichungen frei. Agenten dürfen Experimente nicht selbst genehmigen.

Datenaufbereitung

Agenten brauchen die Literatur (PDFs von Verlagen, Preprint-Server, Patentdatenbanken), internes Wissen (elektronische Laborbücher, Berichte, Wikis, Dateiablagen) und strukturierte Forschungsdaten (LIMS, Assay-Ergebnisse, Gerätedateien). Typische Lücken: gescannte oder geschützte PDFs, Lizenzbeschränkungen für Text Mining, doppelte und undatierte Berichte, Freitext-Laborbücher ohne Kennungen, nie dokumentierte fehlgeschlagene Experimente, uneinheitliche Einheiten und Ontologien sowie unklare Zugriffsrechte zwischen Projekten.

Schritte der Aufbereitung: Quellen und Rechte inventarisieren (PREP-001, PREP-004); Verlagslizenzen für Text- und Data-Mining prüfen; Scans per OCR erfassen (PREP-006); einen maßgeblichen Korpus mit Metadaten kuratieren (PREP-013, PREP-010); Glossar und Synonymlisten aufbauen (PREP-015); strukturierte Daten über APIs bereitstellen (PREP-005); einen Testsatz mit Fragen und Expertenantworten erstellen (PREP-018). Werkzeuge: GROBID, Docling oder ähnliche Parser, eine Vektordatenbank. Rechnen Sie mit etwa 40 Prozent des Aufwands für die Datenaufbereitung. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Unternehmen (Pharma, F&E): Weg B. Agenten-Frameworks auf Frontier-Modell-APIs mit EU-Regionen bieten die beste Reasoning-Qualität, während interne Daten hinter eigenen Konnektoren bleiben.
• Entwickler: Weg B. Frontier-APIs plus offene Orchestrierungs-Frameworks sind der schnellste Weg, Agenten-Entwürfe zu prototypisieren und zu bewerten.
• Öffentlicher Sektor (Hochschulen, Institute): Weg B. Nutzen Sie in der EU gehostete oder souveräne Cloud-Modellendpunkte; Frontier-Modelle selbst zu betreiben ist für die meisten Einrichtungen unerreichbar.

Weg A — Kaufen (Standardsoftware)

• Forschungsagenten / Deep Research: FutureHouse-Plattform (Agenten Crow, Falcon, Owl, Phoenix) und ihre Ausgründung Edison Scientific (Kosmos), Google Gemini Deep Research und KI-Co-Wissenschaftler (Zugangsprogramm), OpenAI Deep Research, Elicit, Consensus, Werkzeuge im Stil von FutureHouse für die Literatur (siehe KNOW-008).
• F&E-Plattformen für Unternehmen: Benchling, Dotmatics, Elsevier/Reaxys und Digital-Science-Werkzeuge ergänzen agentische Funktionen; EU-Anbieter sind u. a. Iktos (FR, Moleküldesign), Owkin (FR, Biologie-/Pharma-Agenten), Cradle (NL, Proteindesign) und Bioptimus (FR, Basismodelle für die Biologie).
• Wählen Sie A, wenn: Sie schnell literaturgestützte Ideenfindung wollen und kein ML-Team haben; nehmen Sie in Kauf, dass die Hypothesengenerierung generisch ist, und prüfen Sie die Auftragsverarbeitungsbedingungen bei vertraulichem geistigem Eigentum.

Weg B — Auf Cloud-KI-Diensten aufbauen (empfohlen)

• Modelle: Frontier-Reasoning-Modelle (Claude, Gemini, GPT) über EU-Regionen (Vertex AI, Azure OpenAI EU, AWS Bedrock Frankfurt) oder Mistral (EU-Anbieter).
• Orchestrierung: LangGraph, Google ADK, OpenAI Agents SDK, Claude Agent SDK, PydanticAI; Model-Context- Protocol-(MCP-)Server für PubMed, arXiv, UniProt, ChEMBL; Code-Ausführung in einer Sandbox (E2B, Docker).
• Suche: OpenAlex, Semantic Scholar API, Europe PMC, PubMed E-utilities, CORE für Open-Access-Volltexte; Vektordatenbank (pgvector, Qdrant (DE)) und optional ein Wissensgraph (Neo4j).
• Wählen Sie B, wenn: Sie ein klar umrissenes Fachgebiet, anzubindende interne Daten und Entwickler haben.

Weg C — Selbst betreiben (Open Source)

• Frameworks: Sakanas AI-Scientist (offener Code, einschließlich v2 mit agentischer Baumsuche), FutureHouse PaperQA2 und offene Aviary-Umgebungen, Werkzeuge für die Suche im Stil von AI2 Asta/OpenScholar, AutoGen/smolagents.
• Modelle: Open-Weight-Reasoning-Modelle wie DeepSeek-R1-Klasse, Qwen3 Reasoning, gpt-oss, Mistral und Llama-Familien; auf die Wissenschaft abgestimmte Varianten (z. B. FutureHouse ether0 für die Chemie).
• Hardware: HW4 für große Reasoning-Modelle mit brauchbarer Geschwindigkeit; HW3 mit quantisierten Modellen mit ca. 70–120 Mrd. Parametern für Pilotprojekte. Vertrauliche Patente und unveröffentlichte Daten verlassen nie das Haus.
• Aufwand: erheblich; die Zuverlässigkeit von Agenten erfordert Evaluierungsumgebungen und ein eigenes Team.

Weg D — Eigenes Training

Feintuning oder bestärkendes Lernen (RL) auf Fachaufgaben (z. B. Schlussfolgern in der Chemie, Vorhersage von Experimentergebnissen) zahlt sich nur mit großen eigenen Beständen gelabelter Daten aus, etwa Jahren an ELN- und Assay-Daten. Beginnen Sie mit Suche und Werkzeugen; trainieren Sie später, um Kosten zu senken oder Fähigkeiten zu ergänzen.

Stand der Technik (2026)

• Multi-Agenten-Schleifen aus Erzeugen, Debattieren und Ranking mit Rechenaufwand zur Laufzeit sind das vorherrschende Muster; Systeme berichten, dass mehr Rechenleistung die Hypothesenqualität verbessert, bewertet von Experten und durch Elo-artige Selbstbewertung [1].
• Agenten, die ganze Fachartikel schreiben, gibt es (Sakana AI Scientist v1/v2), doch unabhängige Prüfungen fanden schwache Neuheitserkennung, Programmierfehler und überhöhte Behauptungen; das meiste Ergebnis ist inkrementell [4].
• Benchmarks: LAB-Bench (FutureHouse, Forschungsaufgaben der Biologie), PaperBench und MLE-bench (Reproduktion und Ausführung von ML-Forschung), ScienceAgentBench; Agenten bleiben bei offenen Aufgaben deutlich unter Expertenniveau [5].
• Fehlerbilder: erfundene Quellenangaben, plausible, aber nicht testbare oder bereits bekannte Ideen („Neuheitsillusion“), P-Hacking durch autonome Analyse, Bewertung durch LLM-Richter, die dieselben Verzerrungen wie der Generator haben, und Lücken in der Reproduzierbarkeit. Wissenschaftler müssen Quellen prüfen und zentrale Analysen erneut ausführen.
• Trend: Kopplung mit Roboterlaboren (SCI-007), um den Kreislauf von Hypothese und Experiment zu schließen, und mit Spezialmodellen (SCI-001, SCI-002, SCI-003).

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-reasoning, agent-framework, vector-db, llm-code): KNOW-008 Literaturassistent, AGENT-013 Multi-Agenten-Systeme, SCI-018 Agenten zur Spektreninterpretation.
• Vor- und nachgelagert: SCI-017 (Identifikation von Zielstrukturen), SCI-002 (Screening), SCI-003 (Materialien), SCI-007 (autonomes Experimentieren), SCI-012 (formales Schließen).
• Datenpipelines: Ein gemeinsamer Literaturindex (OpenAlex/Europe PMC) und ELN-/LIMS-Konnektoren bedienen viele F&E-Anwendungsfälle; ein Dienst zur Code-Ausführung in einer Sandbox ist über Agenten hinweg wiederverwendbar.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen; Preise je Arbeitsplatz oder nach Guthaben.
• Weg B: 3–6 Monate für einen Piloten in einem Fachgebiet mit Evaluierungsumgebung und Integrationen; die LLM-Kosten steigen mit den Agentenschritten (lange Reasoning-Schleifen können teuer sein, setzen Sie daher Budgets).
• Weg C: 6+ Monate, GPU-Knoten plus ein ML-/Plattform-Team.
• Kennzahlen: Anteil der Agentenhypothesen, die Experten als lohnend einstufen, Genauigkeit der Quellenangaben, Trefferquote bei der experimentellen Validierung, Zeit von der Frage bis zum geordneten Plan, eingesparte Wissenschaftlerstunden, Kosten je validierter Hypothese, Reproduzierbarkeitsquote der Agentenanalysen.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung für Umfang und Budget ein, die Leitung der Forschungsabteilung als Prozessverantwortliche, Wissenschaftler als tägliche Anwender, IT und IT-Sicherheit (Code-Ausführung in der Sandbox, Berechtigungen für Werkzeuge), Legal/Compliance (Lizenzen, geistiges Eigentum, Publikationsregeln) und die Eigentümer der Datenquellen. Binden Sie die bzw. den Datenschutzbeauftragte(n) ein, wenn personenbezogene Daten, etwa klinische Daten oder Teilnehmerdaten, in das System gelangen (GUIDE-005, GUIDE-013).

Betriebsrat: abhängig vom Einzelfall. Nutzungsprotokolle von Prompts, Agentenläufen und Ausgaben können zur Verhaltens- oder Leistungskontrolle von Forschenden geeignet sein, und für § 87 Abs. 1 Nr. 6 BetrVG genügt die objektive Eignung; § 90 Abs. 1 Nr. 3 verlangt die rechtzeitige Unterrichtung über KI-gestützte Arbeitsprozesse, und § 80 Abs. 3 erlaubt einen KI-Sachverständigen. Die übliche Lösung ist eine Betriebsvereinbarung, die die Leistungsbewertung begrenzt (GUIDE-004). Öffentliche Institute beteiligen den Personalrat.

KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) verlangt Maßnahmen, die die KI-Kompetenz der Beschäftigten fördern; schulen Sie zu erfundenen Quellenangaben und übermäßig sicheren Hypothesen (GUIDE-006). Starten Sie einen Piloten mit einem aufgeschlossenen Team und einer Fragestellung, mit einem KI-Champion. Typische Sorgen: Verlust wissenschaftlicher Autonomie und Anerkennung. Begegnen Sie ihnen, indem Agenten Assistenten bleiben, jeder Schritt und jede Aussage von Menschen geprüft wird und Regeln zur Autorschaft dokumentiert werden (GUIDE-008).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko bei interner F&E-Unterstützung; die Verordnung nimmt KI-Systeme aus, die allein für wissenschaftliche Forschung und Entwicklung entwickelt und genutzt werden (Art. 2 Abs. 6), während Anbieter von KI-Modellen mit allgemeinem Verwendungszweck (GPAI) eigene Pflichten tragen [6]. Produkte, die für regulierte Entscheidungen wiederverwendet werden (Medizinprodukte, Sicherheit), verändern die Einstufung; die KI-Kompetenz (Art. 4) gilt für die Beschäftigten.
• DSGVO: überwiegend nicht personenbezogen, aber Patientendaten, klinische Datensätze und Daten von Forschenden können in Prompts gelangen; erforderlich sind Rechtsgrundlage, AVV, Verarbeitung in der EU und Datenminimierung (siehe Leitlinien von EDSA/EDPS).
• Forschungsintegrität: Beachten Sie die DFG-Hinweise zu generativer KI und die ALLEA-/EU-„Living guidelines on responsible use of generative AI in research“; legen Sie den KI-Einsatz offen, keine KI-Autorschaft, menschliche Verantwortung [7][8].
• Dual Use / Biosicherheit: Agenten, die biologische oder chemische Arbeiten entwerfen oder planen, brauchen Beschränkungen auf Werkzeugebene, die Prüfung erzeugter Sequenzen und Protokollierung; geben Sie Agenten keine unbeaufsichtigte Steuerung von Laboren.
• Geistiges Eigentum: Vertraulichkeit unveröffentlichter Daten bei der Nutzung externer APIs; eine Erfinderschaft setzt menschlichen Beitrag voraus.
• Gegenmaßnahmen: Herkunftsprotokolle, Prüfung der Quellenangaben, Freigabe durch Menschen, Sandboxing, Budgetgrenzen.

Erste Schritte

1. Wählen Sie eine eng gefasste fachliche Frage mit bekannter Wahrheit (eine frühere Entdeckung), um den Agenten zu testen.
2. Bauen Sie eine Suchschicht über OpenAlex/Europe PMC und Ihre internen Berichte mit Prüfung der Quellenangaben.
3. Prototypisieren Sie eine Schleife aus Erzeugen, Kritisieren und Ranking (Weg B) und lassen Sie zwei Wissenschaftler die Ausgaben verblindet bewerten.
4. Ergänzen Sie ein Analysewerkzeug in einer Sandbox und eine lückenlose Protokollierung der Herkunft; setzen Sie Kosten- und Schrittgrenzen.
5. Legen Sie die Steuerung fest: Offenlegung des KI-Einsatzes, Freigabestufen vor Experimenten, Regeln für den Umgang mit Daten.

Quellen

1. Google Research — Accelerating scientific breakthroughs with an AI co-scientist — https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/
2. FutureHouse — Demonstrating end-to-end scientific discovery with Robin — https://www.futurehouse.org/research-announcements/demonstrating-end-to-end-scientific-discovery-with-robin-a-multi-agent-system
3. Sakana AI — The AI Scientist: towards fully automated open-ended scientific discovery — https://sakana.ai/ai-scientist/
4. Beel et al. — Evaluating Sakana's AI Scientist for autonomous research — https://arxiv.org/abs/2502.14297
5. Laurent et al. — LAB-Bench: Measuring capabilities of language models for biology research — https://arxiv.org/abs/2407.10362
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. European Commission — Living guidelines on the responsible use of generative AI in research — https://research-and-innovation.ec.europa.eu/news/all-research-and-innovation-news/guidelines-responsible-use-generative-ai-research-developed-european-research-area-forum-2024-03-20_en
8. DFG — Good research practice — https://www.dfg.de/en/basics-topics/basics-and-principles-of-funding/good-scientific-practice ; Executive Committee statement on generative AI models (Sept 2023) — https://www.dfg.de/resource/blob/389608/ai-230921-statement-executive-committee.pdf
9. OpenAlex — https://docs.openalex.org/