Wir stellen die STATION vor, eine offene Welt-Umgebung mit mehreren Agenten, die ein verkleinertes wissenschaftliches Ökosystem modelliert. Dank ihrer erweiterten Kontextfenster können die Agenten in der STATION längere wissenschaftliche Reisen unternehmen, die das Lesen von Publikationen von Kollegen, die Formulierung von Hypothesen, das Einreichen von Code, die Durchführung von Analysen sowie die Veröffentlichung von Ergebnissen umfassen. Wichtig ist, dass es kein zentrales System gibt, das ihre Aktivitäten koordiniert – die Agenten sind frei, ihre eigenen Aktionen zu wählen und innerhalb der STATION eigene Erzählstränge zu entwickeln. Experimente zeigen, dass KI-Agenten in der STATION neue State-of-the-Art-Leistungen auf einer Vielzahl von Benchmarks erzielen, die von Mathematik über computergestützte Biologie bis hin zu maschinellem Lernen reichen, wobei sie AlphaEvolve insbesondere bei der Kreispackung deutlich übertreffen. Als sich die Agenten eigenständig forschend betätigen, miteinander interagieren und auf eine kumulative Historie aufbauen, entsteht ein reichhaltiges Muster an Erzählungen. Aus diesen sich entwickelnden Erzählsträngen ergeben sich organisch neue Methoden, wie beispielsweise ein neuer, dichteadaptive Algorithmus zur Batch-Integration von scRNA-seq-Daten. Die STATION markiert einen ersten Schritt hin zu einer autonomen wissenschaftlichen Entdeckung, die durch emergentes Verhalten in einer offenen Weltumgebung getrieben wird, und repräsentiert ein neues Paradigma, das über starre Optimierungsansätze hinausgeht.