In einer aktuellen Studie der Fachzeitschrift Nature werden zwei künstliche Intelligenz-Systeme vorgestellt, die den wissenschaftlichen Forschungsprozess von der Hypothesenbildung bis zur Datenauswertung beschleunigen können. Entwickelt von Google DeepMind und FutureHouse, sollen die Systeme Co-Scientist und Robin den Forschungsalltag unterstützen, anstatt die Wissenschaftler zu ersetzen. Die Herausforderung moderner Forschung liegt in der Komplexität und Verflechtung verschiedener Disziplinen. Während KI bereits einzelne Schritte beschleunigt, ermöglichen diese neuen Mehr-Agenten-Systeme eine straffere Workflow-Gestaltung, bei der spezialisierte Agenten Aufgaben wie das Aufstellen von Hypothesen, das Entwerfen von Experimenten und die Interpretation der Ergebnisse übernehmen. Co-Scientist, das auf Googles Gemini-Modell basiert, ist als universelles System für die wissenschaftliche Entdeckung konzipiert. Der Fokus der bisherigen Tests lag zwar auf der Biomedizin, die Anwendungsbreite erstreckt sich jedoch prinzipiell auf alle Fachgebiete. In ersten erfolgreichen Anwendungen schlug das System neue Wirkstoffkandidaten und Kombinationstherapien für die akute myeloische Leukämie vor. In Zellkulturversuchen zeigten sich potenzielle therapeutische Vorteile für diese aggressive Krebserkrankung. Weitere Entdeckungen betrafen neue Angriffspunkte für Medikamente bei Leberfibrose sowie genetische Mechanismen der Antibiotikaresistenz. Die Autoren weisen jedoch darauf hin, dass diese vielversprechenden Ergebnisse durch rigorose präklinische und klinische Studien validiert werden müssen, bevor sie in der klinischen Praxis Anwendung finden können. Das System Robin von FutureHouse konzentriert sich speziell auf die experimentelle Biologie und nutzt dabei Modelle von OpenAI und Anthropic. In einem konkreten Anwendungsfall unterstützte Robin die Erforschung von Behandlungsansätzen für die trockene altersbedingte Makuladegeneration, eine der häufigsten Ursachen für Erblindung in westlichen Ländern. Das System identifizierte veränderbare Prozesse in Netzhautzellen und schlug einen bisher für diese Erkrankung unkonventionell eingesetzten Wirkstoffkandidaten vor. Darüber hinaus generierte Robin Vorschläge für Folgeuntersuchungen, um die zugrundeliegenden Mechanismen zu verstehen, wodurch neue potenzielle Wirkstoffziele entdeckt wurden. Auch hier ist die Validierung durch präklinische Tests und klinische Studien ein notwendiger nächster Schritt. Ein zentrales Element beider Projekte ist die enge Zusammenarbeit zwischen Mensch und Maschine. Die Entwicklungsteams betonen, dass die Wissenschaftler stets im Entscheidungsprozess eingebunden bleiben (Keep the Scientist in the Loop). Diese Systeme dienen als fortschrittliche Assistenten, die Hypothesen generieren und Experimente planen, deren Umsetzung und ethische Bewertung jedoch in menschlicher Hand liegt. Die vorgestellten Real-World-Beispiele werfen einen Blick in die Zukunft der wissenschaftlichen Forschung, in der KI-Agenten als kollaborative Partner fungieren, um die Geschwindigkeit und Effizienz von Entdeckungen zu steigern. Durch die Kombination verschiedener spezialisierter KI-Agenten entsteht ein robustes Ökosystem, das komplexe wissenschaftliche Fragen systematisch angehen kann.