Ein Erfahrungsbericht von OpenAI und akademischen Mitarbeitern hat ergeben, dass KI-Codierungsagenten die Modernisierung alternder wissenschaftlicher Software drastisch beschleunigen können, indem sie Tools in schnellere Sprachen umschreiben und die Laufzeiten um Größenordnungen verkürzen können. Der Haken: Dieselben Agenten können nicht zuverlässig beurteilen, ob ihre Arbeit wissenschaftlich korrekt ist, und präsentieren fehlerhaften Code häufig mit völliger Sicherheit.

Der am 1. August 2026 veröffentlichte und von The Decoder dokumentierte Bericht untersuchte acht Fallstudien – hauptsächlich aus der Biologie –, in denen Forschungsgruppen Codierungsagenten wie Codex und Claude Code verwendeten, um kritische Software zu retten, zu optimieren und neu zu schreiben. Für eine fortlaufende Berichterstattung über die Werkzeuge, die Wissenschaft und Industrie verändern, folgen Sie unseren neuesten KI-Nachrichten.

Eine stille Krise in der wissenschaftlichen Software

Ein Großteil der Software, die der modernen Forschung zugrunde liegt, begann als unterstützender Code für eine einzelne Arbeit. Kleine akademische Teams haben diese Tools entwickelt, ohne über die Ressourcen für ordnungsgemäße Tests, Wartung oder Optimierung zu verfügen. Das Ergebnis ist ein fragiles Fundament: Programme, die für ganze Bereiche weiterhin von entscheidender Bedeutung sind, aber ständig repariert werden müssen. Der OpenAI-Erfahrungsbericht legt nahe, dass KI-Codierungsagenten dazu beitragen könnten, diese seit langem bestehende Lücke zu schließen.

Die Projekte reichten von routinemäßiger Wartung bis hin zu kompletten Umschreibungen in modernen Programmiersprachen und einige führten zu auffälligen Leistungssteigerungen.

Wiederaufbau von STAR in Rust

Eines der ehrgeizigeren Projekte, rustar-aligner, baute STAR in Rust von Grund auf neu auf. STAR ist ein weit verbreitetes Tool, das Sequenzierungsablesungen von Zellen ihren entsprechenden Positionen im Genom zuordnet. Das ursprüngliche Programm enthält mehr als 20.000 Zeilen C und C++ und wird nicht mehr aktiv gepflegt, obwohl es weiterhin in viele Forschungspipelines eingebettet ist.

Um die Neufassung zu verifizieren, testete das Team beide Tools anhand von 10.000 kurzen Sequenzierungslesungen von Hefezellen. Bei Single-End-Lesevorgängen lieferte rustar-aligner in 99,815 Prozent der Fälle das gleiche Ergebnis wie STAR. Bei Paired-End-Lesevorgängen betrug die Übereinstimmungsrate 99,883 Prozent. Der Vergleich erstreckte sich über die zugeordneten Standorte hinaus und umfasste mehrere andere Schlüsselfelder, die beide Programme für jeden Lesevorgang erzeugen, und keines der beiden Tools ordnete Lesevorgänge zu, die das andere nicht zuordnen konnte.

Eine 60-fache Beschleunigung

RustQC lieferte die größte Beschleunigung, indem es 15 separate Qualitätskontrolltools in einem einzigen Programm kombinierte. Bei einem großen Datensatz sank die Laufzeit von 15 Stunden und 34 Minuten auf nur noch 14 Minuten und 54 Sekunden – eine Beschleunigung um mehr als das 60-fache.

Ein anderes Projekt, HelixForge, ersetzte ein Tool zur Generierung synthetischer Genomdaten durch eine GPU-beschleunigte Version. In einem Test mit Daten von einem Spender und einem Abschnitt des Genoms mit zehn Millionen Basenpaaren schloss HelixForge die gesamte Pipeline 59,6-mal schneller ab als der ursprüngliche BamSurgeon, wobei allein der Hauptrechenschritt 98,6-mal schneller lief.

In einer konventionelleren Modernisierung ersetzte GPT-5.5 den veralteten Erstellungs- und Installationsprozess von cyvcf2, einer Python-Bibliothek zum Lesen genetischer Daten. Bei der komplexeren MHCflurry-Migration wechselten Claude Code und Codex zwischen den Rollen des Entwicklers und des Prüfers, während sie etwa 10.000 Codezeilen von TensorFlow nach PyTorch portierten. MHCflurry ist ein immunologisches Modell, das vorhersagt, welche Ziele Immunzellen erkennen werden.

'Mit Sicherheit falsch'

Das Schlagzeilenergebnis war jedoch ernüchternd. In den Fallstudien erledigten die Agenten klar definierte Aufgaben schnell, konnten jedoch nicht zuverlässig beurteilen, ob ihre Arbeit wissenschaftlich korrekt war. Selbst wenn ihr Code Fehler enthielt, präsentierten die Systeme ihn oft mit voller Zuversicht.

Brent Pedersen, der Entwickler von cyvcf2, brachte die Spannung in dem Bericht auf den Punkt: „Mit Codierungsagenten ist es ganz einfach, schnell voranzukommen; um in der Wissenschaft weit zu kommen, bedarf es vorerst noch der fachkundigen Anleitung, dem Verständnis, dem Geschmack und der Sorgfalt.“

Philip Ewels, der das RustQC-Projekt leitete, äußerte sich deutlicher. Er beschrieb die Agenten als „eloquent, überzeugend und auf eine Art und Weise souverän falsch liegend, die leicht zu übersehen ist.“ Ewels erlaubte den Modellen nie, die Genauigkeit ihrer eigenen Arbeit zu beurteilen, sondern baute stattdessen ein unabhängiges Testsystem auf, um ihre Fehler zu erkennen.

Fehler, die im Verborgenen liegen

Die Bayesm-Fallstudie hat gezeigt, wie schwer es sein kann, diese Fehler zu erkennen. Sein Rust-Rewrite lief zwischen zwei und zwanzig Mal schneller als das Original, aber die ersten Versionen zweier fortgeschrittener Methoden enthielten subtile Mängel. In einem Fall invertierte der Agent einen wichtigen Steuerparameter, wodurch das Programm den Kehrwert der beabsichtigten Werte verwendete. Ein separater Fehler wirkte sich auf die Berechnung selbst aus. Die Forscher entdeckten beide Probleme erst, nachdem sie einen detaillierten Kalibrierungstest mit Tausenden synthetischen Datensätzen mit bekannten Ergebnissen durchgeführt hatten.

Die Episode unterstreicht einen strukturellen Wandel in der Art und Weise, wie Wissenschaftler mit KI zusammenarbeiten können: Anstatt selbst Code zu schreiben, besteht ihre zentrale Aufgabe darin, die Ergebnisse rigoros zu überprüfen – eine Rolle, die tiefgreifende Fachkenntnisse erfordert, die die Agenten selbst nicht bieten können.

Was es für die Wissenschaft bedeutet

Die Ergebnisse fallen in einen Moment intensiver Debatte darüber, wie viel Autonomie KI-Systemen in Bereichen mit hohem Risiko gewährt werden sollte. Die Beschleunigungen sind wirklich transformativ – eine 60-fache Verkürzung der Laufzeit kann einen Nachtjob in eine Kaffeepause verwandeln. Aber der wichtigste Beitrag des Berichts dürfte seine Ehrlichkeit in Bezug auf die Grenzwerte sein. Agenten, die schnell, flüssig und überzeugend sind, aber nicht in der Lage sind, die wissenschaftliche Gültigkeit selbst zu beurteilen, sind nur in den Händen von Experten, die genau wissen, was zu überprüfen ist, ein leistungsstarkes Werkzeug.

Für die beteiligten Forscher ist die Lektion klar: KI kann das Gerüst der Wissenschaft mit bemerkenswerter Geschwindigkeit wieder aufbauen, aber das menschliche Urteilsvermögen bleibt tragend.

Bleiben Sie der KI immer einen Schritt voraus

Von bahnbrechenden Forschungsergebnissen bis hin zu unternehmensweiten Implementierungen – das Tempo des Wandels ist unerbittlich. Setzen Sie ein Lesezeichen auf AI Buzz Wire für eine fortlaufende, faktengeprüfte Berichterstattung darüber, wie künstliche Intelligenz Wissenschaft, Wirtschaft und Gesellschaft verändert.

Lesen Sie weitere Neuigkeiten aus der KI-Forschung →