OpenAI gab am 21. Oktober bekannt, dass 1.946 seiner parallel laufenden GPT-Rosalind-Agenten in 32 Minuten vorhandene Daten von Millionen von Mäusegehirnzellen analysierten – eine Arbeit, die eine menschliche Forschungsgruppe nach Schätzungen des Teams durch manuelle Analyse und Literaturrecherche Monate bis zu einem Jahr in Anspruch nehmen würde.
Die mit dem Medikamentenentwicklungsunternehmen PerturbAI und Scripps Research durchgeführte Demonstration wird in einem bioRxiv-Preprint beschrieben und wendet das, was das Team „verteiltes biologisches Denken“ nennt, auf einen CRISPR-Atlas des gesamten Gehirns an – einen Datensatz, der katalogisiert, wie die Störung einzelner Gene die Genexpression in Gehirnzellen verändert. Weitere Informationen zu dieser Geschichte finden Sie in unserer neueste KI-Entwicklungen.
Wie verteiltes biologisches Denken funktioniert
Mit CRISPR-Störungsexperimenten können Forscher Gene ausschalten und die daraus resultierenden zellulären Veränderungen messen. Sie können jedoch mehr Beobachtungen generieren, als jedes einzelne Labor eingehend untersuchen kann. Genau dieser Engpass ist der Grund, warum Forscher Zellatlanten öffentlich teilen. PerturbAI, das Arzneimittelforschungsunternehmen, das den Ansatz gemeinsam entwickelt hat, und Scripps Research lieferten den wissenschaftlichen Rahmen und die Domänenprüfung für die Zusammenarbeit.
Die im Preprint beschriebene Software ordnet jede Genstörung einem unabhängigen KI-Agenten zu. Jeder Agent untersucht die zellulären Veränderungen, die mit dem ihm zugewiesenen Gen verbunden sind, durchsucht die wissenschaftliche Literatur und schlägt Erklärungen für das vor, was er findet. Eine Koordinationsebene kombiniert dann die Berichte der Agenten, identifiziert Zusammenhänge im gesamten Datensatz und bewertet die vielversprechendsten Ideen für die Weiterverfolgung durch Menschen.
„Wir erstellen Zellatlanten, damit andere Wissenschaftler Entdeckungen machen können, die wir uns noch nicht hätten vorstellen können“, sagte Sarah Teichmann, Lehrstuhlinhaberin für Stammzellmedizin an der Universität Cambridge und Gründungs-Co-Vorsitzende des Human Cell Atlas, in der Ankündigung von OpenAI. „KI könnte mehr Forschern dabei helfen, diese Ressourcen zu erkunden und unerwartete Beobachtungen in neue Fragen zum Testen umzuwandeln.“
Die Zahlen: 711-mal so viele Referenzen, 48 von 55 Erkenntnissen wiederhergestellt
Der Größenunterschied zwischen einem Agenten und fast 2.000 ist gewaltig. Bei einem Vergleich unter Verwendung desselben Modells, derselben Eingabeaufforderung, derselben Tools und desselben Datenzugriffs ergaben Einzelagentenläufe bei der höchsten Arbeitslast durchschnittlich etwa 11 Literaturreferenzen, während das verteilte System 7.586 Referenzen beibehielt – etwa 711-mal so viele, wie aus den öffentlichen Daten des Projekts hervorgeht.
Die Agenten hielten auch der ursprünglichen Wissenschaft gut stand. Sie arbeiteten ohne Zugriff auf das Manuskript der Atlas-Studie und passten 48 der 55 Ergebnisse der ursprünglichen Studie an oder verfeinerten sie, die aus den von den Agenten erhaltenen Daten gezogen werden konnten.
Um die Qualität zu beurteilen, rekrutierte das Team 30 promovierte Biologen für eine Blindbegutachtung. Ihre Einschätzungen stützten im Großen und Ganzen die von den Agenten vorgenommene Rangfolge der vielversprechendsten Forschungsergebnisse.
Die DCTN1-Cholesterin-Leitlinie
Ein Befund verdeutlicht die Art von Hypothese, die das System an die Oberfläche bringen soll. Die Störung von DCTN1 – einem Gen, das mit Neurodegeneration in Verbindung steht – erhöhte die Aktivität von Genen, die an der Cholesterinproduktion beteiligt sind. Die Einzelwirkstoff-Basislinie deutete darauf hin, dass Probleme beim Transport von Cholesterin innerhalb der Neuronen die Zellen dazu veranlassen könnten, dies durch die Produktion von mehr zu kompensieren.
Drei verblindete Gutachter gaben diesem Hinweis eine durchschnittliche Follow-up-Prioritätsbewertung von 4,3 von 5. Tomasz Nowakowski, außerordentlicher Professor für neurologische Chirurgie an der UC San Francisco, der nicht Autor des Preprints war, sagte in der Ankündigung von OpenAI, dass das Ergebnis zeigt, warum die Verknüpfung von Beobachtungen über Disziplinen hinweg wichtig ist: „Manchmal sind die Hinweise bereits vorhanden, verstreut über verschiedene Bereiche – wir haben sie einfach nicht verknüpft.“
Versprechen und Vorbehalte
Die Ankündigung erfolgt inmitten der rasanten Dynamik des Vorstoßes von OpenAI im Bereich Biowissenschaften. GPT-Rosalind, das Anfang dieses Jahres eingeführt wurde, ist ein auf die biowissenschaftliche Forschung spezialisiertes Modell, das biologisches Denken mit dem Einsatz wissenschaftlicher Werkzeuge kombiniert und dokumentierte Anwendungen in den Bereichen Genomik, Proteinanalyse, Zielforschung, medizinische Chemie und Experimentplanung umfasst. Das Unternehmen hat außerdem eine Rosalind Workbench für wissenschaftliche Arbeitsabläufe und ein Life Sciences Research-Plugin in Codex eingeführt und im Juni LifeSciBench eingeführt, eine Bewertung, die nach Angaben des Unternehmens die Forschungsunterstützung misst, anstatt zu beweisen, dass ein System Entdeckungen unabhängig validieren oder experimentelle Verifizierung ersetzen kann – eine Unterscheidung, die auch auf die aktuelle Ankündigung übertragen wird.
Es bleiben wichtige Vorbehalte bestehen. Der Vergleich von 32 Minuten mit einem Jahr ist eine illustrative Schätzung, die auf Annahmen basiert – 15 Minuten pro Genstörung und 10 Minuten pro gelesener Arbeit – und nicht auf einem gemessenen Äquivalent. Die Arbeit ist ein Proof of Concept: Die KI brachte Hypothesen zum Vorschein, die Menschen testen konnten, keine validierten Entdeckungen, und keiner der Hinweise wurde experimentell bestätigt. Der Geschwindigkeitsvergleich mit menschlichen Analysten beruht ebenfalls auf den veranschaulichenden Zeitannahmen des Teams und nicht auf einem direkten Vergleich, und die Gutachter bewerteten die Berichte der Agenten, anstatt sie mit einem menschlichen Forschungsteam zu messen. Eine unabhängige Nachbildung der Vergleiche im Benchmark-Stil ist noch nicht erfolgt.
Dennoch skizziert die Demonstration einen plausiblen zukünftigen Arbeitsablauf für die Biologie: öffentliche Datensätze, die von Schwärmen spezialisierter Agenten endlos neu durchsucht werden, wobei menschliche Wissenschaftler ihre Zeit damit verbringen, das zu testen und zu verfeinern, was die Maschinen am höchsten bewerten. Ob sich diese Rankings im Labor dauerhaft behaupten, wird darüber entscheiden, ob verteiltes KI-Denken zur Standardausrüstung in den Biowissenschaften wird.
Quellenanmerkung: Die Details in diesem Artikel stammen aus der Ankündigung von OpenAI vom 21. Oktober 2026 und der Berichterstattung von R&D World, einschließlich des zugrunde liegenden bioRxiv-Preprints (Sun et al., 2026).---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
