Wie Googles KI‑Co‑Scientist wissenschaftliche Hypothesen generiert, debattiert und verbessert

Der Ablauf beginnt damit, dass Forschende ein Forschungsziel in natürlicher Sprache beschreiben. Das kann beispielsweise die Suche nach neuen Medikamenten gegen eine Krankheit sein oder die Erklärung eines biologischen Mechanismus.

Anschließend führt das System mehrere Schritte aus, die an den wissenschaftlichen Arbeitsprozess erinnern:

• vorhandene Literatur und Daten zusammenführen
• mögliche Hypothesen generieren
• Evidenz prüfen und Schwächen identifizieren
• experimentelle Ansätze vorschlagen

Der entscheidende Unterschied zu klassischen KI‑Tools: Der Co‑Scientist setzt bewusst auf Wettbewerb und Kritik zwischen mehreren Ideen, statt nur ein einzelnes Ergebnis zu liefern.

„Ideen‑Turniere“: Wenn Hypothesen gegeneinander antreten

Eine zentrale Innovation sind sogenannte Idea Tournaments – strukturierte Bewertungsrunden, in denen Hypothesen gegeneinander antreten und sich weiterentwickeln.

Der Prozess läuft typischerweise in drei Phasen ab:

1. Hypothesen erzeugen – KI‑Agenten entwickeln verschiedene mögliche Erklärungen oder Wirkmechanismen.
2. Debatte und Kritik – andere Agenten prüfen diese Ideen anhand wissenschaftlicher Literatur und bekannter Daten.
3. Turnier‑Bewertung – die stärksten Hypothesen bleiben bestehen, während schwächere verworfen, kombiniert oder verbessert werden.

Durch mehrere Iterationen entstehen schrittweise klarere und experimentell überprüfbare Forschungsansätze. Die Methode ist bewusst an wissenschaftliche Prozesse wie Peer Review, Diskussion und iterative Verbesserung angelehnt.

Ein weiterer Vorteil: Die KI kann gleichzeitig große Mengen wissenschaftlicher Literatur und Datenbanken auswerten – eine Aufgabe, die für Menschen allein kaum noch zu bewältigen ist.

Erste Anwendungen in der biomedizinischen Forschung

Die ersten Demonstrationen konzentrieren sich vor allem auf Lebenswissenschaften und medizinische Forschung.

Ein Beispiel ist die Suche nach möglichen Therapien für Leberfibrose, eine chronische Erkrankung, bei der sich Narbengewebe in der Leber bildet. In einer Studie wurde ein KI‑gestütztes Multi‑Agenten‑System eingesetzt, um vorhandene Medikamente auf neue Einsatzmöglichkeiten zu untersuchen.

Im experimentellen Teil dieser Arbeit prüften Forschende 25 potenzielle Wirkstoffkandidaten, die durch den KI‑gestützten Hypothesengenerierungsprozess vorgeschlagen wurden.

Nach Angaben von Google DeepMind half das System dabei, zuvor übersehene Kandidaten für die Wirkstoff‑Neupositionierung zu identifizieren. Mindestens einer dieser Kandidaten zeigte in Labormodellen eine starke Wirkung und blockierte einen Großteil einer mit Narbenbildung verbundenen biologischen Reaktion.

Wichtig ist jedoch: Die KI liefert lediglich Hypothesen. Die eigentliche wissenschaftliche Bestätigung erfolgt weiterhin durch Experimente, Laborarbeit und Peer‑Review‑Studien.

Teil der Plattform „Gemini for Science“

Der KI‑Co‑Scientist ist Teil einer größeren Initiative namens Gemini for Science, mit der Google KI‑Werkzeuge für wissenschaftliche Forschung bündeln will.

Die Plattform umfasst mehrere Systeme, die unterschiedliche Schritte des wissenschaftlichen Arbeitens unterstützen sollen, darunter:

• Co‑Scientist für Hypothesengenerierung
• AlphaEvolve und weitere Agenten für rechnergestützte Entdeckungen
• Tools zur Analyse wissenschaftlicher Literatur und zur Planung von Experimenten

Ziel ist es, Forschenden zu helfen, mit der ständig wachsenden Menge an wissenschaftlichen Publikationen und Daten Schritt zu halten und neue Ideen schneller zu entwickeln.

Parallel dazu arbeitet Google mit großen Forschungseinrichtungen zusammen. So erhalten Wissenschaftler in allen 17 nationalen Laboren des US‑Energieministeriums (Department of Energy) Zugang zu KI‑Werkzeugen wie dem Co‑Scientist über Google Cloud.

Was das für die Zukunft der Forschung bedeutet

Der KI‑Co‑Scientist ist nicht als Ersatz für Wissenschaftler gedacht. Stattdessen fungiert er als Ideen‑Motor, der mögliche Hypothesen generiert und verfeinert, die anschließend von menschlichen Experten bewertet und getestet werden.

Der grundlegende Ansatz könnte jedoch die Art verändern, wie KI in der Forschung eingesetzt wird. Statt eines einzelnen Modells, das Antworten liefert, arbeiten mehrere spezialisierte KI‑Agenten zusammen und kritisieren gegenseitig ihre Ergebnisse.

Sollten solche Systeme künftig zuverlässiger werden und regelmäßig zu erfolgreichen Experimenten führen, könnten sie vor allem die frühe Phase wissenschaftlicher Entdeckungen erheblich beschleunigen.

Am Ende bleibt jedoch eine Konstante bestehen: Der entscheidende Beweis entsteht weiterhin im Labor.