Gemini for Science: Googles KI‑Suite für schnellere Forschung und neue wissenschaftliche Durchbrüche

Die Plattform kombiniert mehrere Komponenten:

• experimentelle Forschungswerkzeuge aus Google Labs
• sogenannte Science Skills für die Agentenplattform Google Antigravity
• Integrationen mit über 30 großen Life‑Science‑Datenbanken und Forschungstools

Dadurch können KI‑Agenten wissenschaftliche Literatur durchsuchen, Daten analysieren, neue Hypothesen vorschlagen und Simulationen ausführen – oft mit deutlich weniger manueller Vorbereitung als in klassischen Forschungs‑Workflows.

Die wichtigsten Tools der Suite

Co‑Scientist: KI als Forschungspartner

Co‑Scientist ist als virtueller Forschungspartner gedacht. Das System basiert auf einem Multi‑Agenten‑Ansatz mit Gemini‑Modellen und spiegelt zentrale Schritte wissenschaftlichen Denkens wider.

Forschende können ein Forschungsziel formulieren – etwa das Verständnis eines Krankheitsmechanismus – und das System generiert:

• mögliche wissenschaftliche Hypothesen
• Zusammenfassungen relevanter Studien
• potenzielle experimentelle Ansätze

Damit soll Co‑Scientist vor allem die Ideen‑ und Planungsphase wissenschaftlicher Projekte beschleunigen.

AlphaEvolve: Algorithmen automatisch optimieren

AlphaEvolve ist ein KI‑Agent, der mithilfe evolutionärer Algorithmen neue oder verbesserte Algorithmen für komplexe Probleme entdeckt.

Der Agent testet und verbessert Lösungen iterativ – ein Prozess, der in der klassischen Forschung oft viel manuelle Arbeit erfordert.

Laut Google wurde AlphaEvolve bereits in mehreren Bereichen eingesetzt, darunter:

• verbesserte Fehlerkorrektur bei DNA‑Sequenzierung
• präzisere Vorhersagen von Naturkatastrophen
• Simulationen zur Stabilisierung von Stromnetzen

Solche Anwendungen zeigen, wie KI‑gestützte Algorithmensuche wissenschaftliche und infrastrukturelle Probleme adressieren kann.

ERA: KI für wissenschaftlichen Code

Ein weiteres Kernwerkzeug ist ERA (Empirical Research Assistance). Dieses System konzentriert sich auf eine besonders zeitintensive Aufgabe moderner Forschung: das Schreiben und Optimieren von Code für Simulationen und Experimente.

ERA nutzt Gemini‑Modelle, um wissenschaftlichen Programmcode zu generieren und zu verbessern. Das System wurde in einer Veröffentlichung in Nature beschrieben und half beim Aufbau einer experimentellen Plattform namens Computational Discovery.

Diese Plattform ist derzeit über ein Trusted‑Tester‑Programm in Google Labs verfügbar.

Das Ziel: Forschende sollen deutlich schneller verschiedene experimentelle Szenarien testen können, ohne jeden Schritt manuell programmieren zu müssen.

NotebookLM‑basierte Literaturanalyse

Zur Suite gehören auch Workflows auf Basis von NotebookLM, die Forschenden helfen, große Mengen wissenschaftlicher Literatur auszuwerten.

Damit können Nutzer:

• tausende Papers gleichzeitig analysieren
• Forschungstrends identifizieren
• strukturierte Erkenntnisse direkt aus Quellen extrahieren

Solche Funktionen sind besonders relevant, weil jedes Jahr Millionen wissenschaftlicher Artikel veröffentlicht werden – weit mehr, als einzelne Forschende vollständig überblicken können.

Verbindung zu Google Labs und Antigravity

Google positioniert Gemini for Science bewusst als Teil seines experimentellen KI‑Ökosystems.

Die wichtigsten Prototypen werden über Google Labs bereitgestellt, wo Forschende frühe Versionen der Tools testen können.

Parallel dazu integriert Google die Systeme in Google Antigravity, eine Plattform zur Entwicklung sogenannter „agentischer“ KI‑Anwendungen. Diese sollen nicht nur Antworten generieren, sondern auch selbstständig Aufgaben ausführen.

Über Antigravity‑Funktionen wie Science Skills können KI‑Agenten:

• auf wissenschaftliche Datensätze zugreifen
• Analysen durchführen
• Forschungsergebnisse oder Modelle erzeugen

So entsteht ein automatisierter Workflow, in dem mehrere KI‑Agenten gemeinsam an einem Forschungsproblem arbeiten.

Zugriff auf große Life‑Science‑Datenbanken

Ein besonders ambitionierter Teil der Plattform ist die Datenintegration.

Google zufolge können Antigravity‑Agenten über die Science‑Skills‑Schicht auf mehr als 30 bedeutende Datenbanken und Tools aus den Lebenswissenschaften zugreifen.

Welche Datenbanken genau integriert sind oder wie die technischen Schnittstellen funktionieren, hat das Unternehmen bislang nicht detailliert veröffentlicht. Ziel ist jedoch klar: KI‑Systeme sollen direkt mit wissenschaftlichen Datenquellen interagieren können, statt nur auf statisch trainierte Modelle angewiesen zu sein.

Erste reale Ergebnisse von ERA

Unter den neuen Tools hat ERA bereits konkrete Forschungsergebnisse vorzuweisen.

Laut Google Research:

• wurde das System in einer Nature‑Publikation beschrieben
• half beim Aufbau der Plattform Computational Discovery
• wird aktuell von ausgewählten Testern in Google Labs erprobt

Diese frühen Anwendungen zeigen, wie KI‑gestützte Programmierung und Experimentautomatisierung Teil realer Forschungsprozesse werden könnten.

Teil von Googles Strategie für „agentische“ KI

Die Einführung von Gemini for Science passt in eine größere strategische Richtung bei Google.

Auf der I/O 2026 betonte das Unternehmen den Übergang von klassischen KI‑Systemen – die nur auf Eingaben reagieren – hin zu agentischen KI‑Systemen, die selbstständig Aufgaben ausführen und externe Tools nutzen können.

Gemini for Science verkörpert genau dieses Konzept: Statt eines einzelnen Chatbots entsteht ein Netzwerk spezialisierter KI‑Agenten, die gemeinsam Hypothesen entwickeln, Algorithmen optimieren und Experimente durchführen.

Sollte sich dieser Ansatz durchsetzen, könnte er langfristig verändern, wie computergestützte Forschung in Bereichen wie Biologie, Medizin und komplexen Systemen durchgeführt wird.