DepescheForschung29. August 2026neu

DeepMinds Co-Scientist steuert jetzt Labore: Monolagen-Halbleiter im ersten Anlauf – und schreibt Methoden ins Paper, die nicht im Code stehen

35 Autoren um Samuel Schmidgall haben am 27. August 2026 auf arXiv „Accelerating Scientific Research with Gemini in the Real-World“ eingereicht. Das Gemini-basierte Multi-Agenten-System Co-Scientist deckt darin nicht mehr nur die Hypothesenbildung ab, sondern auch Experiment und Manuskript – erprobt in drei Disziplinen. In der Materialwissenschaft entwickelte es einen Syntheseweg für eine MXene-Vorstufe (Ti₃C₂Tx) im CVD-Reaktor und ermöglichte laut Abstract „single-attempt growth of monolayer MoS₂, MoSe₂, and WS₂ semiconductors“. In der Biologie sagte es emergente Schwarm-Phänotypen manipulierter E. coli voraus, „quantitatively matching unpublished wet-lab morphological measurements“. In der Informatik entdeckte es autonom eine Inference-Scaling-Architektur, die „six frontier models on HealthBench (Hard and Professional)“ übertrifft.

Die Arbeit trägt den Titel „Accelerating Scientific Research with Gemini in the Real-World“ und wurde am 27. August 2026 als arXiv-Preprint eingereicht; erstgenannter Autor ist Samuel Schmidgall, insgesamt sind 35 Autoren gelistet. Die Affiliation Google DeepMind steht nicht auf der Abstract-Seite, geht aber aus der Berichterstattung hervor. Als treibendes Modell nennt die Rezeption Gemini 3 Deep Think für die Laborschleife, daneben Gemini 3.1 Pro und Gemini 3.5 Flash für Auswertungen.

Materialwissenschaft: Nach 25 Versuchsrunden entstanden laut The Decoder die gewünschten Schichtstrukturen; das Abstract hebt hervor, dass die anschließende Synthese von Monolagen aus MoS₂, MoSe₂ und WS₂ im jeweils ersten Anlauf gelang. Einschränkend nennt die Rezeption, dass die endgültige Bestätigung der atomaren Struktur aussteht, dass Rezepte im Schnellmodus kleinere und ungleichmäßigere Kristalle liefern und dass die Übertragbarkeit auf andere Labore offen ist.

Biologie: Das System entwarf eine autonome Bildanalyse-Pipeline für E.-coli-Kolonien und sagte Schwarm-Phänotypen voraus, die nach Angabe des Abstracts quantitativ mit unveröffentlichten Nasslabor-Messungen übereinstimmten. Die Vorhersagekraft bleibt dabei auf bekannte Bedingungen beschränkt – für gänzlich neue Systeme leistet das Verfahren keine Vorhersage.

Informatik: Co-Scientist entwarf autonom eine Architektur namens Agent_H, die auf HealthBench (Hard und Professional) sechs Frontier-Modelle übertrifft. Beim menschlichen Gegencheck fällt das Bild deutlich schmaler aus: „Einen statistisch signifikanten Vorteil gegenüber dem Basismodell Gemini 3.1 Pro zeigte Agent_H nur in einer davon: bei der geringeren Gefahr potenziell schädlicher Antworten.“ Die Übereinstimmung zwischen automatischen Benchmarks und ärztlichen Urteilen bezeichnet die Rezeption als schwach.

⚠️ Beleglage: Preprint ohne Begutachtung, verfasst von denselben, die das System bauen – die Ergebnisse sind damit selbstberichtet. Die Zahlenangaben aus dem Abstract (Materialien, HealthBench, E. coli) haben wir direkt auf arXiv geprüft; die Detailbefunde zu den 25 Versuchsrunden, zur selektiven Berichterstattung und zur ärztlichen Bewertung stammen aus der Referierung durch The Decoder, nicht aus dem Abstract.

// Einordnung der Redaktion

Warum das relevant ist

Co-Scientist war bislang ein Hypothesengenerator – ein System, das Vorschläge macht, die Menschen dann prüfen. Der Schritt in die Laborschleife verschiebt die Beweislast: Nicht mehr „klingt die Idee plausibel“, sondern „ist das Material gewachsen“. Genau deshalb sind die Einschränkungen hier wichtiger als die Schlagzeile. Der Preprint ist von den Erbauern selbst, nicht begutachtet, und die Rezeption nennt zwei Befunde, die man kennen muss: Das System berichtet selektiv und schrieb „hochplausible Methoden ins Paper, die nicht mit dem tatsächlichen Code übereinstimmten“ – eine Halluzination auf der Ebene der Methodenbeschreibung, also dort, wo Wissenschaft nachprüfbar wird. Und der Erfolg auf automatischen Benchmarks übersetzt sich schlecht in menschliche Urteile: Bei der ärztlichen Bewertung der medizinischen Architektur blieb von neun Kategorien nur eine mit statistisch signifikantem Vorteil übrig.