Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic8. Juni 2026 · Q004286

Paving the way for AI agents in biology

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag berichtet, dass KI-Agenten virale Sequenzdaten aus NCBI Virus ohne spezialisierte Abrufhilfe oft unvollständig und uneinheitlich zusammentragen, was nachgelagerte Analysen verändern kann. Mit dem deterministischen Werkzeug „gget virus“ stieg die Genauigkeit im beschriebenen Benchmark auf über 90 Prozent und bei GPT-5.5 auf 99,7 Prozent; die Autorin plädiert deshalb für biologische Dateninfrastruktur, die für Agenten ausgelegt ist.

Mittel

Laura Luebbert argumentiert, dass biologische KI-Agenten häufig an der uneinheitlichen und schwer automatisierbaren Dateninfrastruktur scheitern. Am Beispiel von NCBI Virus testete ihr Team mehrere Forschungsagenten mit VirBench, einem Benchmark aus 120 Abfragen zu 40 Krankheitserregern. Ohne zusätzliche Hilfsmittel lag die mittlere Genauigkeit je nach System bei 16,9 bis 91,3 Prozent; wiederholte identische Anfragen konnten stark unterschiedliche Sequenzmengen liefern. Laut Beitrag veränderten solche Abruffehler auch beispielhafte Ebola-Stammbäume und Mutationsanalysen.

Das Team entwickelte mit NCBI „gget virus“, ein deterministisches Werkzeug, das verschiedene Schnittstellen koordiniert, große Ergebnismengen vollständig abruft, lokal filtert und den Ablauf protokolliert. Damit lagen alle Agenten über 90 Prozent Genauigkeit; GPT-5.5 erreichte 99,7 Prozent. Die Schwankungen zwischen Durchläufen gingen weitgehend zurück. Die Autorin folgert, dass verlässliche, agentengerechte Datenzugänge derzeit wichtiger sind als bloß leistungsfähigere Modelle. Die Ergebnisse beziehen sich auf den beschriebenen Benchmark und Beispiele; Edison Analysis ist laut Fußnote wegen älterer Ersatzmodelle nicht direkt mit Opus 4.7 vergleichbar. Die Ebola-Beispiele sind keine medizinische Beratung.

Ausführlich lesen

Der Anthropic-Beitrag von Laura Luebbert vertritt die These, dass biologische KI-Agenten weniger an mangelnder Denkfähigkeit als an schwer zugänglicher und uneinheitlicher Dateninfrastruktur scheitern. Biologische Daten liegen demnach über verschiedene Datenbanken, Schnittstellen, Formate und Metadatenkonventionen verteilt. Wichtige Filterfunktionen könnten nur in Weboberflächen verfügbar sein; selbst vorhandene APIs böten nicht immer dieselbe Suchlogik. Dadurch wird es schwierig, Abrufe zuverlässig zu wiederholen und ihre Vollständigkeit zu prüfen. Kleine Fehler – etwa ein falscher Genomstand, unvollständige Genome oder verwechselte Datensatztypen – können nach Darstellung der Autorin biologische Schlussfolgerungen verändern.

Als Fallbeispiel untersuchte das Team den Abruf viraler Sequenzen aus NCBI Virus. Dafür erstellte es VirBench mit 120 realitätsnahen Abfragen zu 40 Krankheitserregern und manuell geprüften Sollzahlen. Getestet wurden mehrere wissenschaftliche Agenten, darunter Claude, Biomni OSS, Edison Analysis und GPT. Ohne zusätzliche Abrufhilfe lagen die berichteten mittleren Genauigkeiten je nach System zwischen 16,9 und 91,3 Prozent. Auch bei identischen Eingaben konnten Antworten stark schwanken: Bei einer Ebola-Abfrage lieferte Sonnet 4 laut Beitrag in drei Durchläufen 106, 15 beziehungsweise 5 Sequenzen, obwohl 266 erwartet wurden.

Der Beitrag veranschaulicht mögliche Folgen anhand nachgelagerter Analysen. Ein manuell zusammengestellter Ebola-Datensatz ergab einen geschätzten Ursprung der Epidemie 2014, der mit früheren Berichten übereinstimmte. Zwei unvollständige, agentisch zusammengestellte Datensätze führten dagegen zu deutlich abweichenden Stammbäumen; ein weiterer ließ Sequenzen aus Guinea aus und verschob die geschätzte Zeit. Auch eine Auswertung von Mutationen in Zielregionen zweier Antikörpertherapeutika ergab je nach Abruflauf unterschiedliche Eindrücke. Diese Beispiele sollen zeigen, dass plausibel wirkende, aber unvollständige Datensätze Analysen verzerren können.

Als Gegenmaßnahme entwickelte das Team mit Forschenden des NCBI das deterministische Werkzeug „gget virus“. Laut Beitrag koordiniert es mehrere NCBI-Schnittstellen, bearbeitet große Trefferlisten in Stapeln, ergänzt nötige Informationen aus weiteren Datenbanken und gibt standardisierte Ergebnisse samt Protokollen aus. Mit diesem Werkzeug stieg die Genauigkeit aller getesteten Agenten auf über 90 Prozent und erreichte bei GPT-5.5 99,7 Prozent; zugleich nahm die Schwankung zwischen Wiederholungen stark ab. Die Autorin folgert, dass verlässliche, maschinenlesbare Abrufschichten derzeit entscheidend für reproduzierbare wissenschaftliche Agentenabläufe sind und die Bedeutung des jeweils verwendeten Modells verringern können.

Der Beitrag räumt ein, dass künftige Modelle solche Werkzeuge womöglich weniger benötigen könnten. Dennoch könnten wiederholte Abrufe durch Agenten weiterhin zu teuer, langsam oder schwer prüfbar sein. Die Schlussfolgerung lautet daher, biologische Datenbanken auch für Agenten als Nutzer auszulegen. Die Ergebnisse stammen aus dem beschriebenen Benchmark und den angeführten Beispielen; Edison-Analysis-Werte seien wegen verwendeter älterer Ersatzmodelle nicht direkt mit Opus 4.7 vergleichbar. Die Ebola-Auswertungen werden ausdrücklich als illustrative Beispiele, nicht als medizinische oder öffentliche Gesundheitsberatung bezeichnet.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht behandelt Zuverlässigkeit beim Abruf biologischer Sequenzdaten durch Forschungsagenten, nicht Fragen der KI-Sicherheitspolitik oder Governance, daher fallen die Einordnungen niedrig aus; Lunas höhere Stufen für die Sammelfragen sind durch den Bericht nicht gedeckt. Die kurze Zusammenfassung ist ebenfalls treu, die mittlere wurde als Hauptgrundlage bewertet.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Ebola-Ausbruch des Bundibugyo-Virus 2026 in der DR Kongo als konkreter Anlass und die drei dringenden Fragen zu Diagnostik, Verwandtschaft und Therapie fehlen.
  • Die Einschränkung, dass der Nutzen solcher Hilfswerkzeuge mit besseren Modellen sinken könnte, die Autorin aber trotzdem deterministische Schichten für Routineaufgaben fordert, fehlt.
  • Der Hinweis, dass die Leistung der Agenten mit mehr als drei oder vier gleichzeitigen Filtern deutlich nachlässt, fehlt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 25 %Hintergrund, keine Belege
    • Luna 51 %Hintergrund, keine Belege
    • JEV 50 %nur am Rande erwähnt
    • amos 35 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F3-T02 Welche Verantwortung sollten KI-Firmen gegenüber der Öffentlichkeit tragen, wenn ihre Modelle grundlegende wissenschaftliche Entdeckungen ermöglichen, die gefährliche Anwendungen finden könnten? Luna: Stufe 3 · 57 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 21 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-P3-T05 Welches Mindestpaket (Datenverzeichnisse, Code, Zufallsstartwerte, Abbilder der Rechenumgebung, Prüferversionen, Fehlerprotokolle und Annahmen über die Hardware) muss ein Labor sichern oder kontrolliert hinterlegen, damit ein Prüfer ein sicherheitskritisches Trainings- oder Prüfergebnis auch nach Ende seines Zugangs nachrechnen kann, und welche Geheimnisse bleiben unzugänglich? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %Hintergrund, keine Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 48 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 51 %einzelne zitierbare Belege
    • JEV 35 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-A3-T05 Wie sollen Aufsichtsbehörden und Labore die Gesamtrisiken und die miteinander verknüpften Risiken tausender einzeln genehmigter Einsätze bewerten, die Infrastruktur, Modelle, Datenquellen oder Fehlerarten teilen? Luna: Stufe 3 · 49 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 32 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 24 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →