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
openaiohne Datum · Q009543

Mit Tausenden KI-Agenten neue Ansatzpunkte in biologischen Daten entdecken

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt, wie Tausende KI-Agenten einen CRISPR-Datensatz zu Millionen Mäusegehirnzellen in 32 Minuten analysierten und ihre Befunde mit Fachliteratur verknüpften. Sie schlugen unter anderem mögliche Zusammenhänge zwischen Tsc2 und Zellveränderungen im Kleinhirn sowie zwischen DCTN1 und Cholesterinregulation vor; diese Hypothesen müssen durch weitere Experimente geprüft werden und belegen keine Behandlung beim Menschen.

Mittel

OpenAI, PerturbAI und Scripps Research ließen laut Bericht Tausende GPT‑Rosalind-Agenten einen CRISPR-Datensatz zu Millionen Gehirnzellen von Mäusen auswerten. In 32 Minuten untersuchten die Agenten Genstörungen, zelluläre Reaktionen und Fachliteratur und fassten ihre Vorschläge in einem „Reasoning-Atlas“ zusammen. Das Team schätzt, eine vergleichbare menschliche Analyse würde mehrere Monate bis zu einem Jahr dauern.

In einem Vergleich zitierte ein einzelner Agent beim größten Arbeitsumfang 11 Quellen, die verteilten Agenten mehr als 700. Fachleute bevorzugten deren Berichte in verblindeten Vergleichen in 75 Prozent der Fälle. Als mögliche Ansatzpunkte nennt der Bericht unterschiedliche Folgen von Tsc1- und Tsc2-Störungen im Kleinhirn sowie einen möglichen Zusammenhang zwischen DCTN1, Cholesterinregulation und Neurodegeneration. Daraus leiten die Agenten Fragen für Folgeexperimente ab. Die Befunde sind Hypothesen aus Mäusedaten und müssen weiter geprüft werden; der Bericht belegt damit keine Behandlung oder entsprechende Wirkung beim Menschen. Der Reasoning-Atlas sei öffentlich zugänglich.

Ausführlich lesen

Der Bericht beschreibt eine Zusammenarbeit von OpenAI, PerturbAI und Scripps Research, bei der Tausende KI-Agenten auf Basis von GPT‑Rosalind einen CRISPR-Datensatz zu Millionen Gehirnzellen von Mäusen auswerteten. Ziel war, die Folgen von Genstörungen über verschiedene Zelltypen hinweg mit Erkenntnissen aus der Fachliteratur zu verbinden. Laut Bericht dauerte die Analyse 32 Minuten. Jeder Agent untersuchte eine Genstörung, wertete zelluläre Reaktionen und Literatur aus und schlug mögliche Erklärungen vor. Die Einzelberichte wurden in einem „Reasoning-Atlas“ zusammengeführt, der Gene, Zellreaktionen, Publikationen und vermutete Mechanismen verknüpft.

Das Team schätzt, dass eine vergleichbare menschliche Analyse – bei Untersuchung einer Störung nach der anderen – mehrere Monate bis zu einem Jahr beanspruchen würde. Nach Darstellung des Berichts reproduzierten die Agenten bekannte Ergebnisse und lieferten zusätzliche Ansatzpunkte. In einem Vergleich mit einem einzelnen Agenten bei gleichem Modell und gleichen Ressourcen zitierten die verteilten Agenten beim größten Arbeitsumfang mehr als 700 Quellen; der einzelne Agent kam auf 11. In verblindeten Vergleichen bevorzugten menschliche Fachleute die Berichte der verteilten Agenten in 75 Prozent der Fälle. Der Bericht nennt außerdem eine Übereinstimmung zwischen menschlichen Urteilen und den Einschätzungen der Agenten zu Neuartigkeit und wissenschaftlichem Wert.

Als Beispiel für einen möglichen neuen Ansatzpunkt nennen die Autoren Unterschiede zwischen Tsc1- und Tsc2-Störungen. Während die Auswirkungen in mehreren Neuronengruppen ähnlich gewesen seien, habe eine Tsc2-Störung im Kleinhirn die Aktivität von Dutzenden Genen verändert, die an der neuronalen Kommunikation beteiligt sind; eine Tsc1-Störung habe dort kaum Veränderungen bewirkt. Das könnte laut Bericht für tuberöse Sklerose relevant sein, besonders angesichts von Kleinhirnanomalien im Zusammenhang mit TSC2-Mutationen und anhaltenden Lern- und Verhaltensproblemen. Die Befunde sollen konkrete Fragen für Laboruntersuchungen liefern.

Ein weiteres Beispiel betrifft DCTN1, dessen Mutationen das Perry-Syndrom verursachen. Im Datensatz sei nach einer Dctn1-Störung die Expression von Genen zur Cholesterinproduktion gestiegen. Zusammen mit Literatur zu Cholesterintransport und Zellreaktionen formulierten die Agenten die Hypothese, dass eine veränderte Cholesterinverteilung in Neuronen zur Neurodegeneration beitragen könnte. Ob dies zutrifft und ob eine Normalisierung der Verteilung Neuronen schützen könnte, müsste erst in Folgeexperimenten geprüft werden.

Der Bericht stellt die Arbeit als Unterstützung wissenschaftlicher Forschung dar: KI könne breite und unerwartete Datensignale mit verstreutem Wissen verknüpfen und so helfen, Experimente zu priorisieren. Die Befunde sind jedoch vorgeschlagene Mechanismen und Hypothesen aus einem Mausdatensatz, keine im Bericht bestätigten Behandlungen oder Nachweise für entsprechende Wirkungen beim Menschen. Der Reasoning-Atlas wird als öffentlich verfügbar bezeichnet; Forschende sollen ihn nutzen können, um Ergebnisse weiter zu untersuchen und zu überprüfen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu, lässt aber den Quellenvergleich und die Expertenpräferenz aus. Die Einordnung stützt sich nur auf den Berichtstext; Lunas Stufen wurden unabhängig neu vergeben. Da die Vorlage nur eine Zusammenfassung vorsieht, wurden die kurze und die mittlere Fassung gemeinsam beurteilt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Kurzfassung nennt weder den Quellenvergleich (über 700 Quellen bei den verteilten Agenten gegenüber 11 bei einem einzelnen Agenten) noch die Präferenz menschlicher Fachleute in 75 % der Fälle.
  • Keine der beiden Fassungen erwähnt, dass die Agenten menschliche Erkenntnisse reproduzierten und ihre Neuheitsurteile mit denen menschlicher Fachleute übereinstimmten.

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
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt
Tempo und Grenzen
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 54 %einzelne zitierbare Belege
    • amos 47 %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 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
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 40 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl

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 →