ProtoPilot: Chinas KI-System erreicht 52% Expertenleistung im Labor
Veröffentlicht: 06.07.2026 um 12:10 Uhr, Redaktion boerse-global.de
MGI Tech und das Shanghai Artificial Intelligence Laboratory haben am Wochenende eine Suite von „Physical AI"-Lösungen vorgestellt, die generative Modelle mit autonomen Laborabläufen verbinden sollen. Die Einführung von ProtoPilot und dem BioLab Bench-Bewertungsrahmen markiert einen weiteren Schritt in der Automatisierung der Forschung – und fällt in eine Phase, in der auch westliche Unternehmen wie Anthropic verstärkt auf KI-gestützte Wissenschaftsplattformen setzen.
Autonome Systeme für den 24-Stunden-Laborbetrieb
Das neu enthüllte ProtoPilot-System wurde von der MGI-Tochter Genoria AI gemeinsam mit dem Shanghai AI Lab entwickelt. Es handelt sich um ein selbstlernendes Multi-Agenten-System, das experimentelle Vorgaben in ausführbare Schritte auf automatisierten Plattformen übersetzt. Ziel ist der vollständig unbeaufsichtigte Laborbetrieb rund um die Uhr.
Die Leistungsfähigkeit des Systems belegt ein Test auf dem ProtocolQA-Benchmark: ProtoPilot erreichte 52,38 Prozent – und liegt damit nah an der menschlichen Expertenleistung von 54 Prozent. Zum Vergleich: GPT-5.6-sol erzielte lediglich 43,5 Prozent. Die zugrundeliegende Forschung wurde bereits im Frühsommer als Preprint (arXiv:2606.31763) veröffentlicht.
Zur Standardisierung der Bewertung solcher Physical-AI-Agenten führten die Partner zudem BioLab Bench ein. Das Framework prüft KI-Systeme auf drei Schwierigkeitsstufen (L1 bis L3) anhand realer Aufgaben an Automatisierungsgeräten. MGI Tech, das Genoria AI im April 2026 gründete, gibt an, dass seine Systeme weltweit von über 3.800 Einrichtungen genutzt werden.
Wettlauf um die KI-Wissenschaftsplattform
Die chinesische Entwicklung reiht sich ein in eine Serie von Plattform-Launches. Bereits am 30. Juni 2026 veröffentlichte Anthropic seinen Claude Science-Desktop-Workbench. Die öffentliche Beta integriert über 60 kuratierte wissenschaftliche Datenbanken und Schnittstellen, darunter UniProt, die Protein Data Bank und Ensembl.
Wer die 52-Prozent-Marke von ProtoPilot für sein eigenes Labor einordnen will, findet in diesem Report die entscheidenden Strategie-Hebel – von der Agenten-Checkliste bis zum Workbench-Vergleich. Jetzt kostenlosen Report anfordern
Claude Science setzt auf eine Multi-Agenten-Architektur mit spezialisierten Prüfagenten für Zitate und Berechnungen. Zudem ist das NVIDIA BioNeMo Agent Toolkit eingebunden, das beschleunigte Genomanalysen und Cheminformatik-Werkzeuge bietet. Erste Anwendungen zeigen beeindruckende Zeitersparnisse: Forscher am UCSF Brain Tumor Center schlossen Keimbahnanalysen in etwa einem Zehntel der üblichen Zeit ab. Das Allen Institute wiederum verkürzte eine Literaturrecherche-Pipeline von zwei Jahren auf eine Serie von 100-Seiten-Berichten.
Als offene Alternative zu diesen proprietären Systemen veröffentlichte Synthetic Sciences am 5. Juli 2026 OpenScience. Der Apache-2.0-lizenzierte Workbench ist modellunabhängig und läuft auf der eigenen Infrastruktur der Nutzer. Mit rund 250 Skills und 30 wissenschaftlichen Datenbanken deckt er den gesamten Forschungszyklus ab – von der Hypothesengenerierung bis zur experimentellen Analyse.
Branche setzt auf KI-Beschleunigung
Die rasche Verbreitung von KI-Agenten in den Biowissenschaften spiegelt das wachsende Vertrauen der Branche wider. Laut einer Erhebung von Capgemini erwarten 63 Prozent der Biopharma-Führungskräfte, dass die Mehrheit neuer Moleküle innerhalb des nächsten Jahrzehnts von KI-Plattformen stammen wird.
Während Chinas ProtoPilot bereits 52 % Expertenleistung erreicht, droht westlichen Laboren der Anschlussverlust. Dieser Leitfaden zeigt, wie Sie mit offenen Alternativen wie OpenScience oder Claude Science in nur drei Schritten eine 24/7-KI-Automatisierung aufbauen. KI-Labor-Leitfaden jetzt sichern
Fallstudien aus der Wirkstoffforschung untermauern das Potenzial für verkürzte Entwicklungszyklen. KI-gestützte Plattformen ermöglichten es Unternehmen bereits, Targets für idiopathische Lungenfibrose in unter drei Jahren zu identifizieren – der Branchendurchschnitt liegt bei fünf bis sieben Jahren. Geschlossene Nasslabore optimierten Proteinvarianten mit nur 46 Datenpunkten, während traditionelle Methoden schätzungsweise 80.000 benötigen.
Auch andere Tech-Giganten treiben ihre wissenschaftlichen KI-Initiativen voran. Google Research stellte kürzlich sein ERA-System (Empirical Research Assistants) vor, das Baum-Suchalgorithmen zur Erkundung tausender epidemiologischer Modelle nutzt. Anthropic wiederum fördert die Entwicklung mit bis zu 30.000 US-Dollar (rund 28.000 Euro) in Credits für spezialisierte KI-für-Wissenschaft-Projekte – Bewerbungen sind noch bis zum 15. Juli 2026 möglich.
Disclaimer zu unseren Artikeln: Keine Anlageberatung, keine Kauf oder Verkaufsempfehlung. Angaben zu Kursen, Unternehmen und Märkten ohne Gewähr; Änderungen jederzeit möglich. Börsengeschäfte können zu hohen Verlusten führen. Unsere Beiträge werden ganz oder teilweise automatisiert mit Unterstützung von AI erstellt und geprüft.
