PhAI Labs erprobt mit ScienceBuddy lernende KI für biomedizinische Forschung

Eine Forschungsumgebung mit sichtbaren Arbeitsschritten

PhAI Labs hat nach eigenen Angaben ScienceBuddy Preview veröffentlicht, eine browserbasierte Arbeitsumgebung für wissenschaftliche Recherche. Nutzerinnen und Nutzer können dort Fragen in natürlicher Sprache stellen und sollen neben den Antworten auch Analysen, Werkzeugaktivitäten und Quellen nachvollziehen können. Die Oberfläche ist laut Mitteilung auf Englisch und Chinesisch verfügbar; Forschende können Zugang anfragen. Das ist von einer frei zugänglichen, uneingeschränkt nutzbaren Veröffentlichung zu unterscheiden. [2]

Die derzeitige Ausrichtung ist klar eingegrenzt: Die Arbeitsabläufe und Dokumenteingaben sollen mehrere wissenschaftliche Bereiche unterstützen, die verfügbaren Werkzeuge und Daten konzentrieren sich laut Anbieter jedoch auf die Biomedizin. ScienceBuddy ist damit zunächst kein belegbar universeller Forschungsassistent, sondern eine Vorschau mit einem konkreten fachlichen Schwerpunkt. [2]

• Die Umgebung verbindet nach Angaben des Unternehmens Fachartikel, Tabellen, biologische Sequenzen und wissenschaftliche Bilder. [2]
• PhAI Labs nennt 224 Werkzeuge in 22 Funktionsmodulen, unter anderem für Genomik, Molekular- und Krebsbiologie, Pharmakologie, Bioimaging, Literaturrecherche und Datenbankabfragen. [2]
• Die Oberfläche gliedert Arbeitsvorgänge in Ausführung, erzeugte Ergebnisse und eine Verlaufsspur mit Werkzeugaufrufen sowie deren Ein- und Ausgaben. [2]

Nachvollziehbarkeit als Produktmerkmal

Die dokumentierte Verlaufsspur soll sichtbar machen, welche Werkzeuge ein Agent aufgerufen und welche Ein- und Ausgaben er verarbeitet hat. Das kann Forschenden grundsätzlich dabei helfen, einzelne Arbeitsschritte zu prüfen, statt nur eine abschließende Antwort zu erhalten. Es ersetzt allerdings keine fachliche Validierung: Aus der Mitteilung geht nicht hervor, dass jede erzeugte Aussage unabhängig überprüft oder jede verwendete Quelle automatisch auf ihre wissenschaftliche Qualität bewertet wird. [2]

Zwei Lernschleifen für Agentensteuerung und Modell

ScienceBuddy soll nicht nur Forschungsschritte ausführen, sondern sich anhand der Zusammenarbeit mit Forschenden weiterentwickeln. PhAI Labs beschreibt dafür zwei getrennte Lernschleifen. Eine betrifft das sogenannte Harness – die Softwareebene, die Anweisungen, Fähigkeiten und Kontext eines Agenten organisiert. Die andere verändert das Modell, das die Aufgaben bearbeitet. [2]

In der inneren Schleife bleibt das Aufgabenmodell unverändert. Ein zusätzliches Modell soll Fehler erkennen und begrenzte Änderungen am Harness vorschlagen. Eine angepasste Variante wird laut Anbieter nur übernommen, wenn sie in paarweisen Auswertungen auf Entwicklungsaufgaben besser abschneidet. Dieses Verfahren zielt darauf, die Organisation und Steuerung der Agentenarbeit zu verbessern, ohne in diesem Schritt zugleich die Modellgewichte zu verändern. [2]

In der äußeren Schleife bleibt dagegen das Harness fest, während das Aufgabenmodell mit Reinforcement Learning trainiert wird. Die Rückmeldungen werden nach einem Bewertungsraster in Belohnungen übersetzt. Anschließend sollen Modell und Harness gemeinsam geprüft und eingesetzt werden. Die Trennung der beiden Schleifen erleichtert es, Verbesserungen an der Steuerung von solchen am Modell zu unterscheiden; sie ist aber noch kein Nachweis dafür, dass Verbesserungen in einem Bereich zuverlässig auf andere Aufgaben oder Forschungsgebiete übertragbar sind. [2]

• Anfragen, Antworten, Aktionen, Beobachtungen und erzeugte Artefakte aus Forschungssitzungen sollen in ausführbare Aufgaben samt Bewertungskriterien umgewandelt werden. [2]
• Die Aktualisierungen laufen nach Angaben des Unternehmens im Hintergrund, während der Dienst verfügbar bleibt; jede neue Bereitstellung soll weitere Interaktionen für den nächsten Lernzyklus sammeln. [2]

Was mit „selbstverbessernd“ gemeint ist

Die Beschreibung legt nahe, dass ScienceBuddy nicht während jeder einzelnen Sitzung autonom seine Modellgewichte ändert. Vielmehr werden Interaktionen zunächst als Aufgaben und Bewertungsgrundlagen aufbereitet; daran schließen sich getrennte Anpassungs- und Trainingsschritte an. Diese Unterscheidung ist für den betrieblichen Einsatz wichtig: Der Begriff der rekursiven Verbesserung bezeichnet hier einen wiederholten Entwicklungsprozess aus Nutzung, Auswertung und Aktualisierung, nicht eine nachgewiesene, ununterbrochene Selbstoptimierung im laufenden Betrieb. [2]

Berichtete Testergebnisse und ihre Grenzen

Der technische Bericht, den PhAI Labs in der Mitteilung anführt, untersucht den Ansatz anhand von 895 Aufgaben aus vier wissenschaftlichen Aufgabenfamilien. Als Startmodell diente Qwen3.5-4B. Das Team führte drei rekursive Verbesserungszyklen durch; jeder umfasste laut Mitteilung zehn Schritte zur Weiterentwicklung des Harness und anschließend 20 Reinforcement-Learning-Updates. [2]

• Literaturauswertung und evidenzbezogene Recherche, geprüft mit Aufgaben aus LitQA2. [2]
• Urteile und Abfragen zu Datenbanken, geprüft mit DbQA. [2]
• Fehlersuche und Analyse von Protokollen, geprüft mit ProtocolQA. [2]
• Bewertung von Genen und Varianten anhand von Daten aus genomweiten Assoziationsstudien, kurz GWAS. [2]

Zuwachs auf einem zurückgehaltenen Testsatz

Für den zurückgehaltenen Testsatz berichtet die Mitteilung einen Anstieg der Genauigkeit bei einem einzelnen Versuch von 42,2 auf 73,3 Prozent. Bei 33,3 Prozent der Aufgaben wechselte das Ergebnis demnach von falsch zu richtig; bei 2,2 Prozent von richtig zu falsch. Die berichtete Veränderung entspricht einer Zunahme um 31,1 Prozentpunkte in dieser Auswertung. Diese Kennzahlen beziehen sich auf die untersuchten Aufgaben und Testbedingungen, nicht auf eine allgemeine Erfolgsquote bei realen Forschungsprojekten. [2]

Auch die getrennten Auswertungen liefern unterschiedliche Messgrößen: Bei unveränderten Modellgewichten stieg die Validierungsgenauigkeit nach Anpassung des Harness laut Unternehmen von 31,1 auf 51,1 Prozent. Bei festem Harness erhöhte Reinforcement Learning die Problemabdeckung, gemessen als pass@4, von 48,3 auf 67,8 Prozent. pass@4 bezeichnet dabei die Wahrscheinlichkeit, eine Aufgabe innerhalb von vier Versuchen zu lösen – und ist daher nicht direkt mit der Genauigkeit eines einzelnen Versuchs gleichzusetzen. [2]

Kein kontrollierter Systemvergleich

Die Mitteilung schränkt die Aussagekraft selbst ein: Es handle sich um Ergebnisse aus Fallstudien und nicht um einen kontrollierten Vergleich mit anderen Systemen. Die berichteten Werte zeigen damit, wie ScienceBuddy in der beschriebenen Versuchsanordnung abgeschnitten hat. Sie belegen weder eine Überlegenheit gegenüber anderen Forschungsagenten noch, dass die erreichten Werte auf andere Modelle, Datensätze oder reale Laborabläufe übertragbar sind. [2]

Zwei dokumentierte Forschungssitzungen dienten laut Bericht als Ausgangspunkt für Fallbeispiele. Eine entwickelte eine strukturierte, auf das Gen JAK1 bezogene Analyse; die andere formulierte Anforderungen an eine evidenzgestützte Präsentation von Manuskriptergebnissen zu ARL4C. Solche Beispiele veranschaulichen, wie Anfragen in Aufgaben und Kriterien übersetzt werden können. Sie sind für sich genommen jedoch kein Beleg dafür, dass das System neue biologische Erkenntnisse erzeugt oder experimentell bestätigt hat. [2]

Einordnung in das Forschungsportfolio von PhAI Labs

Das Hugging-Face-Profil beschreibt PhAI Labs als Forschungslabor mit Arbeitsschwerpunkten bei Basismodellen, Reinforcement Learning und wissenschaftlichen Agenten. Als weitere Vorhaben nennt das Profil Discovery Foundation Models, ScienceIDE und JEPA-Anything. ScienceIDE wird dort als ausführbare wissenschaftliche Lern- und Evaluierungsumgebung mit einer PhAI-IDE-Modellreihe in den Größen 4B, 9B und 72B dargestellt; zu JEPA-Anything nennt das Profil Forschung an prädiktiven Weltmodellen für verschiedene Wissenschaftsbereiche. Diese Angaben beschreiben die Selbstdarstellung des Unternehmens, nicht eine unabhängige Bewertung der Projekte. [1]

Auch die dort aufgeführten jüngsten Veröffentlichungsaktivitäten passen zur Ausrichtung auf rekursive Verbesserung: Das Profil listet unter anderem die Arbeiten „DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses“ und „RSI-Anything: Unlocking Recursive Self-Improvement with World Models“. Aus den Titeln allein lassen sich allerdings keine Ergebnisse oder Leistungsnachweise ableiten. [1]

Zum Abrufzeitpunkt zeigte die Organisationsseite auf Hugging Face keine öffentlich verfügbaren Modelle oder Datensätze im eigenen Organisationsbereich. Das schließt nicht aus, dass Material an anderer Stelle oder über verknüpfte Projekte verfügbar ist; es begrenzt aber, was sich anhand dieser Profilseite als direkt veröffentlichte Ressource belegen lässt. [1]

• ScienceBuddy wird in der Selbstdarstellung als interaktiver wissenschaftlicher Arbeitsbereich beschrieben, der die rekursive Verbesserung von Agenten-Harnesses und Modellen untersucht. [1]
• Das Profil beschreibt außerdem eine Zusammenarbeit mit Wissenschaftlerinnen und Wissenschaftlern, Forschungsteams und experimentellen Plattformen als Zielsetzung des Unternehmens. [1]

Quellenlage

Die konkreten Produkt- und Leistungsangaben zu ScienceBuddy stammen hier aus einer über Yahoo Finance verbreiteten, ausdrücklich als bezahlte Pressemitteilung gekennzeichneten Unternehmensmeldung. Die darin zusammengefassten Versuchsergebnisse sind deshalb als Angaben von PhAI Labs zu behandeln. Die zusätzliche Hugging-Face-Seite liefert Kontext zur Selbstdarstellung und zu den Projekten des Unternehmens, aber keine unabhängige Bestätigung der ScienceBuddy-Messwerte. [1][2]

Was Unternehmen vor einem Einsatz prüfen sollten

Für Forschungsorganisationen liegt der erkennbare Ansatz darin, nicht nur Antworten, sondern auch Arbeitsabläufe und Rückmeldungen als Material für eine fortlaufende Verbesserung zu erfassen. Die sichtbare Verlaufsspur und die Trennung zwischen Harness-Anpassung und Modelltraining könnten die Prüfung einzelner Prozessschritte unterstützen. Das ist eine Analyse der beschriebenen Architektur, kein Beleg dafür, dass ScienceBuddy bereits die Anforderungen regulierter oder qualitätsgesicherter Forschungsprozesse erfüllt. [2]

Die verfügbaren Angaben reichen nicht aus, um Fragen zu Datenschutz, Speicherfristen, Zugriffskontrollen, Vertraulichkeit hochgeladener Forschungsdaten oder Integrationen mit bestehenden Labor- und Datenmanagementsystemen zu beantworten. Ebenso fehlen in der Mitteilung Angaben zu unabhängigen Replikationen der Tests oder zu einer kontrollierten Bewertung gegenüber Vergleichssystemen. Organisationen sollten diese Punkte deshalb vor einem Zugang oder einer Einbindung gesondert klären; aus der beschriebenen Funktionalität lässt sich keine bestimmte Sicherheits- oder Compliance-Eigenschaft ableiten. [2]

Der nächste entscheidende Maßstab ist damit nicht allein die berichtete Benchmark-Verbesserung, sondern die Frage, ob sich die Ergebnisse mit eigenen Aufgaben, Daten und Bewertungsregeln reproduzieren lassen. PhAI Labs verweist auf einen technischen Bericht auf arXiv und veröffentlichten Forschungscode auf GitHub; die Mitteilung bezeichnet den Code als Open Source unter der MIT-Lizenz. Diese Verfügbarkeit kann eine Prüfung erleichtern, ersetzt aber weder eine unabhängige Reproduktion noch die Prüfung der konkreten Produktversion, für die Forschende Zugang anfragen. [2]

• ScienceBuddy Preview ist laut Anbieter als browserbasierte Vorschau verfügbar; der Zugang wird über eine Anfrage vermittelt. [2]
• Die in der Mitteilung genannten Testergebnisse sind unternehmensberichtet und nicht als kontrollierter Vergleich mit anderen Systemen ausgewiesen. [2]

Quellen

1. [1] PhAILabs (PhAI Labs) — https://huggingface.co/PhAILabs (abgerufen am 2026-10-19)
2. [2] PhAI Labs Releases ScienceBuddy Preview, a Scientific AI Workspace Designed to Learn from Researchers — https://finance.yahoo.com/technology/ai/articles/phai-labs-releases-sciencebuddy-preview-194700150.html (abgerufen am 2026-10-19)