Die Software für die Analyse wissenschaftlicher Daten kommt kaum noch hinterher. Viele Forschungstools entstanden ursprünglich als Begleitcode zu akademischen Publikationen – oft programmiert von kleinen Teams mit begrenzter Ingenieurserfahrung und wenig Zeit für Tests oder langfristige Wartung. Das Ergebnis sind fragile Arbeitsabläufe, die die Forschung spürbar bremsen. Ein neuer Feldbericht von OpenAI beleuchtet, wie agentenbasierte KI diesen Engpass lösen kann – und warum menschliche Expertise dabei wichtiger denn je bleibt.

Wissenschaftliche Software im Wandel durch agentenbasierte KI

Wissenschaftliches Rechnen ist eine Säule moderner Forschung in Akademie und Industrie. Dennoch hinkt die nötige Software dem rasanten Tempo der Datengenerierung hinterher. Viele weit verbreitete Tools begannen als Code zu einzelnen Papers und wurden von kleinen akademischen Teams mit minimalem technischen Support entwickelt. Langfristige Pflege, Optimierung oder professionelles Packaging blieben dabei oft auf der Strecke.

Daraus entstand eine Infrastruktur, die auf langsamen und fragilen Workflows fußt und ständiger Wartung bedarf. Diese Einschränkungen verzögern Entdeckungen und binden wertvolle Ressourcen. KI-Agenten wie Codex und Claude Code beginnen nun, dieses Gleichgewicht zu verschieben.

Die Rolle der Forschenden verändert sich

Der neue Feldbericht zeigt, wie Agenten die Kosten für Ingenieursarbeit senken und langweilige Implementierungsaufgaben übernehmen. Forschende können Ideen schneller prototypisieren, Projekte angehen, die zuvor unpraktikabel schienen, und Software langfristig besser warten. Die wissenschaftliche Software wird effizienter und pflegbarer.

Dabei verschiebt sich die Aufgabe der Wissenschaftlerinnen und Wissenschaftler deutlich: Weg vom reinen Programmieren, hin zur Verifizierung und Orchestrierung. Sie definieren, was gebaut wird, legen fest, wie Korrektheit gemessen wird, und entscheiden, wann ein Tool bereit für den Einsatz ist. Die inhaltliche wissenschaftliche Kontrolle bleibt beim Menschen – mit deutlich gesteigerter Geschwindigkeit durch agentenbasierte Unterstützung.

Acht Fallstudien aus den Life Sciences

Der Bericht vereint Erfahrungsberichte von acht Projekten, die überwiegend aus den Life Sciences stammen. Fünf davon setzten auf Codex, drei kombinierten Codex mit Claude Code. Die Bandbreite reicht von routinemäßiger Wartung und gezielter Optimierung bis hin zu umfangreichen Sprachmigrationen und GPU-nativen Neugestaltungen.

Modernisierung etablierter Bibliotheken

Ein konkretes Beispiel ist cyvcf2, eine weit verbreitete Python-Bibliothek zum Lesen und Schreiben genomischer Variantendateien. GPT-5.5 ersetzte hier das veraltete Build- und Packaging-System durch einen modernen, einheitlichen Prozess. Das Ergebnis: Die Installation, Tests und Releases lassen sich nun deutlich einfacher durchführen. Der Entwickler Brent Pedersen fasst zusammen: Mit Coding Agents sei es einfach, schnell voranzukommen – um aber in der Wissenschaft weit zu kommen, bleibe Expertenführung, Verständnis und Sorgfalt unverzichtbar.

Beschleunigung für kleine Teams

Die beteiligten Teams berichten durchgehend von signifikanter Beschleunigung bei Entwicklung und Wartung. In einigen Fällen konnten kleine Gruppen Aufgaben angehen, für die sonst deutlich mehr Zeit oder spezialisierte Ingenieursunterstützung nötig gewesen wäre. Gleichzeitig wird aber auch die Herausforderung betont, klare und langfristige Verantwortlichkeiten für die entstandenen Werkzeuge zu definieren.

Valide Ergebnisse als neuer Flaschenhals

Trotz der Produktivitätsgewinne zeigt sich ein neuer Engpass: die Validierung der Agenten-Ergebnisse. Die KI-Systeme können zwar spezifische, gut abgegrenzte Anfragen effektiv umsetzen. Doch die Einschätzung, ob eine Arbeit wissenschaftlich korrekt ist und den Erwartungen entspricht, gelingt ihnen nicht zuverlässig. Auffällig ist, dass Agenten auch bei offensichtlichen Fehlern oft selbstbewusst auftreten.

Daher braucht es menschliche Prüfer, die externe Referenzen oder messbare Akzeptanzkriterien einsetzen. Dazu zählen exakte Übereinstimmungen mit vorhandenen Tools, korrektes statistisches Verhalten oder Antworten, die zuvor an simulierten Daten validiert wurden. Die Projekte verliefen zudem fast ausnahmslos in feedbackgetriebenen Iterationen statt in einem einzigen Durchgang. Die initiale Implementierung ging schnell, doch das Auflösen von Edge Cases und feinen numerischen Abweichungen forderte den größten Aufwand. Die letzte Meile eines Projekts erwies sich dabei als arbeitsintensivste Phase.

Langfristige Verantwortung statt kurzlebiger Rewrites

Die Wartungslücke in der Forschungssoftware bremst seit langem die Reproduzierbarkeit und Zuverlässigkeit. Studien zeigen, dass publizierter Code häufig nicht wie dokumentiert funktioniert oder sich in frischen Umgebungen nicht installieren lässt. Selbst routinemäßige Verbesserungen sparen Forschenden Zeit und Ressourcen.

Gleichzeitig birgt der niedrigere Implementierungsaufwand eine Gefahr: Die einfache Erstellung vieler ähnlicher Rewrites fragmentiert die Nutzerschaft und verteilt die knappe Aufmerksamkeit von Experten. Langzeitbetreuung und klare Zuschreibung sind deshalb unverzichtbar. Reife wissenschaftliche Software trägt oft undokumentierte Konventionen, Kompatibilitätsanforderungen und Vertrauen der Community, die sich nicht allein durch übersetzten Code replizieren lassen.

Der Bericht skizziert verschiedene Wege. Änderungen an MHCflurry und cyvcf2 wurden in die ursprünglichen Projekte integriert, während rustar-aligner unter neue Community-Verantwortung überging, nachdem das Originalprojekt aufgegeben worden war. Wo eine Koordination mit bestehenden Betreuern möglich ist, sollte sie früh beginnen. Wenn separate Implementierungen nötig sind, brauchen sie einen klaren Besitzer und einen glaubwürdigen Wartungsplan. Ohne diese Vorkehrungen wird aus einem modernen Rewrite schnell morgen verlassener Code statt zuverlässige Infrastruktur.

Fazit: Mehr Raum für wissenschaftliche Entscheidungen

Die Fallstudien deuten auf einen praktischen Wandel in der Entwicklung wissenschaftlicher Software hin. Coding Agents senken die Kosten für Wartung, Migration, Optimierung und Neuentwicklung spürbar. Ihr langfristiger wissenschaftlicher Wert hängt jedoch weiterhin von menschlichen Entscheidungen ab: Was soll gebaut werden? Wie wird es verifiziert? Wer betreibt die Langzeitpflege?

Der tiefere Wandel besteht nicht darin, dass Forschende mehr Software produzieren, sondern dass sie ihre Kraft verstärkt auf das Definieren, Validieren und Betreuen von Werkzeugen konzentrieren können. Agentenbasierte KI erweitert das Mögliche und gibt Forschungsteams Spielraum zurück für die wissenschaftlichen Fragen, die am meisten zählen.

Quelle: OpenAI – Scientific computing in the age of agentic AI