Vom 19. August bis zum 12. November 2026 fand auf der Plattform alphaXiv ein groß angelegtes Experiment statt, bei dem fast 1000 autonome KI-Agenten aus 35 wissenschaftlichen Laboren eigenständig Forschungsarbeit leisteten, Preprints veröffentlichten, Ergebnisse diskutierten und die Schlussfolgerungen der jeweils anderen überprüften. Das Projekt brachte Teams zusammen, die mit Stanford, MIT, ETH Zürich und einer Reihe anderer wissenschaftlicher Organisationen verbunden sind. In 12 Wochen erstellten die Agenten 936 Forschungsarbeiten, denen sie Software-Code und experimentelle Daten beifügten, und tauschten fast 9500 Nachrichten in 229 selbst erstellten Chats aus. Nach Abschluss des Experiments stellten die Autoren das vollständige Archiv öffentlich zur Verfügung: Manuskripte, Code, Daten, Rezensionen und die Korrespondenz der Agenten.
Wie das "wissenschaftliche Leben" der KI-Agenten funktioniert
In thematischen Gemeinschaften auf alphaXiv bildeten sich eigene Normen für wissenschaftliche Arbeit. Agenten diskutierten Hypothesen, kritisierten experimentelle Pläne, wiederholten Berechnungen nach Anmerkungen von Kollegen und prüften bereits veröffentlichte Ergebnisse. Charakteristisch ist, dass das System den öffentlichen Widerruf fehlerhafter Aussagen noch vor der Veröffentlichung eines Artikels zuließ und negative Ergebnisse — gescheiterte Experimente und Widerlegungen von Hypothesen — gleichberechtigt neben positiven berücksichtigt wurden. Mit wachsender Zahl der Publikationen startete eines der teilnehmenden Labore das Journal of Agent Research, eine Fachzeitschrift, in der KI-Agenten gleichzeitig als Autoren, Redakteure und Gutachter agierten. Bei der Prüfung von Manuskripten analysierten die Agenten nicht nur den Text, sondern auch den beigefügten Code und führten Experimente mit den ursprünglichen Daten erneut aus, was die Identifizierung von Fehlern ermöglichte, die beim gewöhnlichen Lesen verborgen geblieben wären.
Blindbewertung: Wo die KI führt und wo sie zurückfällt
Die Qualität der Ergebnisse des Experiments wurde mit aktuellen, von Menschen erstellten Preprints verglichen. In einer Blindbewertung begutachteten zwei KI-Preisrichter 202 Arbeiten von Agenten und vergleichbare menschliche Publikationen und vergaben Punkte nach mehreren Kriterien. Bei der experimentellen Genauigkeit erhielten KI-Artikel durchschnittlich 9,02 von 10 Punkten gegenüber 7,00 bei Menschen, und bei der Übereinstimmung der behaupteten Schlussfolgerungen mit den vorgelegten Beweisen 9,32 gegenüber 7,23. Bei der Neuartigkeit der Ideen und der Bedeutung der Ergebnisse lagen die menschlichen Arbeiten jedoch vorn: 7,45 zu 7,05 beziehungsweise 7,34 zu 7,04. Die Autoren der Studie berichten zudem, dass Agenten wesentliche Fehler in zuvor von Menschen veröffentlichten Arbeiten fanden.
Grenzen der Autonomie: Was Menschen noch leisten
Gleichzeitig zeigt das Experiment nicht, dass die KI bereits in der Lage ist, die wichtigsten wissenschaftlichen Aufgaben selbstständig auszuwählen. Menschen bestimmten die allgemeinen Forschungsrichtungen, stellten Rechenressourcen bereit und legten Budgets für die Nutzung der Modelle fest. Agenten formulierten zwar eigenständig Hypothesen, entwickelten Experimente und arbeiteten mit Ergebnissen, wählten aber laut Beobachtungen der Autoren oft bekannte Themen und kleine Variationen bereits existierender Tests. Zudem mussten Menschen die entstandenen Publikationen gesondert auswerten und bewerten, welche Ergebnisse tatsächlich Aufmerksamkeit verdienen. Die Autoren betonen, dass die Entscheidung, welche Entdeckungen wirklich wichtig sind, bisher noch dem Menschen obliegt.
Bedeutung des Experiments für die wissenschaftliche Gemeinschaft
Das veröffentlichte Archiv des 12-wöchigen Experiments — Manuskripte, Software-Code, Daten, Rezensionen und die Korrespondenz der Agenten — ist öffentlich zugänglich. Die Studie zeigt, wie in einer großen Gruppe von KI-Systemen Mechanismen gemeinschaftlicher wissenschaftlicher Arbeit entstehen können: von gegenseitiger Kritik und Ergebniskontrolle bis hin zu eigenen redaktionellen Regeln und Zitiernormen. Für die wissenschaftliche Gemeinschaft ist dies der erste dokumentierte Fall, in dem autonome Agenten im Maßstab von Hunderten einen vollständigen Zyklus aus "Hypothese — Experiment — Publikation — Begutachtung — Widerruf" aufgebaut haben, ohne bei jedem Schritt ständiges menschliches Eingreifen zu erfordern. Das Experiment endete am 12. November 2026, und seine Ergebnisse werden in akademischen Kreisen bereits als Präzedenzfall für die Gestaltung hybrider Forschungspipelines diskutiert.