Der 78.000-Dollar-Weg, die Antwort zu verfehlen: Warum wir selbstfahrende Labore bauen statt größerer Screening-Kampagnen
Das erste selbstfahrende Labor, das ich je mitentwerfen durfte, scheiterte nicht an der KI. Es scheiterte an einem Liquid Handler.
Wir hatten Wochen damit verbracht, den Teil zu bauen, über den alle in Begeisterung geraten — eine bayessche Optimierungsschleife um ein Graph-Neural-Network gewickelt, das die Bandlücke eines Halogenid-Perowskits in Millisekunden vorhersagen konnte, statt tagelang auf einen Ofen zu warten. In der Simulation war es wunderschön. Die Akquisitionsfunktion wählte Zusammensetzungen aus, wie eine Schach-Engine Züge sieht. Und dann betraten wir das echte Labor, um es mit den echten Instrumenten zu verbinden, und das Ganze blieb vor einem zwölf Jahre alten Hamilton-Liquid-Handler stehen, dessen Methodendateien sich weigerten, mit irgendetwas zu sprechen, das nicht Hamiltons eigene Software war.
Das war der Tag, an dem ich verstand, was ein selbstfahrendes Labor eigentlich ist. Es ist kein cleveres Modell. Es ist ein geschlossener Regelkreis — ein Experiment entwerfen, es auf echter Hardware ausführen, das Ergebnis auslesen, das nächste entscheiden, wiederholen — und der Regelkreis ist nur so stark wie sein schwächstes, langweiligstes Glied. Meist ist dieses Glied ein Gerät aus dem Jahr 2014, das nie dafür gedacht war, von irgendjemandem außer seinem Hersteller automatisiert zu werden.
Alle wollen über den Optimierer reden. Was darüber entscheidet, ob Ihr Labor autonom wird, ist, ob Ihr fünfzehn Jahre altes Spektrometer um 3 Uhr morgens einem Python-Prozess eine Zahl zurückliefert.
Ich möchte durchgehen, warum das Hochdurchsatz-Screening — das Arbeitspferd der industriellen F&E seit dreißig Jahren — nun mathematisch überholt ist, was ein KI-gesteuertes Labor stattdessen tut und welche wenig glamouröse Ingenieursarbeit darüber entscheidet, ob eines dieser Systeme jemals tatsächlich in Ihrem Gebäude funktioniert. Das ist das Problem, um das herum wir heute selbstfahrende Labore bauen, und das meiste, was sie schwierig macht, hat nichts mit dem zu tun, was die Konferenzvorträge nahelegen.
Warum ist Hochdurchsatz-Screening plötzlich überholt?
Beginnen wir mit einer Zahl, die jeden Forschungsleiter beunruhigen sollte. Die Anzahl arzneimittelähnlicher kleiner Moleküle, die Lipinskis Regeln gehorchen — die grundlegende Chemie des „das könnte eine Tablette werden“ —, wird auf 10⁶⁰ geschätzt. Eine große Hochdurchsatz-Screening-Kampagne, wie sie Millionen an Robotik und Reagenzien kostet, testet rund 10⁶ Verbindungen.
Rechnen Sie es aus. Sie erfassen als Stichprobe rund 0,000000000000000000000000000000000000000000000000000001 % des Raums. Geht man zu Biologika und Mehrelement-Legierungen über, dehnt sich der Raum auf 10¹⁰⁰ aus — mehr als die Anzahl der Atome im beobachtbaren Universum.
Das tiefere Problem ist nicht einmal die Abdeckung. Es ist die Annahme, die darunterliegt. Das Screening setzt voraus, dass die Antwort bereits in einer vorsynthetisierten Bibliothek in einem Regal steht. Bei einem wirklich neuartigen Material — einem bleifreien Perowskit, einem Festkörperelektrolyten, einem neuen MOF — wurde die optimale Zusammensetzung mit ziemlicher Sicherheit noch nie von irgendjemandem hergestellt. Sie suchen nicht in einem Heuhaufen nach einer Nadel. Sie durchsuchen einen Heuhaufen von der Größe des Pazifiks nach einer Nadel, die Sie obendrein selbst erst schmieden müssen.
Das ist der Motor hinter Eroom's Law — Moores Gesetz rückwärts buchstabiert — die gut dokumentierte Tatsache, dass die Produktivität der Pharma-F&E gefallen ist — und das seit Jahrzehnten, obwohl die Ausgaben stiegen. Die Arzneimittelentwicklung kostet inzwischen über 2 Milliarden Dollar pro Wirkstoff (Deloitte, 2024), rund 90 % der Kandidaten scheitern in klinischen Studien, und die interne Rendite der Pharmabranche stürzte 2022 auf ein Zwölfjahrestief von 1,2 % ab, bevor sie sich 2024 wieder auf 5,9 % erholte, größtenteils dank einiger weniger GLP-1-Ausreißer. Die Brute-Force-Suche ist eine Steuer auf jede einzelne dieser Zahlen.
Was Brute Force in einem realen Budget tatsächlich kostet
So zeigt sich die Überholtheit in einem realen Budget, denn Abstraktionen über 10⁶⁰ bewegen niemanden.
Stellen Sie sich ein mittelgroßes Materiallabor vor, das einem bleifreien Halogenid-Perowskit mit einer bestimmten Bandlücke und einem bestimmten Stabilitätsprofil für Solarzellen der nächsten Generation nachjagt. Fünf Kandidaten-Kationen, acht Anion-Kombinationen, kontinuierliche Stöchiometrieverhältnisse — nennen wir es 10⁸ realisierbare Zusammensetzungen. Die traditionelle Methode ist ein Postdoc, der drei bis fünf Zusammensetzungen pro Woche synthetisiert, geleitet von der Literatur und der Intuition eines Betreuers. Bei etwa 150 $ pro Synthese, sobald man Vorstufen, Substratvorbereitung und Charakterisierung mitrechnet — ein Posten, den ich auf mehr als einer Bestellung habe anwachsen sehen —, ergibt das 78.000 $ über ein Jahr, um 520 Zusammensetzungen zu testen.
Fünfhundertzwanzig von hundert Millionen. Das sind 0,00052 % des Raums, und der beste Kandidat, den es zutage fördert, liegt möglicherweise nirgends in der Nähe des wahren Optimums.
Auf der Pharmaseite spielt sich dieselbe Rechnung gegen die Uhr statt gegen die Laborbank ab. Ich habe beobachtet, wie dieselbe Regelkreis-Logik — erst vorhersagen, nur die synthesewürdigen Kandidaten synthetisieren — präklinische Arbeit, die traditionell vier bis fünf Jahre dauert, auf etwas komprimiert, das näher an dem Zyklus liegt, den Exscientia durchlief, um ein KI-entworfenes Molekül in rund zwölf Monaten in Phase I zu bringen, bei um 25 bis 50 % gesenkten präklinischen F&E-Kosten. Dasselbe Prinzip, weit größerer Nenner.
Lösen Sie nun dasselbe Problem als selbstfahrendes Labor. Man trainiert ein Surrogat aus einem Graph-Neural-Network auf 50.000 DFT-berechneten Perowskitstrukturen aus dem Materials Project — einer öffentlichen Datenbank berechneter Materialeigenschaften — vor, damit das Modell Bandlücke und Bildungsenergie in Millisekunden vorhersagen kann. Dann wählt ein bayesscher Optimierer mit einer Expected-Improvement-Akquisitionsfunktion jedes nächste Experiment nach einem von zwei Kriterien aus: Entweder ist die vorhergesagte Leistung hoch, oder die Unsicherheit des Modells dort ist groß genug, um eine Auflösung wert zu sein. Er vermeidet bewusst die Hunderte von Läufen, die nur inkrementelle oder nutzlose Daten erzeugt hätten.
Dieses System erreicht die besten 0,1 % des Zusammensetzungsraums in 80 bis 120 gezielten Experimenten, für 12.000 bis 18.000 $ an Reagenzien. Dasselbe Labor, dieselben Instrumente, derselbe Postdoc — eine Größenordnung weniger Experimente und ein Bruchteil der Kosten.
Der Gewinn besteht nicht darin, Experimente schneller durchzuführen. Er besteht darin, die vierhundert Experimente niemals durchzuführen, die einem ohnehin immer nichts gesagt hätten.
Diese Reduktion um das 10- bis 50-Fache bei den Experimenten bis zum Ziel ist keine Marketingzahl, die ich erfunden habe; sie ist die konsistente Lücke zwischen bayesscher Optimierung und zufälligem Screening in der gesamten Materialliteratur. Und die Kostenseite hat ihre eigene Zahl — Cost-Informed Bayesian Optimization, 2024 auf ChemRxiv veröffentlicht, senkt die Optimierungskosten um bis zu 90 %, indem sie den Preis jedes Experiments als Teil dessen behandelt, was die Akquisitionsfunktion optimiert, nicht als nachträglichen Einfall.
Warum ich aufhörte, dem Modell zu vertrauen, und anfing, mir über die Verrohrung Gedanken zu machen
Zurück zu jenem Hamilton-Handler.
Als unser in der Simulation perfekter Regelkreis beim Kontakt mit echter Hardware starb, war mein erster Instinkt der falsche. Ich nahm an, es sei ein Einzelfall — Pech mit einem alten Gerät. Also schrieben wir schnell einen Adapter, brachten es zum Humpeln und machten weiter. Dann hatte das nächste Labor einen Tecan mit FluentControl, das danach hatte Agilent-Geräte, die einen dritten Dialekt sprachen, sowie ein LIMS und ein ELN, die dasselbe Experiment in zwei inkompatiblen Formaten speicherten. An jedem Standort lief das Modell am ersten Tag einwandfrei, und die Integration fraß die Wochen, die folgten.
Da wurde mir klar: In einem selbstfahrenden Labor macht die KI vielleicht 20 % der Arbeit aus. Die anderen 80 % bestehen darin, heterogene, oft uralte Instrumente dazu zu bringen, sich wie ein einziges programmierbares System zu verhalten. Labore überstehen das heute stillschweigend, indem sie Menschen in menschliche Middleware verwandeln — ein Wissenschaftler, der Zahlen aus einem Spektrometer in eine Tabellenkalkulation und dann ins LIMS abtippt — was genau der manuelle, fehleranfällige Schritt ist, den die Automatisierung eigentlich beseitigen sollte.
Die ehrliche Lösung ist SiLA 2, der Laborautomatisierungsstandard, der Instrumenten eine gemeinsame Sprache geben soll. Aber „Standard“ verspricht zu viel. Jede Instrumentenkombination ist ihr eigenes Integrationsprojekt. Also begannen wir, SiLA-2-Treiberstapel von Hand zu schreiben, um bestimmte Altgeräte zu umhüllen — den zwölf Jahre alten Handler eingeschlossen — und behandelten diese Treiberschicht als vollwertiges Liefergut, nicht als Klebecode, für den man sich entschuldigen muss. Sie ist der Teil, der entscheidet, ob das Labor autonom ist oder nur eine Demo.
Auch auf der Modellseite wartete eine zweite technische Demütigung. Als eine Stöchiometriesuche zum ersten Mal über ein paar Dutzend einstellbare Parameter hinausschoss, verlangsamte sich unser lehrbuchmäßiger Gauß-Prozess-Optimierer bis zum Stillstand. Die standardmäßige GP-basierte bayessche Optimierung skaliert mit O(n³); irgendwo oberhalb von ~50 Dimensionen ist sie schlicht nicht mehr brauchbar, und man muss zu dünnbesetzten Näherungen übergehen — SVGP, Deep Kernel Learning —, die die meisten Standardwerkzeuge nicht bereitstellen. Und das GNN-Surrogat, das im Perowskit-Beispiel so clever aussah? Kalt ist es wertlos. Es braucht 500 bis 1.000 DFT-berechnete Strukturen, bevor seine Vorhersagen besser sind als ein Münzwurf. Das Kaltstartproblem löst man nicht dadurch, dass man ein besseres Modell wählt; es ist ein Transfer-Learning-Problem, das man mit Fachwissen darüber löst, aus welcher vortrainierten Chemie man feinabstimmen sollte.
Nichts davon steht in der Broschüre. All das ist, was das Projekt tatsächlich ausmacht.
Wer sonst noch selbstfahrende Labore baut — und was kosten sie Sie im Stillen?
Das Feld der selbstfahrenden Labore hat sich schnell konsolidiert, und die Akteure sind real und gut finanziert. Es lohnt sich zu wissen, was jeder einzelne einem tatsächlich bietet, bevor man etwas unterschreibt.
Radical AI hat 55 Mio. $ in einer Seed-Plus-Runde und eine Series A über 60 Mio. $ eingesammelt, unterstützt von RTX Ventures und NVIDIAs NVentures, und im Januar 2026 mit Gouverneurin Hochul vor Ort eine Anlage im Brooklyn Navy Yard eröffnet — sie screenen Milliarden von Zusammensetzungen und führen täglich mehr als 100 Experimente durch, über 25 Legierungen pro Tag. Beeindruckend und auf die Metallurgie zugeschnitten. Der Haken ist struktureller Natur: Ihre Daten liegen auf deren Stack, und die Optimierungslogik ist deren Blackbox, nicht Ihre, um sie zu verändern. Emerald Cloud Lab betreibt über 200 automatisierte Instrumente an der Carnegie Mellon — Sie verschicken Proben und erhalten Ergebnisse zurück —, was wirklich nützlich ist und zugleich bedeutet, dass Ihre proprietäre Chemie Ihr Gelände verlässt und Sie auf deren Assay-Katalog beschränkt sind. Atinary, Kebotix, die neu erweiterte „KI-Wissenschaftsfabrik“ von Lila Sciences — dieselbe Art von Kompromiss. Sie passen Ihren Arbeitsablauf an deren Plattform an.
Jeder Plattformanbieter in diesem Bereich verkauft Ihnen dasselbe unter verschiedenen Namen: ihren Optimierer, ihre Instrumente, ihre Cloud — und Ihr geistiges Eigentum als Mieter darauf.
Dann gibt es die Big-4-Beratungen, die ein Labor-Strategieprojekt für 500 Tsd. bis 5 Mio. $ verkaufen und einem nach dem Großteil eines Jahres ein Foliendeck zur Anbieterauswahl in die Hand drücken — sie implementieren Plattformen, sie bauen keine Optimierungsmaschinen. Und den Inhouse-Weg, der einem die vollständige Kontrolle gibt und verlangt, ein Team für bayessche Optimierung und GNN aufzubauen, das ein Jahr braucht, um produktiv zu werden.
Was fast niemand anbietet, ist die Mitte: Behalten Sie Ihre vorhandenen Instrumente und Ihre Daten und fügen Sie eine KI-Optimierungsschicht hinzu, die Ihnen gehört. Diese Lücke — zwischen Marke Eigenbau und Plattform-Lock-in — ist der ganze Grund, weshalb eine Vertragsklausel eines Anbieters mit dem Wortlaut „Ihre chemischen Daten liegen auf unserer Infrastruktur“ einen umsichtigen Forschungsleiter innehalten lässt. Und genau dort haben wir uns entschieden zu bauen.
Was passiert, wenn man die Fehlschläge vergisst
Es gibt eine Zahl aus dem A-Lab von Berkeley, die ich in fast jedem Pitch anführe, weil sie genau den richtigen Punkt trifft. Das A-Lab synthetisierte 41 neuartige Materialien in 17 Tagen — ein wegweisendes autonomes Ergebnis. Seine Synthese-Erfolgsquote lag bei 71 %.
Aus der Perspektive eines Unternehmens liest sich diese 71 % als ihr Komplement. Neunundzwanzig Prozent der Versuche schlugen fehl — verstopfte Pipetten, Sensordrift, degradierte Reagenzien, ein Ofen, der die Temperatur nicht erreichte. Für einen akademischen Machbarkeitsnachweis brillant. Für eine regulierte Pharmalinie sind diese 29 % kein zu verbergender Abfall. Es sind Daten, die Sie gesetzlich aufbewahren müssen.
Hier habe ich die teuersten Fehler passieren sehen, und es hat nichts mit Chemie zu tun. Der Datenintegritätsstandard der FDA, ALCOA+, verlangt, dass Aufzeichnungen zuordenbar, lesbar, zeitnah, original, korrekt — und vollständig sind. Vollständig bedeutet, dass auch die fehlgeschlagenen Experimente erfasst werden, nicht nur die geglückten Läufe. Die meiste Software für selbstfahrende Labore lässt fehlgeschlagene Läufe stillschweigend unter den Tisch fallen. In einem Forschungslabor bemerkt es niemand. In einer GxP-Umgebung ist genau dieses Versäumnis der Befund, der ein Datenintegritäts-Warnschreiben der CDER wegen fehlender Aufzeichnungen auslöst.
Das ist kein hypothetischer Druck. Die Warnschreiben der CDER sind im Haushaltsjahr 2025 um 50 % gestiegen, wobei Datenintegritätsprobleme zu den vorherrschenden Beanstandungen zählten; die FDA verschickte Anfang 2025 Integritätsschreiben an Firmen wie Tyche Industries und Jagsonpal Pharmaceuticals. Und im Januar 2026 veröffentlichten die FDA und die EMA gemeinsam zehn Leitprinzipien für gute KI-Praxis in der Arzneimittelentwicklung, mit Schwerpunkt auf Data Governance, Lebenszyklusmanagement und menschlicher Aufsicht. Wenn wir also einen Regelkreis für ein reguliertes Labor bauen, ist der Audit-Trail, der jeden Fehlschlag durch eine verstopfte Pipette mit Zeitstempel und Herkunft erfasst, kein Feature, das wir am Ende hinzufügen. Es ist eine Randbedingung, um die herum wir den Regelkreis von der ersten Zeile an entwerfen.
„Werden die Plattformen das nicht einfach übernehmen?“ — und andere Dinge, die man mich fragt
Die Frage, die ich am häufigsten höre, ist, ob die gut finanzierten Plattformen diesen Bedarf einfach absorbieren werden. Sie werden die Labore absorbieren, die gern Mieter sind. Sie werden nicht das mittelgroße Labor bedienen, das zwanzig Jahre proprietärer Daten besitzt, ein Gebäude voller Instrumente, die es bereits bezahlt hat, und einen Vorstand, der nicht akzeptiert, dass sein geistiges Eigentum in der Cloud eines anderen liegt. Diese beiden Bedürfnisse stehen strukturell im Widerspruch, und Finanzierung versöhnt sie nicht.
Die zweite Frage ist, ob die KI ausgereift genug ist, um ihr zu vertrauen. Die eigenen Benchmarks des Fachgebiets sagen, dass die Modellierung angekommen ist: In den Matbench-Discovery-Ergebnissen von 2026 wurden 45 Modelle eingestuft, und das beste, PET-OAM-XL, erreichte einen F1-Wert von 0,924 und einen Entdeckungsbeschleunigungsfaktor über 6x. Die strömungsgetriebene Technik für selbstfahrende Labore der NC State, veröffentlicht in Nature Chemical Engineering Mitte 2025, sammelte 10x mehr Daten als frühere Ansätze. Die Wissenschaft ist bereit. Was nicht zur Massenware geworden ist, ist die Verdrahtung in Ihre Instrumente unter Ihrem Compliance-Regime.
Die dritte Frage ist die leise: Ist das nur etwas für Big Pharma? Nein. Die Wirtschaftlichkeit beißt am härtesten bei den mittelgroßen Material- und Life-Sciences-Laboren, deren F&E-Budget kein 78.000-$-Jahr verkraften kann, um 0,0005 % eines Raums zu durchsuchen, und die keinen 5-Mio.-$-Beratungsscheck ausstellen können, um sich sagen zu lassen, welche Plattform sie kaufen sollen.
Der Teil, den niemand auf eine Folie setzt
Ich bin zu der Überzeugung gelangt, dass die Romantik des autonomen Labors — Roboter, die die ganze Nacht pipettieren, KI, die sich Moleküle ausdenkt — dem Fachgebiet einen schlechten Dienst erweist. Sie verkauft die Romantik und verbirgt die Arbeit. Der Grund, warum die meisten dieser Projekte ins Stocken geraten, ist nicht, dass der Optimierer nicht klug genug war. Es ist, dass niemand Wochen damit verbringen wollte, einen SiLA-2-Treiber für einen Liquid Handler zu schreiben, oder einen Audit-Trail zu bauen, der die fehlgeschlagenen Experimente aufzeichnet, oder ein Surrogat mit der richtigen Domänenchemie über seinen Kaltstart hinaus feinabzustimmen.
Diese wenig glamouröse Arbeit ist die eigentliche Arbeit. Sie ist der Grund, warum wir die Optimierungsmaschinen, die Instrumentenintegrationen und die Architektur des geschlossenen Regelkreises als ein System bauen, für das konkrete Labor, das vor uns steht — Ihre Instrumente, Ihre Materialien, Ihre Daten, die Ihre bleiben.
Edison testete Tausende von Glühfäden von Hand, weil in seiner Zeit die Theorie dem Experiment hinterherhinkte. Im Jahr 2026 gibt es diese Ausrede nicht mehr. Wir können vorhersagen, bevor wir synthetisieren, aus vierhundert das eine lohnende Experiment auswählen und das Labor sich selbst auf eine Antwort zubewegen lassen. Die Labore, die die Suche weiter mit roher Gewalt betreiben, sind nicht gründlich. Sie bezahlen das ganze Jahr eines Postdocs, um 0,0005 % des Bildes zu betrachten, und nennen das Sorgfalt.
