Ein perfektes Modell schützt Ihr selbstfahrendes Labor nicht vor fehlerhaften Synthesen. Ich habe das Gate gebaut, das es tut.

Forschende, die sehen, was wir bauen, stellen mir immer wieder dieselbe Frage, und lange Zeit habe ich sie so beantwortet, wie sie es hören wollten: „Wie hoch ist Ihr Faktor für die Stichprobeneffizienz?“ Um wie viel weniger Experimente benötigt Ihre Schleife im Vergleich zu einem Brute-Force-Screening? Das ist eine berechtigte Frage. Doch wie ich inzwischen glaube, ist es auch die falsche Frage für den Einstieg – und ich habe erst verstanden, warum, als ich dabei zusah, wie sich ein simulierter Roboter munter auf eine Rezeptur festlegte, die an der Luft oxidiert wäre, noch bevor das Mischen abgeschlossen gewesen wäre.

Ich bin Ashutosh und ich leite Veriprajna. Wir entwickeln das Gehirn, das Sicherheits-Gate und die Provenienzschicht für selbstfahrende Labore – auf der Hardware, die ein Labor bereits besitzt. Keine gehostete Roboteranlage. Kein Ersatz für die Instrumente, deren Anschaffung eine Materialgruppe ein Jahrzehnt gekostet hat. Sondern die schlanke, tragende Softwareschicht, die entscheidet, was als Nächstes ausgeführt wird, von vornherein zum Scheitern verurteilte Experimente ablehnt und genau die Art von Nachweisen führt, die eine Regulierungsbehörde verlangt. Diese Demo, die Sie unter veriprajna.com/de/demos/autonomous-lab-ai-das-sicherheits-gate-und-der-audit-trail-fur-selbstfahrende-labore selbst öffnen und ausprobieren können, ist der Ort, an dem ich mir selbst bewiesen habe, dass diese Schicht das Produkt ist – und nicht das Modell.

Die Zahl, nach der mich alle fragen, ist die falsche

Ich habe den ersten Monat dieser Entwicklung damit verbracht, diesem Effizienzfaktor hinterherzujagen, weil das Fachgebiet genau das belohnt. Die Debatte um selbstfahrende Labore dreht sich derzeit um ein Wettrennen nach einem besseren Surrogatmodell und einem höheren Verhältnis von Bayesscher Optimierung zu Screening. Ich verstehe das. Es ist eine saubere, zitierfähige Zahl. Bei unserer eigenen verdeckten Zielfunktion erreicht der geschlossene Regelkreis ein spezifikationsgerechtes Material in 75 Experimenten, während ein Zufallsscreening etwa 1.491 benötigen würde, was das Dashboard als 19,9-mal weniger ausweist. Das ist ein echtes Ergebnis auf einer realen, reproduzierbaren Baseline, und ich bin froh, dass es existiert.

Aber genau hier habe ich innegehalten. Ein perfektes Surrogatmodell, das jede Eigenschaft fehlerfrei vorhersagt, kann eine ladungsungleichgewichtige Synthese dennoch nicht an der Ausführung hindern. Es kann keine Zusammensetzung ablehnen, die bei Kontakt mit feuchter Luft oxidiert. Es kann keine Aufzeichnungen erstellen, die eine Arzneimittelbehörde akzeptieren würde. Und es kann den Regelkreis nicht aus eigener Kraft schließen. Das Modell ist der Teil, bei dem alle im Wettbewerb stehen – und es ist der Teil mit dem am wenigsten nachhaltigen Wert, denn in dem Moment, in dem Ihr Modell gut ist, ist Ihr Problem nicht mehr die Vorhersage. Es ist Steuerung, Sicherheit und Nachweisbarkeit.

Ein besseres Modell macht ein autonomes Labor nicht vertrauenswürdig. Es sorgt lediglich dafür, dass es Experimente schneller ausführt, bei denen Sie immer noch nicht belegen können, dass Sie sie überhaupt hätten durchführen sollen.

Das A-Lab in Berkeley, eines der am häufigsten zitierten Projekte zur autonomen Synthese, meldete eine Erfolgsquote von 71 %, was bedeutet, dass rund 29 % der Versuche nicht zum Ziel führten (A-Lab, Nature, 2023). Lesen Sie diese Zahl so, wie eine Laborleitung sie liest: Fast ein Drittel der Roboterzeit und der Reagenzien floss in Experimente, die keinerlei Ergebnis brachten. Eine bessere Akquisitionsfunktion ändert daran nichts. Das muss etwas anderes leisten.

Was kostet ein zum Scheitern verurteiltes Experiment wirklich?

Ich habe das Gate als Zweites gebaut, und es stellte sich heraus, dass es das Erste gewesen wäre, was ich hätte bauen sollen. Es liegt außerhalb der Agenten in deterministischem Code, und jeder vom Optimierer vorgeschlagene Kandidat muss es passieren, bevor auch nur ein einziges Reagenz angerührt wird. Es führt fünf Prüfungen durch, und jede einzelne davon basiert auf veröffentlichter Chemie, nicht auf einer von mir erfundenen Heuristik: Goldschmidt-Toleranzfaktor außerhalb des Perowskit-Bildungsfensters, Oktaederfaktor außerhalb des Fensters stabiler Oktaeder, Ladungsneutralität verletzt durch eine unkompensierte B-Platz-Substitution, ein Sn(II)-Oxidationsrisiko bei Prozessfeuchtigkeit und Temperung oberhalb der Zersetzungstemperatur der organischen Vorläufer. Wenn ein Kandidat gegen eine dieser Regeln verstößt, gibt das Gate BLOCKED zurück, benennt die Regel und weist das Geld sowie die Roboterstunden aus, die gerade eingespart wurden.

Als ich zum ersten Mal auf eine dieser blockierten Karten klickte, löste sich der Disput für mich auf. Sehen Sie sich an, was das Panel zeigt: Eine stark Sn(II)-haltige Zusammensetzung bei Prozessfeuchtigkeit, die der digitale Zwilling ablehnt, weil Zinn in dieser Oxidationsstufe an feuchter Luft oxidiert. Das ist keine schlechte Vorhersage, die das Modell hätte abfangen müssen. Es ist eine physikalische Tatsache, für deren Durchsetzung das Modell von vornherein das falsche Werkzeug war. Das Gate sparte bei diesem einen Kandidaten 105 Dollar und etwas mehr als zwei Roboterstunden ein und stellte einen Beleg für diese Entscheidung aus. Rechnet man das auf eine gesamte Kampagne hoch, spricht man nicht mehr über ein nettes Extra. Man spricht über das 29-Prozent-Leck, das gezielt geschlossen wurde.

Ich möchte genau beschreiben, worum es sich hierbei handelt, denn die ehrliche Einordnung ist mir wichtiger als die beeindruckende. Das „Labor“ hinter diesem Gate ist ein Simulator mit einer SiLA-2-förmigen Schnittstelle, und das Ziel ist ein physikalisch motivierter synthetischer Benchmark, keine echte DFT und keine realen Labordaten. Ich behaupte nicht, dass wir ein Material synthetisiert haben. Ich behaupte, dass der Mechanismus – die deterministische Ablehnung unmöglicher Chemie – real, überprüfbar und völlig unabhängig davon ist, wie gut ein Modell gerade sein mag.

Ich habe versucht, das Modell sich selbst kontrollieren zu lassen. Es hat mich eiskalt angelogen.

Ich ging nicht von Anfang an davon aus, dass das Gate deterministisch sein musste. Mein erster Instinkt war ehrlich gesagt der derzeit modische: die Sprachmodell-Agenten über die Machbarkeit nachdenken zu lassen. Ich hatte einen Lab-Director-Agenten, der die Strategie formulierte, und einen Critic-Agenten, der Abweichungen kennzeichnete, und es schien elegant, sie im Grunde einfach zu fragen: „Ist dieser Kandidat sicher und sinnvoll?“ Einen Nachmittag lang ließ ich also das Urteil des Modells die Prüfung ersetzen.

Es rationalisierte eine ladungsungleichgewichtige Zusammensetzung. Voller Selbstvertrauen. Es lieferte mir einen flüssigen Absatz darüber, warum die B-Platz-Substitution wahrscheinlich in Ordnung sei – und dieser Absatz war falsch, ohne dass der Tonfall auch nur den geringsten Zweifel aufkommen ließ. Das war der Nachmittag, an dem das Konstruktionsprinzip aufhörte, ein Slogan zu sein, und zu einer Regel wurde, von der ich nicht mehr abweichen würde.

Agenten beraten, Code entscheidet. In einem selbstfahrenden Labor ist das keine Einschränkung. Es ist der einzige Weg, wie Autonomie sich das Recht verdient, unbeaufsichtigt zu laufen.

Also habe ich die Machbarkeits- und Sicherheitsentscheidung dauerhaft aus den Agenten heraus und in deterministischen Code verlagert – und auch den Optimierer vom Sprachmodell unabhängig gemacht. Die Agenten kommentieren und kritisieren, und wenn Sie die Demo ohne API-Schlüssel ausführen, greifen sie auf eine deterministische Berichterstattung zurück und alles funktioniert weiterhin, weil das Gate und der Optimierer zu keinem Zeitpunkt vom Modell abhängen. Der Optimierer selbst ist nicht exotisch, und auch hier bin ich lieber ehrlich als effekthascherisch: Es handelt sich um ein Gauß-Prozess-Surrogatmodell mit einer zielgerichteten ParEGO-Akquisition, geschrieben in numpy und scipy. Eine ausgereifte Methode, bewusst unaufgeregt. Der produktive Ersatz sind BoTorch und Ax. Es ging nie um einen raffinierten Optimierer. Es ging darum, dass der Teil, dem Sie die Sicherheit anvertrauen, nicht der Teil sein darf, der in selbstsicheren Absätzen spricht.

Die Anzeigetafel, auf die es mir wirklich ankommt

Ich betrachte diese Übersicht heute anders als zu Beginn. Jeder Blick wandert sofort auf den Faktor 19,9, und der ist zweifellos gut. Aber die Zahl, auf die ich verweise, wenn ein F&E-Leiter fragt, was wir tatsächlich verändern, steht direkt daneben: 38 nicht umsetzbare Kandidaten vor der Synthese blockiert, 4.419 $ an Reagenzienverschwendung und 90,1 Roboterstunden verhindert und null zum Scheitern verurteilte Experimente ausgeführt. Bei identischer verdeckter Zielfunktion hätte ein Zufallsscreening nicht nur länger gedauert – es hätte all das restlos verbrannt.

Der Effizienzfaktor verliert an Aussagekraft, je besser die Modelle aller Beteiligten werden. Die Verschwendung, die das Gate verhindert, und die Nachweise, die es führt, gewinnen hingegen stetig an Wert.

Beachten Sie auch, was der Regelkreis nicht getan hat: Er hat keine Perfektion für sich beansprucht. Über den Multi-Seed-Benchmark hinweg löste der geschlossene Regelkreis 9 von 10 Durchläufen innerhalb des Budgets, nicht 10 von 10, und die Schleife fängt eine Rate von 10 bis 15 % an künstlich eingespielten Roboterfehlern ab – denn echte Roboter fallen aus, und etwas anderes vorzugeben, würde die Demo zur Farce machen. Einer der Einträge im Audit-Trail ist eine Synthese, die fehlschlug und als Negativdaten erfasst wurde, denn ein selbstfahrendes Labor, das seine Fehlschläge verwirft, wirft genau jene Informationen weg, die den Grenzbereich schärfen. Ich habe das ganz bewusst sichtbar gelassen.

Und dieser Effizienzfaktor besitzt einen Gültigkeitsbereich, den ich nicht unterschlagen will: Das Ergebnis von 75 gegenüber 1.491, der Faktor 19,9, die 4.419 $ – all das ist Bayessche Optimierung im Vergleich zu Baselines auf einer einzigen verdeckten synthetischen Zielfunktion. Es ist ein Beleg dafür, dass die Engine funktioniert. Es ist keine Open-World-Garantie, und wenn die Schleife die Baselines nicht geschlagen hätte, würde ich genau das berichten. Der Wert, den ich in den Vordergrund stelle – vermiedene Verschwendung und lückenlose Provenienz –, gilt bei jeder Modellqualität. Der Multiplikator ist der Teil, der vom Benchmark abhängt, weshalb ich diese Einschränkung untrennbar damit verknüpft lasse.

Würde eine Regulierungsbehörde Ihrem Roboter glauben?

Ich hatte nicht erwartet, dass die Provenienzschicht der Aspekt sein würde, der die Leute überzeugt – aber sie ist das schlagendste Argument für jeden, der im regulierten Umfeld arbeitet. Die „Guiding Principles for AI in drug development“ von FDA und EMA aus dem Jahr 2026 fordern eine Provenienz, die zuordenbar und zeitnah dokumentiert ist. Im Klartext: Bei jeder automatisierten Entscheidung muss klar sein, wer oder was sie getroffen hat, auf welcher Grundlage, zu welchem Zeitpunkt, und ob Sie beweisen können, dass der Datensatz seither nicht verändert wurde. Ein besseres Surrogatmodell bringt Sie diesem Ziel keinen Millimeter näher. Ein Revisionsprotokoll schon.

Ein selbstfahrendes Labor, das nicht belegen kann, was es letzte Nacht getan hat, ist nicht autonom. Es ist unkontrollierbar, und kein reguliertes Labor wird es ein zweites Mal einsetzen.

Jede Entscheidung, die das System trifft – sowohl eine Synthese als auch eine Blockierung –, wird daher zu einem unveränderbaren ALCOA+-Datensatz: ein Zeitstempel, der auswählende Algorithmus, die vorhergesagten Eigenschaften samt Unsicherheit, die Begründung, das Urteil des Gates und das gemessene Ergebnis. Jeder Datensatz enthält einen SHA-256-Hash, der mit dem vorherigen verkettet ist. Über die Kampagne mit Seed 411 ergab das 113 Datensätze, 75 Synthesen und 38 Blockierungen, und Sie können das gesamte Protokoll als JSON sowie als formatierten Bericht exportieren.

Hier muss ich vorsichtig sein, denn an dieser Stelle habe ich oft überzogene Behauptungen erlebt: Dies ist eine nach ALCOA+ abgebildete Provenienz und nicht nach IQ/OQ/PQ anhand der Standardarbeitsanweisung eines Kunden validiert. Diese Validierung ist Gegenstand des konkreten Projekts, kein Häkchen, das ich in einer Demo setzen kann. Was ich Ihnen jedoch zeigen kann, ist, dass diese Eigenschaft echt und überprüfbar ist und nicht nur dekorativ. Deshalb habe ich einen Manipulations-Test eingebaut, der einen Datensatz ändert und die Kettenprüfung erneut ausführt.

Als ich diesen Test zum ersten Mal ausführte und sah, wie die Meldung „Chain broken at record #2: tamper detected. The filed audit is provably altered“ ausgegeben wurde, verstand ich, was ich tatsächlich gebaut hatte: keinen schnelleren Optimierer, sondern eine Schicht, mit der ein Labor im Nachhinein belegen kann, dass seine autonomen Entscheidungen exakt dem entsprechen, was im Protokoll steht. Das ist der Aspekt, den man sich mit einem besseren Modell nicht erkaufen kann – und genau das, was eine Aufsichtsbehörde, ein Auditor oder Sie selbst in der Zukunft verlangen werden.

Was dem Wettlauf um selbstfahrende Labore meiner Ansicht nach fehlt

Ich bin nicht angetreten, um gegen Stichprobeneffizienz zu argumentieren, und ich möchte klarstellen, dass ich das nicht tue. Weniger Experimente bis zum Erreichen eines Ziels sind ein echter Mehrwert, und unsere Schleife liefert ihn. Was ich jedoch gelernt habe, nachdem ich das gesamte System aufgebaut und beobachtet hatte, worauf mein eigenes Vertrauen tatsächlich beruhte: Das Fachgebiet hat sich auf die eine Kennzahl fixiert, die mit zunehmender Reife der Technologie immer weniger beständig ist. Wenn jede Arbeitsgruppe über ein gutes Surrogatmodell verfügt, ist dieser Faktor kein Differenzierungsmerkmal mehr. Das Gate, das unbrauchbare Chemie ablehnt, und das Protokoll, das die ausgeführten Schritte nachweist, werden dagegen immer wertvoller – denn das sind die Komponenten, die Autonomie zwingend benötigt, bevor man sie unbeaufsichtigt arbeiten lässt.

Der unkonventionelle Schritt – jener, für den ich mit dem Unternehmen einstehe – besteht also darin, die Entscheidung über Machbarkeit und Sicherheit in deterministischen Code außerhalb der Agenten zu verlagern und jede automatisierte Entscheidung so zu behandeln, dass sie sich später lückenlos belegen lässt. Nicht, weil Modelle schlecht wären. Sondern weil die Fragen, die darüber entscheiden, ob ein selbstfahrendes Labor über Nacht laufen darf, keine Vorhersagefragen sind. Es sind Fragen der Sicherheit und der Provenienz – und diese verlangen nach Code und Hashes, nicht nach selbstbewusst formulierten Textabsätzen.

Sie können die Schleife selbst öffnen, eine zum Scheitern verurteilte Synthese blockieren, die Audit-Kette unterbrechen und prüfen, ob Sie mir zustimmen, und zwar unter veriprajna.com/de/demos/autonomous-lab-ai-das-sicherheits-gate-und-der-audit-trail-fur-selbstfahrende-labore.

Und wenn Sie das Ganze lieber in Aktion sehen möchten, anstatt meine Beschreibung zu lesen: Hier läuft das gesamte System von Anfang bis Ende.

Die Frage, die mich immer wieder beschäftigt und auf die ich von jedem, der echte Laborautomatisierung betreibt, wirklich gerne eine Antwort hätte: Wenn Ihr Labor heute Nacht tausend Experimente unbeaufsichtigt durchführen würde, wonach würden Sie morgen früh als Erstes greifen – nach einem besseren Modell oder nach einem lückenlos nachweisbaren Protokoll?