BioBasicsBench: OpenAI und Ligo testen KI-Agenten bei 100 alltäglichen Aufgaben im Biologielabor
OpenAI hat am 6. November BioBasicsBench vorgestellt, das gemeinsam mit dem Biotech-Unternehmen Ligo anhand von Rohdaten aus dem Laboralltag entwickelt wurde: Gele, Zellkulturplatten, Mikroskopie, Sequenzierdateien. GPT-6 Astra erreicht dabei 66,7 Prozent der Punkte, verglichen mit 43,8 Prozent für GPT-5.6 Sol – allerdings wurden ausschließlich Modelle von OpenAI evaluiert.
Die meisten wissenschaftlichen Tests für KI nutzen bereits aufbereitete Abbildungen, die für veröffentlichte Fachartikel ausgewählt wurden. Die reale Arbeit in einem Biologielabor ist unordentlicher: misslungene Experimente, mehrdeutige Bilder, Kontrollen, die sich widersprechen. Genau das will BioBasicsBench messen, das am 6. November von OpenAI vorgestellt und gemeinsam mit Ligo, einem auf Enzymdesign spezialisierten Biotech-Unternehmen, entwickelt wurde (Ankündigung).
Reale Labordaten statt veröffentlichungsreifer Abbildungen
Der Benchmark umfasst 100 alltägliche Aufgaben, vom einfachen Ablesen der Größe eines DNA-Fragments auf einem Gel bis hin zur detaillierten Analyse eines Assays, aufgeteilt auf fünf Bereiche: Proteine, Bildgebung und Zytometrie, Quantifizierung, Nukleinsäuren sowie Klonierung. Die Daten entsprechen dem, was Forschende tagtäglich handhaben: Fotos von Gelen und Zellkulturplatten, Bildstapel aus der Mikroskopie, rohe Sequenzierdateien, Exporte von Plattenreadern, Videos manueller Laborabläufe und fotografierte handschriftliche Notizen.
Jede Aufgabe wurde von Forschenden anhand ihrer eigenen Experimente verfasst, mit einem Experten-Bewertungsschema versehen und anschließend dreimal gegengelesen, darunter einmal durch einen externen promovierten Wissenschaftler. Die Punktevergabe erfolgt Kriterium für Kriterium – auch für das Erkennen, dass die Daten keine Schlussfolgerung zulassen.
Astra an der Spitze eines reinen OpenAI-Rankings
Bei der höchsten für alle Modelle gemeinsamen Reasoning-Einstellung erreicht GPT-6 Astra 66,7 Prozent der Punkte, vor GPT-6.1 Sol (62,0 Prozent) und weit vor GPT-5.6 Sol (43,8 Prozent). OpenAI hebt anschauliche Beispiele hervor: Astra bemerkt, dass eine Kontrollplatte mit dem falschen Antibiotikum beschriftet ist, und verwirft sie, oder erkennt, dass eine Bilderserie, auf der Zellen scheinbar „verschwinden“, in Wirklichkeit ein Tiefenschnitt des Mikroskops ist.
Das Unternehmen zeigt jedoch auch die Fehlschläge. Astra wählt falsche Kolonien aus, weil eine vertraute Hypothese überwiegt gegenüber dem, was die Kontrollen anzeigen, ignoriert Beobachtungen, die der eigenen Schlussfolgerung widersprechen, und überschätzt eine Koloniezählung um rund 12 Prozent. OpenAI betont selbst: Diese Ergebnisse bedeuten noch nicht, dass ein Modell im Labor zuverlässige Urteile fällen kann.
Unsere Einschätzung
BioBasicsBench trifft den richtigen Nerv: Gerade bei den undankbaren Routineaufgaben wie dem Ablesen eines Gels oder der Prüfung einer Kontrolle entscheidet ein Laborassistent darüber, ob man Wochen gewinnt oder verliert. Die Entscheidung, auch ein „Daraus lässt sich kein Schluss ziehen“ zu belohnen, ist der interessanteste Punkt, da Überinterpretation in der Wissenschaft der kostspieligste Fehler ist. Die Übersicht hat jedoch eine offensichtliche Einschränkung: Es wurden ausschließlich Modelle von OpenAI evaluiert, auf einem von OpenAI und einem Partner entworfenen Benchmark. Solange keine anderen Modelle getestet wurden, steht vor allem fest, dass Astra sich gegenüber der vorherigen Generation deutlich verbessert hat – nicht aber, wo das Modell im Vergleich zur Konkurrenz steht. OpenAI gibt schließlich an, dass die Beobachtung dieser Fähigkeiten helfen soll, die Auswirkungen auf die Biosicherheit zu bewerten – ein Aspekt, der mit steigenden Punktzahlen zunehmend an Bedeutung gewinnen wird.
Quellen
- OpenAI — Measuring how AI agents handle everyday wet-lab science (6. November 2026) Primärquelle
- AI Affairs — OpenAI introduces BioBasicsBench to test AI agents on wet-lab tasks (7. November 2026) Sekundärquelle
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.
