OpenAI-Laborexperiment zeigt: Das Prompt-Gerüst leistet echte Arbeit

Was am Labortisch tatsächlich durchgeführt wurde

OpenAI arbeitete mit Red Queen Bio, einem Biosicherheits-Start-up, zusammen, um zu testen, ob GPT-5 ein reales molekularbiologisches Protokoll durch experimentelles Feedback verbessern kann. Die Aufgabe: Optimierung einer zweiteiligen Klonierungsreaktion, die ein GFP-Gen mit dem pUC19-Plasmid verbindet, ausgehend von der HiFi-Assembly von New England Biolabs, die selbst auf der Gibson-Assembly basiert.

Über fünf Runden enzymatischer Optimierung (44 Reaktionen) plus einen einmaligen Transformations-Screen (13 Protokolle) verbesserte GPT-5 die durchgängige Klonierungseffizienz um das 79-Fache – 79-mal mehr sequenzverifizierte Klone pro festgelegter Menge eingesetzter DNA. Die enzymatische Änderung trug das 2,6-Fache bei, die Transformationsänderung das 36-Fache; zusammen ergaben sie additiv das 79-Fache.

Die eigentliche Schlagzeile ist eine tatsächlich ungewöhnliche Kombination: GPT-5 schlug vor, die E. coli-Rekombinase RecA und das Phagen-T4-Einzelstrang-DNA-Bindeprotein gp32 hinzuzufügen, gestaffelt um einen Temperaturzyklus (50 °C, dann 37 °C für die neuen Proteine, dann zurück auf 50 °C). OpenAI erklärt, dass RecA und gp32 nach eigenem Kenntnisstand bisher nicht funktional gemeinsam in molekularbiologischen Methoden eingesetzt wurden.

Die feste Prompt-Schleife ist die Schnittstelle, die hier getestet wird

Die bewussteste Design-Entscheidung ist hier nicht das Modell, sondern das Gerüst darum. Die Prompts waren standardisiert, ohne menschliche Eingaben außer klärenden Rückfragen. In jeder Runde schlug GPT-5 einen Satz von 8 bis 10 Reaktionen vor; Wissenschaftler führten sie aus und luden die Koloniezahlen hoch; die besten Daten flossen in die nächste Runde ein. Die einzige menschliche Rolle bestand in der physischen Ausführung und der Dateneingabe.

Diese Entscheidung erlaubte es OpenAI, den neuartigen Mechanismus dem Modell und nicht menschlicher Steuerung zuzuschreiben. Doch dasselbe feste Gerüst führte zu einer konkreten Einschränkung, die im Bericht offen benannt wird.

Dieses Gerüst half zu zeigen, dass das Modell in der Lage ist, unabhängig von menschlicher Steuerung tatsächlich neuartige Protokolländerungen vorzuschlagen – schränkte aber zugleich die Fähigkeit ein, das System auf Exploration festzulegen und die Leistung neu entdeckter Ideen voll auszuschöpfen.Montana Labs

Mit anderen Worten: Die Schnittstelle begünstigte Entdeckung gegenüber Verfeinerung. OpenAI geht davon aus, dass Fortschritte bei Planung und aufgabenübergreifendem Denken einfachen festen Prompts künftig beides ermöglichen würden. Die Lehre für alle, die Agenten-Schleifen bauen: Der Prompt-Rahmen ist keine neutrale Infrastruktur – er entschied, ob das System breit explorierte oder eine gute Idee konsequent nutzte, und ließ sowohl die enzymatischen als auch die Transformationsgewinne unteroptimiert.

Eine Klartext-Schicht zwischen Modell und Roboterarm

Um den Durchsatz zu steigern, entwickelten Robot on Rails und Red Queen Bio ein System, das ein in natürlicher Sprache formuliertes Klonierungsprotokoll aufnimmt und ausführt. Es besteht aus drei Teilen: einem Mensch-zu-Roboter-LLM, das Klartext in Roboteraktionen umwandelt, einem Bildverarbeitungssystem, das Laborgeräte in Echtzeit lokalisiert, und einem Pfadplaner, der jede Aktion ausführt.

Beim direkten Vergleich der Standard-HiFi-Methode mit R8 (dem besten KI-modifizierten Protokoll der ersten Runde) reproduzierte der Roboter die Rangfolge: Die von Menschen durchgeführte R8-Variante zeigte eine 2,39-fache Verbesserung, die vom Roboter ausgeführte R8-Variante erreichte das 2,13-Fache – 89 % der menschlichen Leistung. Die absoluten Koloniezahlen des Roboters lagen jedoch etwa zehnmal niedriger als bei manueller Ausführung.

Diese Lücke ist aufschlussreich. Ein in natürlicher Sprache formuliertes Protokoll ließ sich sauber genug übersetzen, um die relative Rangfolge zu bewahren, doch die letzte Meile – Präzision bei der Flüssigkeitshandhabung, Temperaturkalibrierung, die stillschweigenden Feinheiten manueller Zellhandhabung – kostete weiterhin eine Größenordnung an Ausbeute. Absicht in Sprache zu übersetzen ist ein Schnittstellenproblem; Sprache in verlässliche physische Handlung zu übersetzen, ist ein separates, schwierigeres.

Wenn die Schnittstelle zur Sicherheitsfläche wird

OpenAI bezeichnete dies als Biosicherheits-Evaluierung, durchgeführt in einer streng kontrollierten Umgebung: ein harmloses experimentelles System, ein begrenzter Aufgabenbereich und explizite Verbote auf Prompt-Ebene – so verbot der Prompt beispielsweise die Verwendung von Zellextrakten. Die Evaluierung ist an das Preparedness Framework und dessen Pläne für Schutzmaßnahmen auf Modell- und Systemebene angebunden.

Die konkrete Implikation ist, dass bei verkörperten wissenschaftlichen Agenten das Frontend und die Schutzmaßnahme dieselbe Fläche sind. Der Prompt, der den Suchraum begrenzte, das Protokoll für klärende Rückfragen und der Sprache-zu-Roboter-Übersetzer sind allesamt Punkte, an denen Verhalten sowohl geformt als auch begrenzt wurde. Wenn die Ausgaben eines Modells zu physischen Reaktionen am Labortisch werden, ist die Schnittstellenebene keine bloße Annehmlichkeit mehr, sondern der Ort, an dem Fähigkeit und Kontrolle gemeinsam entschieden werden.