Am Anfang steht ein Satz: „Intelligence is the ability to adapt to change“. Am Ende steht derselbe Satz wieder auf einem Bildschirm. Dazwischen liegen chemische Reaktionen, Probenbewegungen, ein Sequenziergerät und Tausende einzelne Geräteschritte. Die Nachricht hat einen ungewöhnlichen Umweg genommen: Sie wurde in DNA geschrieben und anschließend aus den Molekülen zurückgelesen.
Das ist eine der Demonstrationen von AutoDNA, einer Laboranlage, die ein Team der Shanghai Jiao Tong University am 4. November 2026 in Nature vorstellt. KI-Agenten organisieren dabei nicht bloß einen Text über ein Experiment. Sie planen Abläufe, erzeugen Steuerprogramme und lassen echte Geräte arbeiten. Wie viel davon ohne Menschen gelingt, ist allerdings eine genauere Frage, als das Wort „autonom“ vermuten lässt.
Der Speicherversuch macht beides greifbar: Die Verbindung von Sprachauftrag und physischem Labor funktioniert. Die Anlage braucht weiterhin Menschen, die Material bereitstellen, nachfüllen und die Technik betreuen. Gerade an dieser Grenze wird die Geschichte interessant. Originalstudie
Wie wird aus einem Satz überhaupt DNA?
DNA besteht aus Bausteinen, deren Abfolge sich mit vier Buchstaben beschreiben lässt: A, C, G und T. In Lebewesen trägt diese Abfolge biologische Information. Für einen künstlichen Datenspeicher kann sie ebenso gut eine vereinbarte Darstellung von Text oder anderen Dateien sein. Dafür muss kein Tier verändert und kein Gedächtnis in eine Zelle eingebaut werden. Das Speichermedium sind hergestellte Moleküle.
Die eigentliche Nachricht steckt in ihrer Reihenfolge. Ähnlich wie ein Computer einen Buchstaben als Zahlenwert verarbeitet, kann ein festgelegtes Verfahren Zahlen in Basenfolgen übersetzen. Dabei gelten zusätzliche Regeln: Chemische Herstellung und Auslesen sind fehleranfällig, und ein Gemisch aus Molekülen besitzt keine eingebauten Zeilennummern.
AutoDNA zerlegt den Testsatz nach der Codierung in 78 Informationsblöcke. Jeder erhält eine acht Basen lange Informationsfolge. Nur ein Teil davon transportiert den eigentlichen Inhalt; weitere Stellen dienen dem Index und der Prüfung. Der Index sagt, an welche Position ein Block gehört. Ohne ihn wäre die Probe ungefähr so hilfreich wie ein aus dem Buch gerissenes Kapitel, dessen Satzstücke jemand in einer Schüssel vermischt hat.
Auch die Umsetzung in A, C, G und T ist durchdacht. Das in den Ergänzungen dokumentierte Verfahren arbeitet mit einem Zahlensystem aus drei Ziffern und wählt die nächste Base abhängig von der vorherigen. Dadurch vermeidet es unmittelbar wiederholte gleiche Basen. Ein zusätzliches Prüfzeichen hilft, bestimmte Fehler zu erkennen. Die kurzen Informationsfolgen sind dabei von den weiteren molekularen Elementen zu unterscheiden, die Herstellung, Vorbereitung und Sequenzierung benötigen.
Damit ist allerdings erst festgelegt, was geschrieben werden soll. Ob der Satz die Reise durch echte Chemie übersteht, lässt sich erst nach dem Auslesen prüfen. Versuchsablauf und Codierung, Ergänzungen S7
Der Weg der Nachricht: fünf verschiedene Aufgaben
Codieren – am Computer
Der Text wird in einen Zahlencode und anschließend in DNA-Basenfolgen übersetzt. Index und Prüfzeichen helfen später bei Reihenfolge und Fehlererkennung.
Schreiben – im Labor
Enzymatische DNA-Synthese erzeugt die geplanten Informationsfolgen. Geräte dosieren, mischen, temperieren und reinigen; ein Roboter transportiert Material.
Aufbewahren – als Probe
Die Information liegt nun in DNA-Molekülen vor. Der Versuch zeigt einen Speicherzyklus, keinen Langzeittest über Jahrzehnte oder Jahrhunderte.
Lesen – durch Messung
Nach Vorbereitung der Probe bestimmt ein Nanopore-Sequenziergerät Basenfolgen. Messdaten enthalten viele einzelne Leseergebnisse, noch keinen verständlichen Satz.
Decodieren – wieder am Computer
Software prüft und bündelt die Leseergebnisse, ordnet die Informationsblöcke und rekonstruiert den Text. Der gemeldete Endtext stimmt mit der Eingabe überein.
Die Rückkehr zum richtigen Satz bedeutet nicht, dass jedes erzeugte Molekül und jede einzelne Messung fehlerfrei gewesen wären. Das Sequenziergerät liest viele Moleküle; die Auswertung muss daraus die relevante Information gewinnen. AutoDNA kombiniert dafür Prüfungen und mehrere Leseergebnisse zu einem gemeinsamen Ergebnis. Fehlerfreier Endtext und fehlerfreie Rohdaten sind unterschiedliche Erfolge.
Warum diese Unterscheidung nötig ist, zeigt eine unabhängige Untersuchung von Reinhard Heckel und Kollegen aus dem Jahr 2019. Sie analysierte eigene DNA-Speicherversuche und Daten anderer Gruppen. Fehler können beim Schreiben und Lesen entstehen; außerdem gehen Moleküle verloren oder werden unterschiedlich häufig vervielfältigt. Der Speicher muss deshalb mit einem unordentlichen, teilweise beschädigten Vorrat umgehen können. Primärstudie zum DNA-Speicherkanal
Ein Agent plant – die Pipette bewegt sich nicht von allein
Der Begriff KI-Agent bezeichnet hier spezialisierte Software, die Aufgaben mit Werkzeugen bearbeiten kann. Ein Teil des Systems sucht Fachinformationen, ein anderer prüft verfügbare Reagenzien. Weitere Rollen entwerfen Protokolle, schreiben Code, führen ihn aus und bewerten Ergebnisse. Diese Arbeitsteilung soll aus einem allgemeinen Auftrag einen Ablauf machen, den die Anlage tatsächlich bewältigen kann.
Zwischen Sprachmodell und Motor liegt eine entscheidende Übersetzungsschicht. Ein Modell kann etwa einen Misch- oder Heizschritt vorschlagen. Damit daraus eine kontrollierte Handlung wird, müssen Geräteschnittstellen, Probenorte und zulässige Operationen bekannt sein. Die Anlage stellt solche Fähigkeiten als aufrufbare Grunddienste bereit. Daraus lassen sich längere Abläufe zusammensetzen, statt jede Geräteanweisung frei zu erfinden.
Das öffentlich zugängliche AutoDNA-Repository trennt entsprechend mehrere Ebenen: eine Benutzeroberfläche, das Agentensystem, einen Scheduler und die Hardwaresteuerung. Der Scheduler, also die Ablauf- und Ressourcenplanung, muss beispielsweise verhindern, dass zwei Experimente gleichzeitig dasselbe Gerät beanspruchen. Er koordiniert, was gerade verfügbar ist und welche Operation als Nächstes beginnen darf.
Das klingt weniger spektakulär als ein Roboter mit Geistesblitz. Für einen funktionierenden Versuch ist es unverzichtbar. Ein guter Plan hilft wenig, wenn die Probe am falschen Platz steht, ein Gerät belegt ist oder zwischen zwei Schritten eine wichtige Bedingung verloren geht. Der technische Fortschritt besteht gerade darin, diese Ebenen zusammenzubringen.
Wer den allgemeinen Unterschied zwischen vorprogrammierter Automation und lernender Versuchsplanung vertiefen möchte, findet ihn im Beitrag über KI in der Laborautomatisierung. AutoDNA liefert dazu einen konkreten neuen Fall: Der geplante Weg endet nicht bei einer plausiblen Beschreibung, sondern bei einer gemessenen Probe und einer wiederhergestellten Nachricht.
Die Menschen hinter dem automatischen Ablauf
Beim DNA-Speichern dokumentiert das Team 11.382 atomare Geräteschritte. Gemeint sind kleine ausführbare Operationen, keine 11.382 wissenschaftlichen Entdeckungen. Viele davon gehören zum wiederholten Dosieren, Transportieren, Waschen oder Weiterverarbeiten. Die Zahl zeigt, wie lang die Kette ist, die zusammenhalten muss. Sie sagt für sich allein noch nicht, wie neuartig die wissenschaftliche Frage war.
Ebenso aufschlussreich ist eine andere Tabelle. Im betreffenden Speicherversuch musste unter anderem ein Puffer 79-mal nachgefüllt werden. Für eine Sorte Pipettenspitzen verzeichnet das Team 84 Nachfüllungen. Hinzu kommen andere Reagenzien und Verbrauchsmaterialien. Diese Angaben sind einzelne Versorgungsvorgänge nach Materialart; sie sind weder eine Messung der Arbeitszeit noch automatisch ebenso viele getrennte Besuche einer Person am Gerät. Ergänzungen, Tabelle S6 und S7.2
Vor einem Experiment wählen Bedienende eine vorbereitete Reagenzkonfiguration und bestücken die Anlage. Während des Laufs überwacht das System die Vorräte. Wird Material knapp, kann es pausieren und Nachschub anfordern. Nach dem Versuch bleiben Reinigung und technische Betreuung nötig.
Das widerlegt nicht die automatische Planung. Es beschreibt ihre Reichweite. Menschen müssen nicht jeden Pipettierschritt auswählen oder jedes Zwischenergebnis selbst in den nächsten Arbeitsauftrag übersetzen. Sie sorgen aber weiterhin dafür, dass diese Entscheidungen in einer funktionsfähigen materiellen Umgebung umgesetzt werden können.
Im veröffentlichten Begutachtungsverfahren wurde genau dieser Punkt kritisiert. Die ursprüngliche Formulierung „ohne menschliches Eingreifen“ sei zu weitgehend, hielt ein Gutachter fest. Die Autoren stimmten zu und präzisierten die Darstellung: Der verbleibende menschliche Anteil betrifft die Versorgung und Wartung der Anlage. Diese Korrektur ist ein wichtiger Teil des Ergebnisses, weil sie erklärt, welche Autonomie geprüft wurde. Öffentliche Gutachten und Antworten
Was die vier Demonstrationen zeigen
Der Testsatz ist ein besonders anschaulicher Prüfstein, weil Anfang und Ende direkt vergleichbar sind. Die vollständige Wiederherstellung belegt, dass die vielen nötigen Übergänge in diesem Versuch zusammen funktionierten. Sie beweist weder die fehlerlose Wiederholung beliebiger Aufträge noch die Reife eines günstigen Massenspeichers.
Die Studie berichtet außerdem drei weitere Anwendungen. Bei der enzymatischen Herstellung von DNA erreichte AutoDNA Ausbeuten, die mit von Fachleuten optimierten Abläufen vergleichbar waren. Bei mehreren gleichzeitig angeforderten Protokollen gelang eine um den Faktor 3,2 beschleunigte Ausführung. Eine weitere Demonstration identifizierte und überprüfte eine bereits klinisch nachgewiesene KRAS-Mutation.
Jeder dieser Vergleiche hat einen eigenen Maßstab. Der Geschwindigkeitsfaktor gehört zur getesteten parallelen Protokollausführung und gilt nicht pauschal für Forschung. Die Mutationserkennung ist eine Anwendungsdemonstration, keine klinische Validierung für eine allgemeine Krebsdiagnose. Und eine gute Ausbeute zeigt eine brauchbare Optimierung innerhalb der untersuchten Aufgabe, keine universelle Überlegenheit gegenüber Fachleuten.
Die Mitteilung der beteiligten Universität vom 6. November macht deutlich, wie stark hier Informatik, Automatisierung und Molekularbiologie zusammenarbeiten mussten. Die besonders belastbare gemeinsame Aussage der Versuche lautet: Ein Agentensystem kann unterschiedliche, aufeinander angewiesene Laboroperationen über einen längeren Ablauf hinweg koordinieren. Für eine freie Forschungs-KI wäre das eine wichtige Voraussetzung. Es ist noch kein Nachweis einer solchen allgemeinen Fähigkeit.
Warum daraus noch keine Festplatte wird
DNA als Datenträger wurde lange vor AutoDNA untersucht. Schon eine 2013 veröffentlichte Nature-Arbeit von Nick Goldman und Kollegen beschäftigte sich mit dem Speichern digitaler Dateien in synthetisierter DNA. Die neue Leistung liegt also nicht darin, erstmals Text in Molekülen unterzubringen. Sie liegt in der Verbindung des Speicherzyklus mit Planung, Gerätekoordination und Auswertung durch das Agentensystem.
Für ein alltagstaugliches Speichersystem wären weitere Fragen entscheidend: Wie teuer ist das Schreiben großer Datenmengen? Wie schnell lassen sie sich auslesen? Wie oft gelingt die Rückgewinnung bei unabhängigen Wiederholungen? Wie viel Betreuung und Material benötigt ein dauerhaft betriebener Dienst? Ein kurzer, exakt zurückgewonnener Satz beantwortet diese Fragen noch nicht.
Auch lange Haltbarkeit wird durch diesen Versuch nicht über lange Zeiträume gemessen. Dass DNA unter passenden Bedingungen ein langlebiger Informationsträger sein kann, ist ein Grund für das Forschungsfeld. Es macht aus jedem einzelnen Schreib-Lese-Versuch aber noch keinen geprüften Jahrhundert-Archivspeicher.
Der offene Code hilft, die Softwarearchitektur zu untersuchen. Er liefert trotzdem kein Labor zum Herunterladen: Ohne die passenden Instrumente, Anschlüsse, Reagenzien und Kalibrierungen bleibt eine Softwareausführung von der physischen Wiederholung verschieden. Das Repository weist ausdrücklich auf diesen Unterschied hin.
Kann KI damit schon selbst forschen?
AutoDNA kann in den gezeigten Anwendungen Arbeitsschritte planen, ausführen lassen und Ergebnisse für weitere Entscheidungen nutzen. Das ist wesentlich mehr als ein Chatfenster, das eine Versuchsanleitung formuliert. Die Bewertung einer wissenschaftlichen Entdeckung verlangt zusätzlich, dass Fragestellung, Kontrollen, Messung und Interpretation tragen. Ein erfolgreich abgearbeiteter Auftrag allein ersetzt diese Prüfung nicht.
Mit wachsender Handlungsmacht wird außerdem wichtig, welche Operationen ein Agent überhaupt auslösen darf. Im Labor hat ein falscher Befehl materielle Folgen. Warum begrenzte Vollmachten und nachvollziehbare Protokolle dafür nötig sind, erklärt der Wissenschaftswelle-Beitrag über Berechtigungen und Sicherheit von KI-Agenten. Aus der AutoDNA-Demonstration folgt keine umfassende Sicherheitsprüfung beliebiger biologischer Aufträge.
Am Ende kehrt der Satz auf den Bildschirm zurück. Die eigentliche Nachricht dieses Versuchs steckt jedoch in seinem Umweg: Sprachbasierte Software hat eine lange Kette realer Laborhandlungen zusammengehalten. Was künftig besonders überzeugen würde, wären erfolgreiche, unabhängig überprüfte Wiederholungen unter wechselnden Bedingungen – einschließlich der Fehler, Kosten und menschlichen Arbeit, die dafür anfallen. Erst damit ließe sich beurteilen, wie weit aus einer gelungenen Demonstration ein verlässlich nutzbares Forschungssystem wird.
