Ein neuer Feldbericht von OpenAI und akademischen Partnern zeigt, dass KI-Code-Agenten vernachlässigte wissenschaftliche Software mit dramatischen Beschleunigungen — bis zu 60-fach — modernisieren können, während sich die Aufgabe des Wissenschaftlers vom Schreiben von Code zum Verifizieren der Wissenschaftlichkeit verschiebt.
Der Bericht dokumentiert acht Fallstudien, überwiegend aus der Biologie, in denen Forschungsgruppen Code-Agenten wie Codex, Claude Code und GPT-5.x-Modelle einsetzten. Die Projekte reichten von einfacher Wartung bis zu vollständigen Neuimplementierungen in modernen Sprachen. Den größten Gewinn erzielte RustQC: 15 separate Qualitätskontroll-Tools wurden in einem einzigen Programm zusammengefasst und die Laufzeit von 15 Stunden 34 Minuten auf 14 Minuten 54 Sekunden gesenkt — eine Beschleunigung um mehr als das 60-Fache. HelixForge, eine GPU-native Neuimplementierung eines Tools zur Erzeugung synthetischer Genomdaten, lief 59,6-mal schneller als BamSurgeon; der Hauptrechenschritt war 98,6-mal schneller.
Das ehrgeizigste Projekt baute STAR, einen nicht mehr gepflegten Genom-Aligner mit 20.000 Zeilen C/C++, komplett in Rust neu. Beim Test mit 10.000 Hefe-Sequenzierreads stimmte die Neuimplementierung in 99,815 Prozent der Einzelende- und 99,883 Prozent der Paired-End-Fälle mit dem Original überein. Eine Neuimplementierung des Statistikpakets bayesm lief zwei- bis zwanzigmal schneller — doch die ersten Versionen zweier fortgeschrittener Methoden enthielten subtile Fehler, darunter einen invertierten Kontrollparameter, die Forscher nur durch Kalibrierungstests mit Tausenden synthetischer Datensätze entdeckten.
„Mit Code-Agenten ist es leicht, schnell zu sein; um in der Wissenschaft weit zu kommen, braucht es weiterhin fachkundige Anleitung, Verständnis, Geschmack und Sorgfalt“, schrieb Brent Pedersen, Entwickler von cyvcf2. Philip Ewels, der RustQC leitete, beschrieb die Agenten als „eloquent, überzeugend und selbstbewusst falsch — auf eine Weise, die leicht zu übersehen ist“. Er erlaubte den Modellen nie, ihre eigene Arbeit zu bewerten, sondern baute stattdessen ein unabhängiges Testsystem. In allen Projekten definierten Menschen Ziele, Erfolgskriterien und Validierungsmethoden, während die Agenten die Umsetzung übernahmen.
Der Bericht skizziert auch die Ökonomie: Lösten Agenten ein Viertel bis die Hälfte aller Installationsprobleme über 100 Pakete hinweg, wäre die eingesparte Forschungszeit 600.000 bis knapp 5 Millionen US-Dollar wert; allein bei NumPy könnten jährlich rund 650 Wartungsstunden gespart werden. Doch billige Neuimplementierungen schaffen eigene Probleme — sie zersplittern Nutzergemeinschaften und belasten die knappe Zeit erfahrener Maintainer. Der Bericht ist Teil des breiteren Vorstoßes von OpenAI in die Wissenschaft, geleitet von einem eigenen Wissenschaftsteam unter Kevin Weil, der erwartet, dass 2026 für die Wissenschaft das sein wird, was 2025 für die Softwareentwicklung war.
