KI-Agenten bauen Labore – aber wer versteht noch das Molekül?
Nature hat kürzlich beschrieben, wie KI-Agenten nicht nur Experimente planen, sondern gleich das ganze roboterbetriebene Labor entwerfen und anschließend selbst betreiben. Roboterarme, autonome Pipettierpläne, Experimente über Nacht. Es ist eine dieser Meldungen, die man zweimal liest, weil sie sich wie ein Sprung anfühlt – und in gewisser Weise auch einer ist.
Ich habe die Arbeit damals in einem Café gelesen, den Laptop halb zugeklappt, den Kaffee schon kalt. Und ich erinnere mich an den Moment, in dem mir nicht der Roboterarm im Kopf hängen blieb, sondern eine viel stillere Frage: Wenn eine Maschine über Nacht dreihundert Bindungsassays fährt, wer von uns schaut sich danach die dreihundert Taschen eigentlich noch an?
Doch hinter jeder Automatisierungswelle steckt eine unbequeme Frage, die selten in der Schlagzeile steht: Wenn Maschinen schneller experimentieren, verstehen wir dann auch schneller? Oder verschiebt sich der Engpass nur – vom Pipettieren zum Begreifen?
Der Engpass wandert nach oben
In der Strukturbiologie ist das gut zu beobachten. Die Datenlage war nie besser: RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL, PDBe – jede Woche kommen Strukturen hinzu, viele davon vorhergesagt statt experimentell bestimmt. Was fehlt, ist nicht die Datei. Was fehlt, ist das Gefühl für den Raum: Wie sitzt ein Ligand in seiner Tasche? Warum ist diese Wasserstoffbrücke wichtig und jene nur zufällig? Wie groß ist ein Ångström eigentlich?
Ein flacher Bildschirm beantwortet diese Fragen nur teilweise. Man dreht ein Modell, aber man steht nicht darin. Auf einem 27-Zoll-Monitor ist eine Bindungstasche ungefähr so greifbar wie ein Grundriss – man erkennt die Wände, aber nicht die Enge. Und genau diese Enge ist in der Strukturbiologie oft das ganze Argument.
Was NexoPeek anders macht
NexoPeek ist ein VR-Molekularlabor für Meta Quest. Man setzt das Headset auf und steht in Proteinen – auf menschlicher Skala, statt sie in einem 2D-Fenster zu betrachten. Der Einstieg ist bewusst geführt: 12 kommentierte Touren über 6 Säulen.
- Biotechnology Basics, Foundations of Life, Pathways & Interactions, Medicines in Action, Genetic Technologies, Green Biotech – jede Säule mit eigenen Rundgängen.
- Man tritt in Hämoglobin und sieht Sauerstoff binden, verfolgt Glucose durch die Glykolyse, beobachtet Aspirin beim Blockieren von COX-Enzymen, sieht CRISPR-Cas9 DNA editieren.
Wer von dort in die eigene Arbeit will, bekommt einen professionellen PDB-Viewer. Eine intelligente Suchleiste löst einen Gen-Namen über RCSB PDB, UniProtKB, AlphaFold DB, SWISS-MODEL und PDBe auf; die Struktur lädt – und erscheint auf menschlicher Skala. Ein-Tipp-Mol*-Presets wechseln die Darstellung: Cartoon, Ball-and-Stick, Spacefill CPK, molekulare Oberfläche, B-Faktor-Heatmap, Tube Trace. Lokale Dateien (.pdb, .cif, .mol2) lassen sich mit elektrostatischen Feldlinien und Elektronendichte-Volumen laden.
Das klingt nach Feature-Liste, ist aber ein ziemlich direkter Hebel: Weil die Darstellung per Preset umschaltbar ist, wechselt man zwischen Übersicht und Detail, ohne die Szene zu verlassen. Cartoon für die Sekundärstruktur, Spacefill für die Packungsdichte, B-Faktor-Heatmap, wenn man wissen will, wo eine Region ehrlich gesagt weich und unsicher ist. Für jemanden, der sonst zwischen drei Programmen und einem PDF hin- und herspringt, ist das ein spürbarer Unterschied – nicht in der Rechenzeit, sondern in der Frage, ob man den Faden verliert.
Die Analysis Bench: greifen statt zoomen
Der zweite Teil ist der, der in der Praxis zählt. An der Analysis Bench greifen Sie mit bloßen Händen – oder mit den VR-Controllern – nach dem Molekül, skalieren und drehen es. Die KI-Taschenvorhersage (PrankWeb / P2Rank, als Cloud-KI oder offline) hebt eine druggable Tasche leuchtend hervor. Foldseek legt ein Homolog über die Struktur. Der Ligand Inspector zeichnet Wasserstoffbrücken nach und zieht einen 3D-Liganden direkt aus PubChem. Trigger-Picking zweier Atome liefert den Abstand in Ångström. Und Residue-Pills, die man in der Sequenz antippt, projizieren einen 3D-Halo auf die Struktur – Sequenz und Raum sind endlich im selben Blick.
Für mich war der ehrlichste Aha-Moment der mit den Residue-Pills. Ich habe Jahre damit verbracht, Sequenzalignment und Struktur als zwei getrennte Denkräume zu behandeln – links die Buchstaben, rechts das Modell. Wenn ein Tipp auf ein Residuum in der Sequenz direkt einen Halo im Raum aufleuchten lässt, verschwindet diese Trennung. Man sieht plötzlich, dass eine konservierte Position nicht abstrakt ist, sondern irgendwo konkret sitzt.
Wer zwischendurch zurück in die Realität will: Room View blendet das Molekül in den eigenen Raum, das Wandmenü bleibt bedienbar. Kein Grund, das Headset abzunehmen, nur weil jemand reinkommt.
Warum das gerade jetzt zählt
Es gibt eine Version dieser Geschichte, in der Automatisierung den Menschen aus der Schleife drängt. Ich glaube nicht, dass das die richtige ist. Automatisierte Labore werden dann wertvoll, wenn Menschen ihre Ergebnisse einordnen können – wenn eine Studierende ATP nicht nur als Formel kennt, wenn eine Lehrkraft CRISPR erklären kann, ohne dass es Abstraktion bleibt, wenn eine Strukturbiologin eine Bindungstasche prüft und sofort sieht, was die Automatik gefunden hat.
Die Pointe ist unbequem einfach: Je mehr Output eine Maschine pro Nacht produziert, desto teurer wird die eine Fähigkeit, die sie nicht mitliefert – hinsehen und verstehen. Ein Labor, das sich selbst entwirft, ersetzt keine Neugier. Es macht sie nur knapper.
Und wenn der Engpass wirklich nach oben wandert, dann ist das Werkzeug, das zählt, nicht der schnellere Roboterarm, sondern der kürzere Weg vom Datensatz zum Begreifen.
NexoPeek ist Lehr- und Visualisierungssoftware – keine medizinische Beratung, Diagnose oder Behandlung. Analysefunktionen wie Taschenvorhersage und Alignment unterstützen validierte wissenschaftliche Pipelines und professionelles Urteilsvermögen, sie ersetzen sie nicht.
Step Inside the Molecule. Explore the Unseen World.
NexoPeek auf Meta Quest: https://www.meta.com/experiences/nexopeek/1453797551140347/



![AMR Software Architecture and Development — Ch.14: Simulation Workflows [KR]](https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fzlzhttxsd8nncj116q9w.png)