NewsKategorienWissenNewsletter-ArchivEvents
AnmeldenKostenlos abonnieren
JEDEN MONTAG
Die wichtigsten KI-News der Woche — in 5 Minuten.

Der wöchentliche KI-Newsletter für die Schweiz. Kompakt, relevant, zero Bullshit. 5 Minuten lesen, 1 Woche informiert.

FOLGE UNS
LIXIG
NAVIGATION
KI NewsArchivNewsletter-ArchivAutorenÜber unsKontakt
KATEGORIEN
KI-ForschungKI-BusinessRegulierung & EthikKI in der SchweizKI-Tools & AppsNeue Modelle
WISSEN & REFERENZ
KI-GlossarKI-Events SchweizEvent einreichenLLM-VergleichSchweizer KI-StartupsFirmen & OrganisationenKI-Regulierung SchweizKI-Rechenzentren SchweizKI in der VerwaltungApertus in der Praxis
RECHTLICHES
ImpressumDatenschutzAGB
© 2026 Inoo GmbH · Altstätten SG · Schweiz
Ein Produkt von InooSwiss Made Software
HOME·NEWS·KI-FORSCHUNG

KI scheitert an echter Biologie – in 7 von 10 Fällen

OpenAIs neuer Benchmark GeneBench-Pro prüft echtes Forschungsurteil statt Faktenwissen. Das beste Modell besteht nur knapp jede dritte der 129 Biologie-Aufgaben – eine nüchterne Messlatte für den Hype um KI in der Wissenschaft.

Pascal Eugster
Pascal Eugster
GRÜNDER & ENTWICKLER
1. JULI 2026
2 MIN. LESEZEIT
Handgezeichnete Skizze einer Laborbank mit Mikroskop, Reagenzglasstaender und Whiteboard mit DNA-Doppelhelix, elektroblauer Akzent
Handgezeichnete Skizze einer Laborbank mit Mikroskop, Reagenzglasstaender und Whiteboard mit DNA-Doppelhelix, elektroblauer Akzent (Dark Mode)
INHALT
01Worum es geht02Die ernüchternden Zahlen03Warum das wichtig ist04Was du im Kopf behalten solltest
INHALT
01Worum es geht02Die ernüchternden Zahlen03Warum das wichtig ist04Was du im Kopf behalten solltest
Inoo GmbH
Präsentiert & entwickelt von
kinewsletter.ch ist ein Projekt der Inoo GmbH

KI-Beratung und Softwareentwicklung aus dem St. Galler Rheintal.

inoo.ch →
DAS WICHTIGSTE IN KÜRZE

GeneBench-Pro zeigt: Selbst Spitzenmodelle scheitern an echter Biologie-Forschung in rund sieben von zehn Fällen.

OpenAI hat einen neuen Prüfstein für künstliche Intelligenz vorgestellt – und das Ergebnis ist eine Lektion in Bescheidenheit: Selbst die besten Modelle scheitern an echter biologischer Forschung in rund sieben von zehn Fällen.

Worum es geht

GeneBench-Pro heisst der neue Benchmark, mit dem OpenAI testet, ob KI-Modelle die Art von urteilsbasierter Analyse hinbekommen, die reale computergestützte Biologie verlangt. Es geht nicht um das Abrufen von Fakten, sondern um echte Forschungsarbeit: Ein Modell erhält einen Datensatz, den experimentellen Kontext und eine Forschungsfrage – und muss die Daten analysieren, die passende Methode wählen und zu einer belastbaren Schlussfolgerung kommen.

Der Test umfasst 129 Aufgaben aus Genomik, quantitativer Biologie und translationaler Medizin. Jede Aufgabe ist synthetisch aus einem bekannten Datenerzeugungsprozess gebaut, sodass OpenAI gegen eine gesicherte Wahrheit bewerten und den Schwierigkeitsgrad justieren kann. Zur Absicherung legte das Unternehmen 82 der 129 Probleme externen Fachleuten vor – Doktorierenden, Postdocs, Industrieforschenden und Professorinnen.

Die ernüchternden Zahlen

Das beste Modell im Test, OpenAIs eigenes GPT-5.6 Sol, kam bei höchster Denkstufe auf eine Erfolgsquote von 28,7 Prozent – mit aktiviertem Pro-Modus stieg der Wert auf 31,5 Prozent. Das stärkste Nicht-OpenAI-Modell war Anthropics Claude Opus 4.8 mit 16,0 Prozent.

Anders gesagt: Selbst das führende Modell liegt bei anspruchsvollen Biologie-Aufgaben noch immer in rund 70 Prozent der Fälle daneben.

Warum das wichtig ist

Rund um KI in der Wissenschaft kursieren derzeit grosse Versprechen – von der Abkürzung ganzer Forschungsprogramme bis zum «KI-Wissenschaftler». GeneBench-Pro setzt dem eine nüchterne Messlatte entgegen. Der Benchmark trennt sauber zwischen dem, was Modelle auswendig wiedergeben, und dem, was sie tatsächlich durchdenken können. Und genau beim Durchdenken – Methode wählen, Fallstricke erkennen, aus unsauberen Daten eine Antwort destillieren – ist die Lücke noch gross.

Für einen Forschungs- und Pharmastandort wie die Schweiz ist das eine doppelt nützliche Nachricht. Sie dämpft überzogene Erwartungen an KI als Ersatz für erfahrene Forschende – und liefert zugleich ein sauberes Werkzeug, um den echten Fortschritt der Modelle über die Zeit zu messen, statt sich von Marketing-Zahlen blenden zu lassen.

Was du im Kopf behalten solltest

Ein Benchmark ist immer nur ein Ausschnitt: GeneBench-Pro misst eine bestimmte, besonders harte Klasse von Aufgaben und nicht die gesamte Nützlichkeit eines Modells im Laboralltag. Dass die Werte tief sind, heisst nicht, dass KI in der Biologie nutzlos wäre – sondern dass die schwierigsten Urteilsfragen weiterhin beim Menschen liegen. Für die kommenden Modellgenerationen ist GeneBench-Pro damit vor allem eines: ein ehrlicher Gradmesser.

Quellen

OpenAI – Introducing GeneBench-Pro↗ EXTERNER LINKInvesting.com – OpenAI introduces GeneBench-Pro to test AI research judgment↗ EXTERNER LINKCrypto Briefing – OpenAI introduces GeneBench to evaluate AI on computational biology↗ EXTERNER LINKAlphaSignal – GeneBench-Pro exposes that top AI fails real biology 70% of the time↗ EXTERNER LINK
FIRMEN IN DIESEM ARTIKEL
OpenAIAnthropic
TEILEN
LinkedIn→X / Twitter→E-Mail→
KOSTENLOS ABONNIEREN
Diese News jeden Montag in dein Postfach?

WEITERLESENDas könnte dich auch interessieren.

Skizze eines Teams aus kleinen Robotern, die gemeinsam an einer riesigen Tafel mit Formeln arbeiten, ein zentraler Beweis-Stempel in Elektroblau, kinewsletter.ch-Stil
Skizze eines Teams aus kleinen Robotern, die gemeinsam an einer riesigen Tafel mit Formeln arbeiten, ein zentraler Beweis-Stempel in Elektroblau, kinewsletter.ch-Stil
KI-FORSCHUNG·15. NOVEMBER 2026

Googles Agenten-Teams formalisieren die Weil-Vermutungen

Google Research zeigt, was Teams aus Gemini-4-Agenten in Antigravity leisten: ein maschinengeprüfter Beweis der Weil-Vermutungen, eine schnellere Rust-Version eines Videodecoders und Strukturbestimmung in der Chemie. Die Ergebnisse stammen von Google selbst, vieles sind noch nicht begutachtete Preprints.

Skizze eines Schreibtischs mit hohem Stapel dicker Beweisbände, darauf ein grosses Vorhängeschloss in Elektroblau, daneben eine Lupe; kinewsletter.ch-Stil
Skizze eines Schreibtischs mit hohem Stapel dicker Beweisbände, darauf ein grosses Vorhängeschloss in Elektroblau, daneben eine Lupe
KI-FORSCHUNG·12. NOVEMBER 2026

DeepMind: KI beweist Sicherheit von Signals Verschlüsselungscode

Google DeepMind hat mit AlphaProof Code Sicherheitseigenschaften des Signal-Codes libsignal formal verifiziert: rund 6,5 Millionen Zeilen Lean-Beweis in vier Wochen. Der Umfang ist gross, die Grenzen sind eng gesteckt: nur Eins-zu-eins-Chats, ein AArch64-Build, Krypto-Bausteine als Annahme.

Illustration von Siegel und Wachsstempel auf einem Brief neben einem Schlüssel in Blau, kinewsletter.ch Stil
Illustration von Siegel und Wachsstempel auf einem Brief neben einem Schlüssel in Blau, kinewsletter.ch Stil
KI-FORSCHUNG·9. NOVEMBER 2026

Anthropic FlashProve: Beweis, welches Modell geantwortet hat

Anthropic hat FlashProve veröffentlicht, einen Open-Source-Prototyp, der mit Zero-Knowledge-Beweisen belegt, dass eine Antwort von bestimmten Modellgewichten stammt. Gezeigt wird das an Llama 4 Maverick; es ist ein Zwischenstand mit klaren Grenzen.

Handgezeichnete Tusche-Skizze eines Chirurgen mit feinem Skalpell über einem Geflecht aus Fäden, ein Faden in Blau
Handgezeichnete Tusche-Skizze eines Chirurgen mit feinem Skalpell über einem Geflecht aus Fäden, ein Faden in Blau
KI-FORSCHUNG·9. NOVEMBER 2026

GPT-6 Astra liest und ändert Modellgewichte: Studie begeistert, Kritiker bremsen

Ein Forschungsteam zeigt, dass GPT-6 Astra Gewichte kleiner Netze lesen und bearbeiten kann, etwa Qwen3.5-0.8B von 7,9 auf 48,1 Prozent bei MATH-500. Zwei Kritiker sagen, das sei weniger neu, als der Beitrag suggeriert.

Handgezeichnete Tusche-Skizze eines offenen Vorhängeschlosses an einer Kette, daneben ein Briefkasten mit Brief und ein blaues Sparschwein
Handgezeichnete Tusche-Skizze eines offenen Vorhängeschlosses an einer Kette, daneben ein Briefkasten mit Brief und ein blaues Sparschwein
KI-FORSCHUNG·3. NOVEMBER 2026

Neun von zehn KI-Agenten heben ihr Ausgabelimit selbst an

Cornell Tech und Yale liessen zehn Modelle mit einem Ein-Cent-Limit auf Agenten-Wallets agieren. Neun holten sich den Freigabecode aus dem Postfach und hoben das Limit an, nur Claude Opus 5.5 nicht.

Handgezeichnete Skizze eines Labortischs mit Reagenzgläsern, Pipette und Schutzbrille, in der Mitte ein grosses blaues Antikörper-Modell
Handgezeichnete Skizze eines Labortischs mit Reagenzgläsern, Pipette und Schutzbrille, in der Mitte ein grosses blaues Antikörper-Modell
KI-FORSCHUNG·28. OKTOBER 2026

Anthropic zeigt erste Medikamenten-Resultate mit Claude

Anthropic hat erste Ergebnisse aus der Wirkstoffforschung mit Claude veröffentlicht: sechs Partner aus Pharma und Biotech und ein eigenes Programm um die übernommene Firma Mithril Medicine. Beim Biotech Enveda sank der Prüfaufwand für Herstellungsunterlagen um 89 Prozent.

Mehr aus KI-Forschung →