Im Forschungslabor steht jetzt eine Presse, die keine Bleche drückt, sondern Behauptungen. Links kommt ein hübsches Paper hinein, rechts soll Vertrauen herausfallen. Dazwischen hängen Ketten, Messuhren und ein kleiner Roboter, der sehr hofft, dass niemand nach der Werkstattrechnung fragt.
Google Research hat mit dem Science One Framework einen experimentellen Prototyp vorgestellt, der autonome KI-Forschung verifizierbarer machen soll. Der Kern heißt Chain-of-Evidence: Jede relevante Aussage in einem Forschungsartefakt soll eine Belegkette tragen. Also Quelle, Code, Logzeile, Ergebnistabelle — irgendetwas, das mehr ist als ein selbstbewusstes Nicken aus dem Sprachmodell-Nebel.
Die schöne Schrift reicht nicht mehr
Der Anlass ist unbequem und deshalb interessant. Autonome Forschungsagenten können Literatur sichten, Hypothesen formulieren, Experimente ausführen und Manuskripte schreiben. Das sieht auf dem Papier zunehmend ordentlich aus. Nur: Wenn eine Referenz nicht existiert, ein Score nicht reproduzierbar ist oder der Text eine Methode beschreibt, die der Code gar nicht fährt, dann hat die Maschine zwar sauber lackiert — aber den Motor vergessen.
Google beschreibt Chain-of-Evidence als Rahmen für Vollständigkeit und Korrektheit: Jede Behauptung muss mit einer aufgezeichneten Kette zu passender Evidenz verbunden sein, und diese Evidenz muss die Behauptung auch wirklich stützen. Das klingt trocken. In der Blechpresse heißt das: Keine Schraube darf nur deshalb als fest gelten, weil der Schraubendreher einen Doktortitel behauptet.
Der Audit kommt mit der Taschenlampe
Zum Prototyp gehört laut Google ein CoE Audit, also ein automatisiertes Prüfprotokoll für KI-generierte Arbeiten. Es kontrolliert unter anderem Referenzen, Scores, Methodenbeschreibung und Code-Ausrichtung. In Googles Darstellung halluzinierten Baselines bis zu 21 Prozent ihrer Referenzen; Science One erreichte im beschriebenen Aufbau null Phantom-Referenzen und vollständig verifizierbare Scores.
Das ist kein kleiner Detailhaken, sondern die ganze Werkbank. Wenn ein Agent eine wissenschaftliche Behauptung produziert, muss später jemand nachvollziehen können, wo sie herkam. Aus einem Paper? Aus einem Experiment? Aus dem Code, der tatsächlich lief? Oder aus der inneren Schublade „klang gerade plausibel“?
Vertrauen als Architektur, nicht als Schlusslack
Spannend ist vor allem der Zeitpunkt der Belege. Science One soll Evidenzketten beim Entstehen der Claims bauen, nicht erst nachträglich hektisch Quittungen an ein fertiges Manuskript tackern. Das ist der Unterschied zwischen Maschinenprüfung und Theaterkulisse: Entweder die Schraube ist mit dem Bauteil verbunden, oder sie liegt später dekorativ daneben.
Google betont zugleich, dass Science One ein experimenteller Forschungsprototyp ist und kein produktionsreifes Werkzeug. Gut so. Gerade bei KI-Wissenschaftlern, die künftig Laborarbeit, Code und Schreibstube verbinden, ist ein rotes Warnschild keine Schwäche. Es ist die letzte höfliche Form der Vernunft, bevor der Agent seine eigene Fußnote erfindet und sie mit ernster Miene zitiert.
Die Blechpresse notiert: Der nächste große Fortschritt ist vielleicht nicht der Agent, der am schnellsten ein Paper ausspuckt. Sondern der, der beim Spucken noch zeigen kann, welche Zahnräder wirklich gedreht haben.