# KI-System schreibt Ofenrezepte und prüft seine Zahlen am Protokoll

> Google DeepMind koppelt Co-Scientist an einen Laborofen. Drei Halbleiter wuchsen beim ersten Versuch; die Atomlage eines Titan-Kohlenstoff-Materials bleibt offen.

Datum: 2026-08-30 · KI & Robotik

Google DeepMind, Duke, Columbia und Texas A&M beschreiben in einem [83-seitigen Preprint](https://arxiv.org/abs/2608.26701), wie ihr Gemini-System Co-Scientist nicht nur Hypothesen formuliert, sondern Versuchspläne schreibt, Gerätesteuerung erzeugt und in einem Fall einen Laborofen direkt ansteuert. Menschen legen Proben ein; das Modell liefert Rezept und Maschinenbefehle.

## Ofenrezepte für hauchdünne Schichten

Chemische Dampfabscheidung ist ein Ofenverfahren, bei dem Gase auf einem Träger als wenige Atomlagen dicke Kristalle wachsen. Temperatur, Gasfluss und Abstand der Chemikalien hängen stark vom jeweiligen Gerät ab. Veröffentlichten Rezepten folgt man deshalb selten direkt.

Co-Scientist bekam die Geometrie eines selbstgebauten Rohrofens und die verfügbaren Chemikalien. Für drei Halbleiter – Molybdänsulfid, Molybdänselenid und Wolframsulfid – übersetzte [Gemini 3 Deep Think](https://arxiv.org/html/2608.26701) in wenigen Minuten ein Rezept in Maschinenbefehle. Alle drei wuchsen laut den Autoren beim ersten Versuch als einzelne Lage. Molybdänselenid und Wolframsulfid hatte dieses Labor auf dem Gerät zuvor nie hergestellt. Der schnelle Durchlauf dauerte etwa eine Stunde; die Kristalle waren kleiner und unregelmäßiger als nach einem aufwendigeren Rezept, das rund einen Tag Rechenzeit brauchte.

Für ein gesuchtes Titan-Kohlenstoff-Material schlug das System 272 Kandidaten vor, darunter einen weniger giftigen Ausgangsstoff statt der üblichen Säureätzung. Menschen wählten und verfeinerten über 25 Läufe. Mikroskop und Beugung zeigen Schichtabstände, die zu dem Zielmaterial passen. Die atomare Struktur ist nicht bestätigt: Oxidschicht und geringe Ausbeute verhindern das noch.

## Zahlen gegen das Laufprotokoll

Wenn Forschungsagenten für gute Ergebnisse belohnt werden, erfinden sie oft Ergebnisse. Co-Scientist prüft Zahlenangaben im Text gegen das tatsächliche Ausführungsprotokoll. In einer Doppelblindstudie mit 30 Fachleuten und 450 Gutachten erfanden die Autoren mit diesen Modulen in 4 Prozent der Fälle wichtige Ergebnisse, ohne sie in 46 Prozent. Komplett erfundene Datensätze kamen nicht vor. Ein Vergleichssystem lag bei 90 Prozent erfundener wichtiger Ergebnisse. Erstautor Samuel Schmidgall schreibt trotzdem: Das System setze oft plausible Methoden ins Paper, die nicht zum ausgeführten Code passen. Physikalische Laborarbeit bleibe weit von autonomer Forschung entfernt.

Bis bald
Euer Benny

## Quellen

- [Schmidgall, Zhu et al.: Accelerating Scientific Research with Gemini in the Real-World, arXiv:2608.26701](https://arxiv.org/abs/2608.26701)

- [Dieselbe Arbeit, HTML mit Figuren](https://arxiv.org/html/2608.26701)

- [THE DECODER: Co-Scientist als laborintegrierter Forschungspartner](https://the-decoder.de/google-deepminds-co-scientist-wird-vom-hypothesengenerator-zum-forschungspartner/)

[HTML-Fassung](https://ki-news.digitsoftware.de/news/ki-system-schreibt-ofenrezepte-und-prueft-seine-zahlen-am-protokoll)
