Bildlegende: Atinary Co-founder Loic Roch in the ETH Zurich Labs

Laborforschung ist oft von langsamem, teurem Ausprobieren geprägt, während Erfolg an der Intuition Einzelner hängt. Bei Atinary steuern Forschende mithilfe von KI von AWS und Roboter die Experimente, um die F&E zu beschleunigen. Das Lausanner Deep-Tech-Unternehmen nennt diesen Ansatz Self-Driving Labs, also ein selbststeuerndes Labor.

Ein neues Molekül oder Material zu finden, ist oft mit viel Handarbeit verbunden. Forschende entwerfen einen Versuch, führen ihn manuell aus, tippen die Ergebnisse ein, passen an und beginnen von vorn, langsam und teuer. Und gelingt ein Versuch, dann häufig dank des stillen Wissens einer einzelnen Person. Weil dieses Wissen selten so festgehalten wird, dass sich die Experimente einfach reproduzieren lassen, geht es oft verloren, sobald die Person geht. Gescheiterte Versuche landen kaum in einer Auswertung, die Daten liegen verstreut in Notizbüchern und Tabellen.

Daraus erwächst ein grösseres Problem. Eine Umfrage des Wissenschaftsjournals «Nature» zeigte, dass eine Mehrheit der Forschenden weder fremde noch eigene Experimente reproduzieren kann. Verschärft wird es durch die Grösse moderner Suchräume. Wer mehrere Parameter und Ziele zugleich abwägt, steht vor Milliarden Möglichkeiten, die kein Mensch systematisch durchdringt. Viele Labore behelfen sich mit veralteten Methoden oder Roboter-Inseln, die schnell, aber blind arbeiten, weil ihnen die Integration von KI fehlt. Atinarys Antwort ist ein Self-Driving Lab, eine auf AWS gehostete Plattform, die es Wissenschaftlern durch Amazon Bedrock ermöglicht, Experimente in Alltagssprache zu entwerfen, ohne Code zu schreiben. 

Von der Ansage zum Experiment

Loïc Roch und Mitgründer Hermann Tribukait begannen ihre Zusammenarbeit 2017. Als Chemiker wollte Loïc den Weg von der Idee bis zum Ergebnis verkürzen. In seinem Postdoc an der Harvard University lieferten seine KI-Methoden vielversprechende Resultate bei Katalysatoren und Solarzellen, am Vector Institute für KI forschte er weiter. Als die Technologie reif war, machten die beiden Gründer die anfängliche Forschung zu einem kommerziellen Produkt und gründeten 2019 das Unternehmen Atinary.

Den Kern bildet die Plattform SDLabs, dahinter ein Begriff, den die beiden 2017 prägten: Self-Driving Labs. Publizierte Pionierarbeit definierte die Kategorie mit. SDLabs ist eine codefreie KI-Plattform auf AWS mit agentischen Funktionen, die Forschende mit KI und Robotik unterstützt, um den geschlossenen Kreislauf aus Entwickeln, Herstellen, Testen, Analysieren und Lernen auszuführen. SDLabs integriert KI und Robotik in Laborabläufe, beschleunigt den Zyklus und revolutioniert F&E und Entdeckung. 

In der Praxis beginnt der Kreislauf mit einem Satz in Alltagssprache. Ein Forscher kann die Plattform, deren Konversationsschnittstelle auf Amazon Bedrock läuft, einfach bitten, ein biologisch abbaubares Verpackungspolymer mit bestimmten Eigenschaften zu entwerfen. SDLabs definiert den Parameterraum, gleicht relevante Fachartikel ab und schlägt erste Experimente vor. Die Wissenschaftlerinnen und Wissenschaftler bringen dabei ihr Fachwissen ein. Die Experimente laufen dann manuell oder automatisch über angeschlossene Labor-Hardware oder Robotersysteme. Die Messdaten fliessen zurück in die Plattform, wo SDLabs die Ergebnisse auswertet und die nächsten Bedingungen empfiehlt, bis das Optimum erreicht ist. Während die physischen Versuchszeiten von Labor zu Labor variieren, dauert Atinarys KI-Analyse- und Entscheidungsschleife nur Sekunden bis Minuten – ohne dass Forschende eine Zeile Code schreiben müssen.

Von Millionen Möglichkeiten zu wenigen Versuchen

Wie viel das bewirkt, zeigte die Zusammenarbeit mit dem Swiss Catalysis Hub an der ETH Zürich. Dort ging es darum, Kohlendioxid in sauberen Treibstoff wie Methanol zu wandeln. Aus über 20 Millionen möglichen Kombinationen führte die Plattform das Team zu bloss 144 Experimenten und steigerte dabei Effizienz und Reinheit, während Kosten und Nebenprodukte sanken.

Der Effekt zeigt sich auch bei grossen Namen. Beim Pharmakonzern Takeda hob die Plattform die Ausbeute einer anspruchsvollen Synthese in drei Durchläufen auf über 90 Prozent, Monate wurden zu Wochen. Jeder Optimierungszyklus wurde in Sekunden auf der AWS-Cloud-Infrastruktur verarbeitet. Am MIT kam das Labor von Tonio Buonassisi bei einer Solarzelle mit fünf Stellschrauben unter Vierwochenfrist mit 33 Durchläufen aus statt tausender Versuche.

Die grösste Hürde bei KI-gestützter Forschung ist selten die Genauigkeit der Modelle, sondern die Datenqualität. Traditionelle Forschungsdaten sind oft unvollständig, weil negative Resultate und gescheiterte Experimente kaum erfasst werden. Atinary begegnet dem mit seiner Plattform SDLabs, die jeden Datenpunkt erfasst und unverzerrte Datensätze aufbaut. Um diese KI-Modelle laufend zu verbessern, betreibt Atinary ein eigenes Self-Driving Lab in Boston, das rund um die Uhr hochwertige Datensätze erzeugt, in einer Woche mehr als ein Doktorand in fünf Jahren. Als flexible betreute Plattform verbindet sich SDLabs mit vorhandenen Laborsystemen und Roboterhardware wie beispielsweise von den Partnern ABB, Agilent, Bruker, Chemspeed und Mettler-Toledo.

Atinary Lab Team in Boston

Der Mensch bleibt am Steuer

Weil Atinarys Kerntechnologie allgemein einsetzbar ist, reicht die Nachfrage von Pharma und Biotech bis Kosmetik und Materialforschung. Der Hebel ist eine gemeinsame Sprache über Disziplinen und Regionen hinweg. Ob Teams über globale Labore hinweg zusammenarbeiten, einen Wirkstoff verbessern oder eine Rezeptur suchen, sie definieren Parameter und Ziele im gleichen Framework.

Wie ein Partner treffend formulierte, ist die Technologie ein Fahrrad für Forschende – ein kraftvolles Werkzeug, das die menschliche Intuition nicht ersetzt, sondern verstärkt und Forschenden ermöglicht, in Wochen zu schaffen, was früher Jahre dauerte. So soll SDLabs die Forschenden stärken, indem es sie von der Last des Programmierens, repetitiver Datenverwaltung und manueller Parameteranpassung befreit.

In fünf bis zehn Jahren, so die Vorstellung, verschwindet das Bild der Forschenden, die den Tag mit Pipettieren verbringen. Automaten übernehmen die Handarbeit, die KI das Rechnen. Selbststeuernde Labore werden zur Grundausstattung globaler Forschung, die Forschenden verlagern ihren Fokus auf Strategie, Hypothesen und echte Innovation.

Am Anfang standen langsames Ausprobieren und Wissen, das mit jeder Person verschwand, die ihren Arbeitsplatz verliess. Gelingt Atinary sein Vorhaben, bleibt dieses Wissen erhalten, und was früher Jahre kostete, wird eine Sache von Wochen.