Am 29. September 2026 hat Microsoft Research im offiziellen Blog das biologische KI-Forschungssystem Quine vorgestellt und parallel das Quine-Fellows-Programm gestartet, das Bewerbungen von Wissenschaftlern an der Spitze von Biologie und Medizin entgegennimmt. Es ist das erste Mal, dass Microsoft das „Weltmodell"-Konzept vollständig in die Biologie überträgt: kein weiteres Punktmodell zur Vorhersage von Proteinstrukturen, sondern ein Forschungssystem, das über Genomik, Proteine, Chemie, Zellzustand und Bioimaging hinweg gemeinsam und skalenübergreifend schlussfolgert.
Quine besteht aus zwei Teilen. Der erste ist ein Weltmodell der Biologie: Es lernt gemeinsam auf multimodalen biologischen Daten und bildet geteilte Repräsentationen über Skalen hinweg, sodass Evidenz aus einer Modalität Vorhersagen in einer anderen direkt stützen kann – etwa beim Schluss vom Genotyp zum Phänotyp, ohne Gene, Proteine und Zellen an isolierte Spezialmodelle zu übergeben, die anschließend von einer Orchestrierungsschicht zusammengenäht werden. Microsofts Argument: Dieses skalenübergreifende gemeinsame Lernen fängt vielmehr die hierarchische Struktur der Biologie selbst ein und verbessert so die Generalisierung. Der zweite Teil ist ein interaktives Harness, das das Weltmodell mit Orchestrierungs- und Reasoning-Modellen, wissenschaftlichen Werkzeugen, Literatur, Nasslaboren und den Wissenschaftlern verbindet, die es nutzen. Die Frage eines Wissenschaftlers wird zu rechnerischen Vorschlägen, dann zu prüfenswerten Designs; Messungen aus dem Nasslabor fließen an den Wissenschaftler zurück und werden zum Trainingssignal für die nächste Systemgeneration. Der Wissenschaftler bleibt in der Schleife; Rechenleistung und Experiment bilden einen sich ständig beschleunigenden Kreislauf.
Der überzeugendste Teil der Ankündigung ist ein echter Fall. Microsoft arbeitet seit Jahren mit dem Broad Institute von Harvard und MIT an der Zellzustand-Hypothese beim duktalen Pankreasadenokarzinom (PDAC, der häufigsten Form von Bauchspeicheldrüsenkrebs): Tumorverhalten und Arzneimittelansprechen hängen nicht nur von der Genetik, sondern auch vom transkriptionellen Zellzustand ab. Mit Quine wurden nun Tausende von Verbindungen danach priorisiert, wie wahrscheinlich sie Tumorzellen in therapeutisch relevante Zustände versetzen; Nasslaborexperimente bestätigten, dass die höchstgerankten Verbindungen in mehreren Assays die größten beabsichtigten Verschiebungen erzeugten. Der gesamte Prozess – vom raschen Einengen des Verbindungs-Suchraums bis zur Validierung einer Handvoll Kandidaten im Labor – dauerte ein einziges Wochenende und könnte Monate experimenteller Arbeit und erhebliche Forschungskosten einsparen. Noch interessanter: eine unerwartete Entdeckung. Quine sagte voraus, dass mehrere Verbindungen Zellen in einen eigenständigen dritten Phänotyp jenseits der klassischen-basal-Achse treiben würden – die Experimente bestätigten es. Die Versuche prüften nicht nur die Hypothesen des Modells, sie generierten auch neue.
Microsoft zog in der Ankündigung klare Grenzen. Quine ist derzeit experimentelle Forschungstechnologie, nur für die Forschung bestimmt, nicht für den klinischen oder medizinischen Einsatz; seine Ausgaben können unvollständig oder ungenau sein und erfordern die Prüfung durch qualifizierte Forscher sowie angemessene wissenschaftliche Validierung. Der Zugang erfolgt gestaffelt: zunächst nur über das Quine-Fellows-Programm und ausgewählte Forschungskooperationen, später – mit zunehmender Reife der Technologie – über Produkte wie Microsoft Discovery. Diese Vorsicht hat einen realen Grund: Die Biologie hat lange Iterationszyklen und hohe Fehlerkosten; ein „scheinbar kluges" System direkt an die Klinik anzuschließen, wäre eine Katastrophe.
Wissenschafts-KI wechselt von Bestenlisten zu geschlossenem Entdeckungskreislauf
Wirklich beachtenswert ist hier nicht der nächste Benchmark-Wert, sondern die Richtung, auf die Microsoft setzt. Die Erzählung um KI für die Wissenschaft drehte sich in den vergangenen Jahren um das „Knacken einzelner Aufgaben": Proteinstruktur, Materialscreening, Literatur-Q&A. Quine setzt auf eine andere These – der Engpass des wissenschaftlichen Fortschritts ist nicht die Genauigkeit einer einzelnen Vorhersage, sondern wie schnell sich der Kreislauf „Frage stellen, Experiment entwerfen, validieren, erneut fragen" dreht. Der Wert eines Weltmodells liegt nicht darin, die Biologie perfekt zu replizieren (Microsoft selbst räumt ein, dass das unmöglich ist), sondern darin, den Suchraum auf das Prüfwürdige zu verdichten, bevor teure Laborressourcen verbrannt werden.
Für die Bio- und Pharmaforschung ist dieses Signal konkret. Der größte Kostenblock in der Wirkstoffforschung war nie die Rechenleistung, sondern Versuch und Irrtum im Nasslabor. Lässt sich der PDAC-Fall – Monate Arbeit, ersetzt durch ein Wochenende – auf weitere Indikationen übertragen, ändert das die Kostenstruktur des frühen Wirkstoffscreenings unmittelbar. Dass Microsoft das Fellows-Programm schon in dieser Phase öffnet, offenbart ein Urteil: Die Evolutionsrichtung eines biologischen Weltmodells sollten die Laborwissenschaftler selbst bestimmen – das System muss in der realen wissenschaftlichen Praxis wachsen, nicht auf Bestenlisten.
