Was sollte ein negatives Ergebnis dem Forschungsteam zeigen?

Ein erfundenes pharmazeutisches Forschungsteam steht vor einem vertrauten Problem in neuer Form. Sein KI-System hat viele plausible Erklärungen für ein experimentelles Signal vorgeschlagen. Das Labor kann in diesem Monat nur wenige davon untersuchen. Die Auswahl der Kandidaten, die am ehesten ein weiteres positives Ergebnis versprechen, würde das Vorhaben voranbringen. Dabei könnte die ursprüngliche Unsicherheit weitgehend bestehen bleiben: Warum ist das Signal überhaupt aufgetreten?

Ich würde der nächsten Auswahlbesprechung deshalb einen zweiten Zweck geben. Neben der Suche nach aussichtsreichen Kandidaten sollte Kapazität für Experimente vorgesehen sein, die Erklärungen voneinander unterscheiden. Ihr Beitrag kann in einem Ergebnis liegen, das zunächst enttäuscht. Entscheidend wäre, ob das Team erläutern kann, was dieses Ergebnis ausschließt, was weiterhin möglich bleibt und was noch gar nicht ausreichend geprüft wurde.

Wenn mehr Ideen entstehen, als verstanden werden

In seinem am 3. September 2026 veröffentlichten Gespräch mit Big Think erörtert Terence Tao den Abstand zwischen wissenschaftlichen Ergebnissen und ihrem Verständnis. Seine mathematische Perspektive gab den Anstoß zu dieser organisatorischen Frage. Eine empirische Untersuchung pharmazeutischer Forschung liefert das Gespräch nicht. [1]

Für die Forschungsleitung würde ich daraus eine praktische Unterscheidung ableiten. Ein Experiment kann einen leistungsfähigeren Kandidaten suchen, eine vorgeschlagene Erklärung prüfen oder untersuchen, ob eine Messung verlässlich ist. Diese Zwecke können sich überschneiden. Sie können auch unterschiedliche Entscheidungen verlangen. Das Team sollte wissen, welcher Zweck die knappe Kapazität rechtfertigt, die einer Untersuchung zugeteilt wird.

Dieser Beitrag schlägt vor, wie sich darüber sprechen lässt. Das Beispiel ist erfunden, das Vorgehen wurde nicht untersucht, und die folgenden Studien stammen aus der Materialchemie. Sie zeigen begrenzte Beispiele dafür, wie sich aus Experimenten lernen lässt. Entscheidungen über biologische Methoden, Forschung an Patient:innen oder regulierte Entwicklung bleiben bei den zuständigen Fachleuten und den etablierten Prüfverfahren.

Eine Beobachtung auswählen, bei der sich Erklärungen unterscheiden

Angenommen, das erfundene Team erwägt zwei Erklärungen für sein Signal: die gesuchte biologische Wechselwirkung oder einen Einfluss des Messverfahrens. Eine Wiederholung derselben Messung mit einem ähnlichen Kandidaten könnte bei beiden Erklärungen das erwartete Signal ergeben. Das Ergebnis wäre erfreulich. Sein Beitrag dazu, zwischen den Erklärungen zu unterscheiden, wäre allerdings begrenzt.

Ich würde die Wissenschaftler:innen bitten, eine Beobachtung zu beschreiben, bei der die Erklärungen verschiedene Vorhersagen machen. Was wäre jeweils zu erwarten? Welche Messung könnte diese Vorhersagen mit ausreichender Genauigkeit unterscheiden? Könnte eine misslungene Messung die Frage offenlassen? Das passende Verfahren hängt vom wissenschaftlichen Zusammenhang ab. Eine Führungskraft kann nachvollziehbare Begründungen verlangen, ohne selbst den Versuch festzulegen oder sein Ergebnis allein auszulegen.

Der aufschlussreichste Kandidat kann deshalb unterhalb der Spitze einer KI-Rangliste stehen. Vielleicht macht er einen Unterschied zwischen Erklärungen sichtbar oder untersucht eine Bedingung, die in den bisherigen Daten kaum vorkommt. Das wäre ein konkreter Untersuchungsgrund. Neuartigkeit, ungewöhnliche Formulierungen oder ein hoher Unsicherheitswert allein begründen diesen Erkenntniswert noch nicht.

Die Grenze der bisherigen Optimierung erkennen

In einer 2024 veröffentlichten Studie ergänzten Angello und Kolleg:innen die Optimierung molekularer Lichtbeständigkeit um Hypothesenprüfungen: zwei als unterschiedlich lichtbeständig vorhergesagte Gruppen von je sieben Molekülen und anschließende Eingriffe am Lösungsmittel. Die Befunde stützten einen vorgeschlagenen Abbaumechanismus. Untersucht wurden ausgewählte lichtabsorbierende Moleküle in Lösung, unter erheblicher menschlicher Mitwirkung; Arzneimittelentwicklung wurde nicht geprüft. [2]

Meine Folgerung ist, einem Forschungsprogramm ausdrücklich Gelegenheit zu geben, die Art seiner beauftragten Arbeit zu verändern. Wenn wiederholte Auswahl kaum noch Verbesserungen bringt, sollte das Team seine Erklärung für diese Grenze untersuchen. Eine Fortsetzung derselben Suche kann weiterhin begründet sein. Eine andere experimentelle Frage kann aber auch mehr Wert gewinnen als die nächste kleine Verbesserung innerhalb der bisherigen Annahmen.

Diese Wahl würde ich in der Kapazitätsplanung sichtbar machen. Welche Untersuchungen suchen bessere Leistung, welche unterscheiden Erklärungen, und welche sichern die Verlässlichkeit der Messung? Eine allgemeingültige Aufteilung gibt es dafür nicht. Die zuständigen Wissenschaftler:innen sollten die vorgeschlagene Gewichtung erläutern, einschließlich der Folgen einer wichtigen ungeklärten Unsicherheit. So lässt sich eine unscheinbare Untersuchung besser begründen, wenn ein besonders eindrucksvoller Kandidat um Aufmerksamkeit konkurriert.

Einem ungünstigen Ergebnis eine präzise Bedeutung geben

Vor Beginn einer Untersuchung würde ich vereinbaren, wie das Ergebnis eingeordnet wird. Ein abgeschlossener, auswertbarer Versuch ohne den vorhergesagten Effekt unterscheidet sich von einem Versuch mit fehlgeschlagenen Kontrollen, einer nicht herstellbaren Probe und einer gar nicht begonnenen Messung. Diese Unterschiede sollten auch nach einer späteren KI-Zusammenfassung oder Aufbereitung des Datensatzes noch erkennbar sein.

Ein negatives Ergebnis bleibt an den Versuch gebunden. Die Aufzeichnung sollte den untersuchten Bereich und seine Bedingungen, die Empfindlichkeit der Messung und die Unsicherheit der Schätzung benennen. Ein kleiner, unpräziser Befund kann mehrere Erklärungen offenlassen. Ihn als endgültige Widerlegung zu beschreiben, könnte eine nützliche Hypothese ohne ausreichende Begründung aus der weiteren Betrachtung entfernen.

Auch die umgekehrte Richtung verdient Aufmerksamkeit. Ein uneindeutiger Befund sollte nicht unbemerkt zum stützenden Beleg werden, weil seine Richtung ermutigend aussieht. Ich würde deshalb die Interpretation neben der Beobachtung festhalten und eine dafür verantwortliche Person benennen. Bei fachlicher Uneinigkeit bleiben die verschiedenen Deutungen sowie die zu ihrer Klärung nötigen Belege erhalten. Eine einzelne Kennzeichnung als Erfolg oder Misserfolg kann diese Überlegungen nicht tragen.

Das Gelernte für die nächste Auswahl verfügbar machen

In ihrer 2016 veröffentlichten Studie nutzten Raccuglia und Kolleg:innen für die Modellentwicklung 3.955 vollständige historische Reaktionsaufzeichnungen, einschließlich erfolgloser Synthesen. Neue Vanadiumselenit-Versuche verglichen Modellempfehlungen mit einer festgelegten chemischen Faustregel. Diese eng begrenzte Kristallisationsstudie veranschaulicht nutzbare Misserfolgsdaten; sie beziffert weder deren isolierten Beitrag noch eine Leistung in der Arzneimittelentwicklung. [3]

Für das erfundene Team würde ich eine knappe Aufzeichnung erhalten, die ursprüngliche Hypothese, Auswahlgrund des Experiments, Beobachtung und fachlich eingeordnete Interpretation verbindet. Hinzu kommen die maßgebliche Verfahrensfassung, Materialidentität und Qualitätsbeurteilung sowie Ausschlüsse oder Abweichungen. Eine andere Person sollte daraus verstehen können, warum das Ergebnis aufschlussreich ist, bevor sie damit das nächste Experiment auswählt.

Die ursprüngliche Beobachtung sollte zugänglich bleiben, wenn sich ihre Interpretation ändert. Eine spätere Erklärung kann einen alten Befund neu nutzbar machen. Würde die frühere Beurteilung überschrieben, wäre schwerer erkennbar, was das Team bei seiner damaligen Entscheidung wusste. Eine Ergänzung kann die frühere Begründung und die neue Sicht erhalten, jeweils mit Datum und verantwortlichen Autor:innen.

Auch für die Weitergabe solcher Aufzeichnungen braucht es einen vereinbarten Rahmen. Partner können eine brauchbare Darstellung von Bedingungen und Grenzen erhalten, ohne dass ihnen jede vertrauliche Unterlage zugänglich wird. Innerhalb der autorisierten Forschungsumgebung zählt, ob das übernehmende Team den Befund auslegen kann. Eine Sammlung unerklärter negativer Kennzeichnungen würde wenig von dem Wissen enthalten, dessentwegen die Ergebnisse aufbewahrt wurden.

Eine geklärte Unsicherheit als Beitrag anerkennen

Bei der nächsten Besprechung des Forschungsprogramms würde ich nach einem Experiment fragen, das die Erklärung des Teams verändert hat, obwohl daraus kein attraktiver Kandidat hervorging. Anschließend wäre zu prüfen, ob dieses Wissen die spätere Auswahl beeinflusst hat. Entfiel eine Annahme? Wurde ein Messproblem erkannt? Zeigte sich eine untersuchenswerte Bedingung? Eine klare Darstellung kann die Arbeit rechtfertigen, auch wenn die Präsentation weniger positive Befunde enthält.

Als Arzt und Gründer beschäftigt mich daran, welchen Beitrag eine Organisation von ihrer Forschungskapazität erwartet. KI-erzeugte Ideen können die Auswahl erweitern. Wissenschaftler:innen brauchen weiterhin Raum, um aufschlussreiche Versuche zu entwerfen, unbequeme Beobachtungen einzuordnen und brauchbare Aufzeichnungen zu hinterlassen. Eine Investition in diese Fähigkeit verbessert die Voraussetzungen dafür, dass das nächste Experiment Wissen ergänzt, auf dem andere aufbauen können.