Paper2Agent verwandelt wissenschaftliche Artikel in kollaborierende KI‑Agenten

Am 16. September 2026 veröffentlichte ein Forscherteam von Stanford Medicine in Nature eine Beschreibung von Paper2Agent, das einen Ablauf darstellt, der den gesamten Inhalt eines wissenschaftlichen Manuskripts in einen softwarebasierten „Agenten“ umwandelt, der interaktiven Dialog führen und die berichteten Methoden ausführen kann.

Der Umwandlungsprozess endet nicht beim narrativen Text. Er verarbeitet Abbildungen, ergänzenden Code und Rohdaten und strukturiert sie nach dem Model Context Protocol, einem formalen Schema, das jeden Abschnitt und jede Ressource des Papers in ein maschinenlesbares Format überführt, das andere Agenten abfragen können.

Wie die Agenten funktionieren

Einmal instanziiert agiert ein Paper2Agent wie ein virtueller Laborassistent. Er kann Fragen zur Methodik beantworten, Analysen auf einem vom Nutzer bereitgestellten Datensatz reproduzieren und sogar Parameteranpassungen vorschlagen, die auf dem ursprünglichen Versuchsdesign basieren. Das System erzeugt zudem „Worker‑Agenten“, die versuchen, die Studie in einer simulierten Umgebung zu replizieren und dabei praktische Details erfassen, die häufig im schriftlichen Bericht fehlen.

Menschliche Autoren bleiben nach wie vor unverzichtbar. Stanford betont, dass nur Menschen gescheiterte Experimente erklären, Zielkonflikte lösen und implizites Wissen vermitteln können, das kein Manuskript vollständig kodieren kann. Die Agenten arbeiten deshalb unter ständiger menschlicher Aufsicht, wobei Attribution und ethische Kontrolle ausdrücklich gefordert werden.

Erste bereichsübergreifende Entdeckung

In einer Machbarkeits‑Demonstration kommunizierten zwei aus verschiedenen Artikeln abgeleitete Agenten – einer über die Sequenzierung des menschlichen Genoms und ein anderer über die Genetik von ADHS – über das gemeinsame Protokoll. Die Agenten wiesen auf eine Variante in der Nähe des MPHOSPH9‑Gens hin, die in der Originalliteratur nicht berichtet wurde; Stanford‑Wissenschaftler bestätigten später, dass diese Variante ein plausibler Kandidat für weitere Studien ist.

Diese Entdeckung illustriert das Potenzial des Systems, Verbindungen aufzudecken, die Menschen beim isolierten Lesen von Artikeln schwerlich erkennen. Durch die Bereitstellung des strukturierten Wissens jedes Artikels für andere Agenten schafft Paper2Agent eine netzwerkartige Denkebene über den gesamten wissenschaftlichen Korpus hinweg.

Skalierung und zukünftige Pläne

Bisher hat das Stanford‑Team mehr als 100 aus Artikeln abgeleitete Agenten erzeugt, die Themen von Onkologie bis Klimamodellierung abdecken. Der Fahrplan sieht Tests groß angelegter Kollaborationen vor, bei denen Dutzende von Agenten interagieren, Ressourcenverhandlungen führen und Experimente gemeinsam entwerfen.

Stanford weist zudem darauf hin, dass die aktuelle Demonstration keine Validierung neuer Entdeckungen ohne unabhängige Replikation darstellt. Das System ist ein Forschungswerkzeug, kein Ersatz für Peer‑Review oder experimentelle Verifizierung.

• Vollständiges Manuskript (Text, Abbildungen, Code, Daten) in einen interaktiven Agenten umwandeln
• Wissen mit dem Model Context Protocol für den Zugriff durch andere Agenten organisieren
• Worker‑Agenten einsetzen, um Experimente in einer virtuellen Sandbox zu reproduzieren
• Menschliche Aufsicht für Attribution, Ethik und Interpretation verlangen

Das Model Context Protocol ist zentral für den Ansatz. Es definiert eine Hierarchie von Abschnitten – Abstract, Methoden, Ergebnisse, ergänzendes Material – und verknüpft jeden mit den zugrunde liegenden Assets. Dadurch kann ein Agent beispielsweise das exakt verwendete Skript zum Erzeugen einer Abbildung abrufen, es mit neuen Eingaben ausführen und die Ausgabe Schritt für Schritt erklären.

Sicherheitsaspekte sind in die Architektur eingebettet. Agenten laufen in isolierten Containern, und jede Codeausführung ist sandboxed, um unbeabsichtigte Nebenwirkungen zu verhindern. Stanford betont, dass jede Nutzung außerhalb des Forschungslabors strenge Sicherheitsprüfungen erfordern wird.

Für deutsche Forschungsinstitute bedeutet das, dass sie ihre F&E‑Prozesse bald um eine KI‑Schicht erweitern können, die veröffentlichte Literatur liest, interpretiert und die darin enthaltenen Verfahren ausführt. Anstatt Protokolle manuell zu extrahieren, können Wissenschaftler einen Paper2Agent nach einer einsatzbereiten Pipeline fragen, diese mit internen Daten testen und eine detaillierte Erklärung jedes Schrittes erhalten. Die Technologie verspricht schnellere Hypothesenbildung, weniger redundante Arbeit und neue interdisziplinäre Einsichten – vorausgesetzt, Fachleute prüfen und steuern die Ergebnisse weiterhin.

sources: [ {"titre":"Manuscripts-turned AI agents can now ‘talk’ to each other, make new discoveries","editeur":"Stanford Medicine","url":"https://med.stanford.edu/news/all-news/2026/09/ai-agents-talk.html","date":"2026-09-16"}, {"titre":"Adiós a los artículos científicos: esta IA puede convertir los papers en agentes","editeur":"ABC","url":"https://www.abc.es/tecnologia/adios-articulos-cientificos-ia-puede-convertir-papers-20260922170746-nt.html","date":"2026-09-22"} ], "motsCles": ["Paper2Agent","Model Context Protocol","KI-Forschungsassistenten"], "publieLe": "2026-09-23T07:16:20.889Z", "traductionDe": "paper2agent-turns-papers-into-collaborating-agents" }