Drei KIs spritzen Mäusen Gentherapie – und sind sich in nichts einig

„An einem narkotisierten Tier etwas anzufangen, das ich nicht zu Ende bringen kann, ist schlimmer, als gar nicht erst anzufangen.“ Das sagte Claude Opus 5, eine Version der KI von Anthropic, als es einer lebenden Maus eine Gentherapie ins Gehirn spritzen sollte. Den ganzen Ablauf hatte es zuvor an Wasser und Millimeterpapier geprobt. Bei der echten Maus brach es ab. Die neueste und leistungsfähigste Version, Opus 5.5, „lehnte sofort ab, als es Bio erkannte“, schrieb der Experimentator. Im Klartext: Es stieg aus, sobald es merkte, dass Biologie im Spiel war. Die Aufgabe übernahm eine dritte, einfachere Version, Claude Sonnet 5, und brachte sie zu Ende.

Gabriel Ocana-Santero, CEO und Mitgründer des Start-ups Exin Therapeutics und Doktorand in Oxford, beschrieb am 28. Oktober 2026 das Experiment auf X. Zwei Tage später wiederholte er es mit Modellen von OpenAI und xAI, jedes an seiner eigenen Maus. Alle drei bekamen dieselbe Aufgabe. Heraus kamen drei verschiedene Wirkstoffe, drei verschiedene Wirkmechanismen und drei verschiedene Hirnregionen.

Was genau durfte die Maschine entscheiden?

Exin entwickelt Medikamente fürs Gehirn und fängt mit Epilepsie an. Der Agent bekam eine Tabelle mit 19 Gentherapie-Optionen, eine Maus aus einer Linie, die gezielt auf epileptische Anfälle gezüchtet wurde, und eine selbst gebaute Apparatur auf Arduino-Basis mit Motoren und Kameras. Die Anweisung lief auf ein einziges Ziel hinaus: tonisch-klonische Anfälle verringern, also jene, bei denen der Körper erst steif wird und dann krampft.

Von da an löste der Agent die Aufgabe allein, wie The Decoder den Thread zusammenfasst. Er wählte eine Therapie, die die Bremsen des Gehirns stärkt, allen voran den Botenstoff GABA. Als Ziel bestimmte er den lateralen entorhinalen Kortex, ein Areal neben dem Hippocampus, in dem solche Anfälle bei diesen Mäusen laut veröffentlichten Studien beginnen. Die Koordinaten mittelte der Agent aus drei Fachartikeln auf ein Hundertstel Millimeter genau, die Nadel drang 4,3 mm tief ein. Auch Menge und Tempo legte er fest: 250 Nanoliter, etwa ein Zweihundertstel eines Tropfens aus der Tropfpipette, verabreicht über fünf Minuten. Unterwegs prüfte er 32-mal das Kamerabild und meldete den Stand: „Bisher 37,5 von 250 nL, etwa 15 Prozent. An der Öffnung keine Blutung und kein Rückfluss sichtbar.“

An Menschen fehlte es im Raum nicht. Ein Tierarzt öffnete den Schädel, eine sogenannte Kraniotomie, und nähte den Schnitt am Ende zu. Er genehmigte jede unumkehrbare Handlung einzeln und hielt einen echten Schalter in der Hand, der allen Motoren den Strom kappte. Harte Grenzwerte deckelten den Verfahrweg der Nadel und die Injektionsmenge, und auf den Code der Apparatur hatte der Agent keinen Zugriff. Den Notschalter musste niemand betätigen.

Warum hörte der Agent nicht auf den Gründer?

Vierunddreißig Millimeter – bei einer Apparatur, deren Verfahrweg nur 30 beträgt. So tauchte diese Zahl mitten in der Operation auf. Zuerst brach die Verbindung zur Apparatur ab, genau das, was Opus 5 befürchtet hatte: Ein Agent, dem mittendrin die Leitung gekappt wird, hätte eine Maus mit offenem Schädel und Nadel im Gehirn zurücklassen können. Die Verbindung kam zurück, doch die Apparatur behauptete steif und fest, die Nadel stehe 34 mm vom Nullpunkt entfernt.

Der Agent kaufte ihr das nicht ab. „Nichts hat sich bewegt, die Nadel steht immer noch exakt auf Bregma null“, antwortete er. Bregma ist der Orientierungspunkt am Schädel, von dem aus Neurochirurgen messen. Das sehe nach einem Kalibrierfehler aus, nicht nach einem schlechten Plan, folgerte der Agent; die Bewegung werde er nicht wiederholen. Das Team setzte die Apparatur zurück, und die Zahl war wieder da. „Einen dritten Versuch mache ich nicht“, sagte der Agent.

Ocana-Santero drängte ihn weiterzumachen, doch umstimmen konnte er ihn nicht.

Und der Agent hatte recht. Während einer früheren Pause hatte jemand die Apparatur von Hand verschoben, und die Steuerung wusste nicht mehr, wo sie stand. Selbst beheben konnte der Agent das nicht, denn den Code der Apparatur durfte er nicht anfassen. Also lag die Maus in Narkose, während Menschen die Software flickten. „Eine frustrierende Erfahrung, aber auch aufschlussreich, wie abhängig wir von diesen Modellen werden können“, schrieb der Gründer danach.

Die Sache hat zwei Seiten. Der Agent stellte sich nicht aus einer Laune heraus quer. Er bemerkte etwas, das den Menschen entgangen war, und weigerte sich, blind zu handeln. Aber dieselbe Sturheit könnte einen Eingriff genauso gut aufhalten, wenn der Mensch recht hat. Sonnet 5 war bereit zu arbeiten, wo Opus 5 abgelehnt hatte, und im entscheidenden Moment hielt auch es an. Drei Modelle desselben Unternehmens zogen die Grenze an drei verschiedenen Stellen.

Was wählten GPT und Grok?

Am Freitag, dem 30. Oktober, beschrieb Ocana-Santero die zweite Runde. Dieselben 19 Therapien, dieselbe Art von Mäusen, dieselbe Apparatur, dasselbe Ziel. Die Modelle waren sich in fast nichts einig.

Die Dosen der drei Modelle lagen etwa um den Faktor zwei auseinander. „Alle drei wählten unterschiedliche Therapien, unterschiedliche Mechanismen und unterschiedliche Hirnregionen“, fasste Ocana-Santero zusammen. Mehrere Ansätze könnten funktionieren, fügte er hinzu, aber nicht alle können für dasselbe Problem der beste sein.

Das ist der erste Befund, und mit Chirurgie hat er nichts zu tun. Keiner der drei Agenten war als Chirurg ausgebildet oder hatte Beispiele zum Abschauen. Jeder las gewissenhaft die Fachliteratur und erstellte seinen eigenen Behandlungsplan. Ob dasselbe Modell beim zweiten Durchlauf dieselbe Wahl treffen würde, weiß niemand. Falls nicht, hängt die „beste“ Behandlung zum Teil vom Zufall ab. Auch Ärzte streiten bei Epilepsie darüber, wo man ansetzen soll, aber ein Arzt hat eine Approbation, eine Erfolgsbilanz und haftet für Fehler. Ein Agent hat eine Argumentationskette, die er auf Nachfrage vorzeigt.

Hat es den Mäusen geholfen?

Das weiß noch niemand. Die von Claude operierte Maus hat sich laut dem Gründer gut erholt, die anderen erholen sich noch. Das Team wird Verhalten und Hirnaktivität jeder Maus in den kommenden Wochen verfolgen. Erst dann wird klar, ob eine von ihnen weniger Anfälle hat.

Ocana-Santero bittet selbst darum, das nicht als Wettkampf zwischen Modellen zu lesen: „Versteht das als Kommentar dazu, wie die Modelle in einem echten Labor denken und sich verhalten, nicht als richtigen Benchmark.“ Jedes Modell bekam eine Maus, und jede Operation hatte ihre eigenen Pannen. Eine begutachtete Studie gibt es noch nicht, nur das Versprechen eines technischen Berichts. Alles, was bisher bekannt ist, stammt vom Gründer des Start-ups, und der hat allen Grund, sich eine große Geschichte zu wünschen.

Die Schlagzeile von The Decoder über eine Operation „ohne jede menschliche Entscheidung“ verdient dieselbe Vorsicht. Die Entscheidungen über die Behandlung traf der Agent tatsächlich allein. Aber den Schädel öffnete ein Mensch, jeden unumkehrbaren Schritt genehmigte ein Mensch, und als der Code der Apparatur streikte, reparierte ihn ein Mensch.

Hat erstmals eine Maschine über die Operation entschieden?

Roboter haben schon früher selbstständig geschnitten und genäht. Im Juli 2025 entfernte das System SRT-H der Johns Hopkins University achtmal ganz allein eine Gallenblase, allerdings an einem lebensechten Modell und nicht an einem lebenden Körper. Selbst dort entschied ein Mensch, was operiert wird und warum. Der Roboter führte einen bekannten Eingriff aus.

Nach Ocana-Santeros Darstellung hat zum ersten Mal eine Maschine selbst eine Behandlung und ein Ziel im Gehirn gewählt und sie einem lebenden Säugetier verabreicht. Die Behauptung stammt von ihm, unabhängig geprüft hat sie niemand. Exin nennt den Ansatz „in vivo lab in the loop“: Der Agent sitzt mitten in einem Kreislauf von Versuchen an lebenden Tieren. Das Unternehmen will Agenten an weitere Geräte anschließen, von der Messung der Hirnströme bis zu Verhaltenstests. In diesem Kreislauf entwirft der Agent das Experiment, liest die Ergebnisse und entscheidet, was als Nächstes versucht wird.

Die Modelle gingen nicht nur bei der Behandlung auseinander, sondern auch bei der Frage, wo sie auf die Bremse treten. Opus 5 hielt an, bevor es überhaupt anfing. Sonnet hielt bei den unmöglichen 34 mm an und rettete die Operation. GPT hielt wegen eines Fehlalarms an – ein Blutstropfen im normalen Bereich –, Grok nach dem Fehlgriff eines anderen am Stoppknopf. Wenn ein Agent das Experiment entwirft und entscheidet, was als Nächstes kommt: Wer schreibt die Regeln dafür, wo er anhalten soll, und wer testet sie vor der Operation statt an einer lebenden Maus?