Anthropic: VirBench-Benchmark und gget-Werkzeug steigern KI-Präzision in der Biologie auf 99,7 %

Anthropics Forscherinnen und Forscher veröffentlichten am 8. Juni 2026 die Arbeit Paving the way for agents in biology (Hauptautorin Laura Luebbert, Mitautoren Ferdous Nasri, Saru Gurev, Patrick Varilly und weitere). Die Arbeit, auch als arXiv-Preprint verfügbar (arXiv:2606.06749), untersucht ein grundlegendes Problem beim Einsatz von KI-Agenten in der Biologie: die Reproduzierbarkeit des Datenabrufs aus öffentlichen Datenbanken.

VirBench: neuer Standard zur Evaluierung biologischer Agenten

VirBench ist ein Satz von 120 realen bioinformatischen Anfragen, die auf 40 Pathogene ausgerichtet sind und jeweils über einen verifizierten korrekten Satz viraler Sequenzen aus NCBI-Datenbanken verfügen. Im Gegensatz zu synthetischen Tests simuliert VirBench reale Forschungsszenarien — von der Identifikation von Referenzstämmen bis zum Genomvergleich epidemiologisch relevanter Viren.

Warum sind Fehler beim Sequenzabruf gefährlich?

Fehlerhafte Eingabesequenzen korrumpieren kaskadenartig alle weiteren Analysen. Die Forscher dokumentierten einen konkreten Fall: falsch abgerufene Sequenzen für einen Pathogen lieferten Ursprungsdaten einer Epidemie im Bereich von 1922 bis April 2014 — statt des verifizierten Januar 2014. Darüber hinaus lieferte dasselbe Modell bei mehrfacher Ausführung derselben Anfrage unterschiedliche Sequenzsätze und eliminierte damit die Reproduzierbarkeit der Forschung.

Ohne Werkzeug vs. mit Werkzeug: von 16,9 % auf 99,7 %

Ohne spezialisierte Werkzeuge erzielten SOTA-Modelle bei NCBI-Virus-Anfragen lediglich 16,9–91,3 % Genauigkeit — weit unter den ~100 %, die für reproduzierbare Biologie erforderlich sind. Das neue Werkzeug gget virus, entwickelt in Zusammenarbeit mit NCBI-Forschern, bietet deterministische API-Koordination und komplexe Sequenzfilterung nach Taxonomie, Datum und Stamm. Damit steigt die Genauigkeit bei allen getesteten Modellen auf über 90 % und erreicht 99,7 % für GPT-5.5.

Context Engines als Infrastrukturantwort

Die Arbeit plädiert für die Einführung von Context Engines — deterministischen, agentennutzbaren API-Schichten, die den Datenabruf vom kreativen Schlussfolgern des Modells trennen. Biologische Datenbanken wie NCBI enthalten riesige strukturierte Datensätze, doch ohne eine vermittelnde Schicht interpretieren Agenten diese nicht-deterministisch und ohne Reproduzierbarkeitsgarantie. Die Autoren fordern den Aufbau solcher Schichten als öffentliche Infrastruktur für zuverlässige Bioinformatik.