Forschungsmärkte: Die Prüfinstanz gewinnt an Macht

Kurzfassung: KI-Agenten könnten Forschungsleistungen vermitteln, Labore beauftragen und Zahlungen an Ergebnisse koppeln. Dadurch wandert Wertschöpfung zu den Stellen, die wissenschaftliche Nachweise anerkennen, Rechte dokumentieren und Streitfälle entscheiden. Unternehmen sollten deshalb nicht nur Laborleistungen automatisieren, sondern ihre Hoheit über Prüfregeln und verwertbare Ergebnisse sichern.

Forschung könnte künftig häufiger als Folge kleiner, einzeln vergüteter Leistungen organisiert werden: Simulation, Probenherstellung, Versuch, Datenauswertung und unabhängige Wiederholung. Die wesentliche Veränderung liegt nicht allein in höherer Geschwindigkeit. Zwischen Geldgeber und Labor entsteht eine neue Wertschöpfungsschicht aus Vermittlung, Verifikation, Reputation und Rechteverwaltung. Wer diese Schicht kontrolliert, beeinflusst Mittelvergabe und wirtschaftliche Nutzung der Resultate.

Aus Forschungsprojekten entstehen handelbare Einzelleistungen

In einem am 4. August 2026 veröffentlichten Gespräch mit Michael Kratsios, dem Direktor des US-amerikanischen Office of Science and Technology Policy, wurde ein KI-natives Marktmodell für Wissenschaft erörtert. Kapitalgeber könnten Prämien für bestimmte Durchbrüche ausloben. Agenten würden aussichtsreiche Ansätze identifizieren, automatisierte Labore beauftragen sowie Daten, Hypothesen, Rechenleistung und Finanzmittel über Mikrotransaktionen austauschen. Smart Contracts gäben Zahlungen frei, sobald vereinbarte Meilensteine erreicht sind.

Ein durchgängig autonomer Forschungsmarkt dieser Art ist nicht belegt. Nachweisbar sind bislang einzelne Bausteine. Emerald Cloud Lab bietet eine aus der Ferne nutzbare und softwaregesteuerte Laborumgebung, in der digital geplante Experimente in physischer Infrastruktur ausgeführt werden. Molecule dokumentiert Modelle für dezentrale Forschungsfinanzierung sowie die Verwaltung von Forschungsrechten und Beteiligungen.

Für das KI-Management ist daran vor allem die kleinere Transaktionsgröße relevant. Ein Werkstoffprojekt ließe sich beispielsweise in Simulation, Probenherstellung, Alterungstest und Replikation zerlegen. Agentische Arbeitsabläufe könnten Laborfähigkeiten, freie Kapazitäten, Preise und formale Bedingungen vergleichen und innerhalb eines begrenzten Budgets Aufträge auslösen.

Dadurch würden Leistungen separat beschaffbar, deren manuelle Ausschreibung heute im Verhältnis zum Auftragswert zu aufwendig wäre. Forschung ließe sich stärker als Portfolio begrenzter Hypothesen führen. Weitere Mittel würden erst nach dokumentierten Befunden gebunden. Die Produktivität bemisst sich dann allerdings nicht an der Zahl vergebener Versuche, sondern an den Gesamtkosten je wissenschaftlich und wirtschaftlich nutzbarem Ergebnis.

Verifikation wird zu einer eigenen Wertschöpfungsstufe

Automatische Vergütung setzt voraus, dass Erfolg vor Beginn prüfbar beschrieben ist. Bei einem Materialversuch genügt es nicht, einen gewünschten Belastungswert zu nennen. Feststehen müssen unter anderem Probenherkunft, Herstellungsverfahren, Gerätekalibrierung, Messprotokoll, Toleranzen, Behandlung von Ausreißern und Anforderungen an die Wiederholbarkeit.

Hinzu kommen Rohdaten, Metadaten und Nutzungsrechte. Eine kryptografische Signatur kann nachweisen, von welchem Gerät oder Labor eine Datei stammt und ob sie nachträglich verändert wurde. Sie bestätigt jedoch weder die Eignung des Versuchsaufbaus noch die wissenschaftliche Aussagekraft der Schlussfolgerung. Ein Smart Contract führt ebenfalls nur die zuvor festgelegte Regel aus.

In experimenteller Forschung besteht die verbindliche Datenquelle daher nicht aus einem einzelnen Messwert. Benötigt wird eine Evidenzkette aus Probe, Verfahren, Gerät, Kalibrierung, Rohdaten und Auswertung. Diese Kette muss auch dann nachvollziehbar bleiben, wenn mehrere Labore, Datenanbieter und Rechendienste beteiligt sind.

Damit entsteht eine Machtverschiebung in der Forschungsfinanzierung. Einfluss gewinnt nicht nur, wer Kapital bereitstellt oder Experimente ausführt. Ebenso wichtig werden Anbieter, deren Prüfungen von Geldgebern, Kunden oder Behörden akzeptiert werden. Plattformen könnten Laborreputation berechnen, Wiederholungen organisieren, Datenherkunft bestätigen oder Rechteketten verwalten.

Für Unternehmen liegt darin eine strategische Anbieterfrage. Sind Versuchsdefinitionen, historische Bewertungen und Anerkennungsregeln an einen Vermittler gebunden, entsteht eine Abhängigkeit, die über klassische Laborbeschaffung hinausgeht. Der Plattformbetreiber beeinflusst dann nicht nur den Zugang zu Kapazität, sondern auch, welche Befunde als finanzierungs- und verwertungsfähig gelten.

Fachrollen verlagern sich an den Anfang der Entscheidung

Das beschriebene Modell ersetzt wissenschaftliche Fachleute nicht. Es schneidet ihre Aufgaben neu zu. Ein größerer Teil der fachlichen Arbeit findet vor der Beauftragung statt: Hypothesen müssen präzisiert, zulässige Methoden bestimmt und Zweifelsfälle vorweggenommen werden.

Die Forschungsleitung definiert Zielgröße und Lösungsraum. Qualitätssicherung und Fachbereich legen Messverfahren, Toleranzen, Vergleichsgruppen und Abbruchkriterien fest. Einkauf und Rechtsabteilung übersetzen Leistungsumfang, Zugangsrechte, Vergütung und Haftung in maschinenlesbare Bedingungen. Innerhalb dieses Rahmens kann ein Agent Anbieter auswählen und einen Auftrag vorbereiten oder auslösen.

Nach der Durchführung lassen sich formale Merkmale automatisiert kontrollieren: Sind Rohdaten vollständig? Wurde das vorgeschriebene Verfahren eingesetzt? Liegen Kalibrierungsinformationen vor? Wurde die verlangte Wiederholung ausgeführt? Widersprüchliche Befunde, methodische Zweifel und Sicherheitsfragen bleiben dagegen fachliche Entscheidungen.

KI-Governance betrifft damit nicht nur Berechtigungen und finanzielle Grenzen eines Agenten. Sie muss auch festlegen, wer Prüfdefinitionen verändern darf, wie Interessenkonflikte behandelt werden und welche Instanz bei strittigen Resultaten entscheidet. Wird diese Definitionsmacht vollständig einem Labor oder einer Plattform überlassen, gibt das Unternehmen einen Teil seiner Forschungssteuerung ab.

Auch die Vergütungslogik benötigt fachliche Gestaltung. Würde ausschließlich der gewünschte Durchbruch bezahlt, entstünden Anreize zur Auswahl günstiger Messwerte oder zur Nichtveröffentlichung gescheiterter Versuche. Korrekt ausgeführte Arbeit kann auch dann wertvoll sein, wenn sie eine Hypothese widerlegt. Negative Befunde und belastbare Replikationen müssen deshalb in den Zahlungsregeln einen eigenen Wert erhalten.

Ein Laborauftrag testet die neue Wertschöpfungskette

Ein Unternehmen muss keinen eigenen Forschungsmarkt aufbauen, um die praktische Relevanz zu prüfen. Geeignet ist ein wiederkehrender, standardisierter und wenig sicherheitskritischer Auftrag, der bereits extern vergeben wird – etwa ein Werkstofftest, eine chemische Analyse oder die unabhängige Wiederholung eines klar definierten Versuchs.

Vor einer Teilautomatisierung sollte feststehen, was als verwertbarer Befund gilt. Dazu können dokumentierte Probenherkunft, vollständige Rohdaten, festgelegte Messgenauigkeit und Wiederholung innerhalb vereinbarter Toleranzen gehören. Ebenso müssen Eigentum und Nutzungsrechte entlang aller beteiligten Daten-, Methoden- und Laboranbieter nachvollziehbar sein.

Die Wirtschaftlichkeit zeigt sich an konkreten Größen: Gesamtkosten je akzeptiertem Befund, Zeit bis zur fachlichen Bestätigung, Aufwand für Wiederholungen und Rechteklärung sowie Anteil der Lieferungen, die ohne Nacharbeit genutzt werden können. Ein niedriger Versuchspreis verbessert die Produktivität nicht, wenn fehlende Metadaten oder unklare Rechte eine erneute Durchführung erzwingen.

Zur organisatorischen Anschlussfähigkeit gehört außerdem, Spezifikation, Rohdaten, Messprotokolle, Kalibrierungsinformationen und Rechte möglichst übertragen zu können. Ein zweites Labor kann prüfen, ob der Befund unabhängig reproduzierbar ist und wie stark das Unternehmen bereits von proprietären Formaten oder Bewertungsregeln abhängt.

Für einen KMU-Geschäftsführer folgt daraus eine konkrete Entscheidung: einen geeigneten externen Prüfauftrag auswählen, Nachweis und Rechte vollständig beschreiben und anschließend testen, welche Schritte ein Agent übernehmen kann – ohne die Anerkennung des Ergebnisses an den Anbieter abzugeben.