Sapio Sciences, die science-aware™ KI-Laborinformatikplattform, gab heute die Ergebnisse einer neuen Forschung bekannt, die die Einstellung von Wissenschaftlern zu elektronischen Labornotizbüchern (ELNs) und KI-Tools in modernen Laborumgebungen untersucht. Die Studie zeigt eine weitverbreitete Frustration über bestehende Laborsoftware, die zu wiederholten Experimenten, ineffizienter Datennutzung und einer wachsenden Abhängigkeit von nicht autorisierter Schatten-KI führt. Befragt wurden 150 Wissenschaftler in US-amerikanischen und europäischen Labors in den Bereichen Biopharma-Forschung und -Entwicklung, Auftragsforschungsorganisationen, klinische Diagnostik und pharmazeutische Herstellung.

Trotz der erheblichen Investitionen in digitale Labortechnologie gelingt es ELNs oft nicht, effektive wissenschaftliche Arbeit zu unterstützen. Nur 62 % der Wissenschaftler geben an, dass sie mit ihrem ELN effizient arbeiten können, und nur 5 % geben an, dass sie experimentelle Ergebnisse ohne fachliche Unterstützung analysieren können.

Darüber hinaus ist die Duplizierung ein anhaltendes Problem. Fast zwei Drittel der Wissenschaftler, 65 %, geben an, dass sie Experimente wiederholen mussten, weil frühere Ergebnisse schwer zu finden oder wiederzuverwenden waren, was zu vermeidbaren Kosten und Verzögerungen bei den Laborteams führte.

Die Wissenschaft ist den ELNs der zweiten Generation entwachsen

Die Umfrage zeigt mehrere Gründe auf, in denen die heutigen ELNs hinter den Erwartungen zurückbleiben:

  • Starre Arbeitsabläufe: Nur 7 % der Wissenschaftler geben an, dass ihr ELN ohne fachliche Unterstützung an neue Assays oder experimentelle Arbeitsabläufe angepasst werden kann, was die Fähigkeit der Wissenschaftler einschränkt, schnell auf die Weiterentwicklung der Forschung zu reagieren. Unabhängig davon geben nur 5 % der Wissenschaftler an, dass sie experimentelle Daten ohne zusätzliche Unterstützung analysieren können.
  • Probleme mit der Benutzerfreundlichkeit: 56 % der Wissenschaftler sagen, dass ihr ELN zu komplex ist und sie verlangsamt.
  • Manuelle Datenverschiebung: 51 % verbringen zu viel Zeit mit dem Import und Export von Daten, bei in den USA ansässigen Wissenschaftlern sind es 81 % und bei Pharmaherstellern 72 %.
  • Konfigurationsschwierigkeiten: 71 % der Wissenschaftler geben an, dass ELNs schwer zu konfigurieren oder anzupassen sind, wobei 84 % in der Pharmaherstellung überdurchschnittlich frustriert sind.

Mike Hampton, Chief Commercial Officer bei Sapio Sciences, sagte:

„Die Umfrage zeigt deutlich ein wachsendes Missverhältnis zwischen moderner wissenschaftlicher Praxis und den Fähigkeiten traditioneller ELNs. Die meisten ELNs wurden als Werkzeuge konzipiert, die sich auf die Dokumentation von Experimenten konzentrierten, nicht auf die aktive Unterstützung von Wissenschaftlern oder die Steuerung nächster Schritte. Heutzutage arbeiten Wissenschaftler mit immer komplexeren Daten und es wird erwartet, dass sie schneller als je zuvor von Ergebnissen zu Entscheidungen gelangen, dennoch funktionieren viele ELNs immer noch wie verherrlichte Aktenschränke.“

„Wenn Wissenschaftler ohne zusätzliche Unterstützung keine Daten analysieren oder nicht einfach auf früheren Experimenten aufbauen können, verwandelt sich Frust in echte Kosten. Unnötige Versuchsduplizierungen verschwenden Reagenzien, Instrumentenzeit und Facharbeit. Gleichzeitig schränkt es die Neugier ein und verlangsamt das Entdeckungstempo in der Biopharma-Forschung und -Entwicklung.“

ELN-Einschränkungen befeuern den Einsatz von Schatten-KI

Die Forschung zeigt auch, wie diese Frustrationen das Verhalten im Labor verändern. Fast die Hälfte der befragten Wissenschaftler, 45 %, geben an, dass sie öffentliche generative KI-Tools über persönliche Konten nutzen, um ihre Arbeit zu unterstützen, trotz der Sicherheits-, IP- und Compliance-Risiken, die mit Schatten-KI verbunden sind.

Wissenschaftler wenden sich nicht der öffentlichen KI zu, weil sie die Governance umgehen wollen. Sie tun dies, weil die vorhandenen Labortools ihnen nicht dabei helfen können, Ergebnisse effizient zu analysieren oder die nächsten Schritte festzulegen. Wenn KI-Funktionen in kontrollierten Umgebungen nicht verfügbar sind, finden Menschen sie woanders, selbst wenn sie die Risiken verstehen.“

Sean Blake, Chief Information Officer, Sapio Sciences

Wissenschaftler wollen KI, die die Wissenschaft beschleunigt und nicht nur dokumentiert

Auf die Frage, was sie von der nächsten Generation von ELNs erwarten, betonten die Wissenschaftler durchweg den Schwerpunkt auf Interaktion, Anleitung und Interpretation, anstatt nur Experimente zu dokumentieren. 95 % wünschen sich textbasierte Konversationsschnittstellen, während 78 % eine Sprachinteraktion wünschen. Fast alle Befragten, 96 %, sagen, dass zukünftige ELNs dabei helfen müssen, Daten zu interpretieren und nicht nur sie zu erfassen.

Wissenschaftler wünschen sich außerdem integrierte, fachspezifische KI-Funktionen, wobei die Nachfrage je nach Disziplin unterschiedlich ist:

  • Retrosynthese, Toxizität und Löslichkeitsvorhersage: 83 % der Diagnostiklabore und 74 % der Biopharma-Forschung und -Entwicklung
  • Molekulare Bindungssimulationen: 71 % der biopharmazeutischen Forschung und Entwicklung
  • Optimierung der genetischen Sequenz: 65 % der CROs und 63 % der Diagnostiklabore

Rob Brown, Leiter des wissenschaftlichen Büros bei Sapio Sciences, sagte:

„Unsere Forschung zeigt deutlich, dass ELNs der zweiten Generation die Grenzen dessen erreicht haben, was Wissenschaftler von ihnen erwarten. Bei der Gestaltung der nächsten Generation von Laborsoftware bei Sapio liegt der Schwerpunkt auf KI-gestützten wissenschaftlichen Analyse- und Designmethoden, die den Wissenschaftlern die Kontrolle behalten und gleichzeitig Arbeitsabläufe, Analysen und Entscheidungen für den nächsten Schritt aktiv unterstützen.“

Die Ergebnisse deuten darauf hin, dass Wissenschaftler nicht danach streben, die Kontrolle aufzugeben, sondern mit KI-Tools zu arbeiten, die das Denken und die Interpretation in kontrollierten Laborumgebungen aktiv unterstützen.

Quellen:

Sapio Sciences