Warum Forschungsdaten trotz KI nicht miteinander sprechen und wie SCP das nun ändert
TLDR: Die Wissenschaft hat trotz KI ein fundamentales Problem: Daten passen oft nicht zusammen. Ein Analysegerät spuckt proprietäre Dateien aus, die nur die Herstellersoftware lesen kann. Für eine KI ist das "toter Code". Wissenschaftliche Daten sind wie Menschen, die 50 verschiedene Sprachen sprechen und in schallisolierten Räumen sitzen. Das Science Context Protocol (SCP) löst dieses Interoperabilitäts-Problem durch eine universelle Sprache für Laborgeräte, Software und KI-Agenten. Daten reisen neu mit ihrem "Reisepass" – Metadaten, die Kontext liefern. Der Wert ist nicht mehr nur "0.45", sondern enthält Einheit, Temperatur, Geräte-ID und Zeitstempel. SCP macht Forschungsdaten "liquide" – sie fliessen hindernisfrei zwischen Institutionen, KI-Modellen und Robotern. Das Ergebnis: Ein KI-Agent in Zürich entwirft ein Molekül, ein Roboter in Shanghai synthetisiert es, die Ergebnisse fliessen in Echtzeit zurück – vollautomatisch.
Das Sprachproblem der Wissenschaft
Die Wissenschaft hat trotz KI ein fundamentales Problem: Daten passen oft nicht zusammen. In der Fachsprache nennt man das Interoperabilität, aber "Daten-Kooperation" trifft es im Kern fast besser. Das Problem, das das neue Science Context Protocol löst, ist, dass wissenschaftliche Daten bisher wie Menschen sind, die 50 verschiedene Sprachen sprechen und in schallisolierten Räumen sitzen.
Stell dir vor: Eine Forscherin in Zürich hat eine brillante Idee für ein neues Material. Die KI simuliert das Molekül am Computer, sendet den Bauplan automatisch an ein Labor in Shanghai, wo ein Roboter es synthetisiert. Die Messergebnisse fliessen in Echtzeit zurück, die KI optimiert sofort den nächsten Versuch – und das alles ohne menschliches Eingreifen, auch nachts um drei Uhr. Science-Fiction? Nein, das ist die Vision des Science Context Protocol.
Das SCP ist ein brandneuer Open-Source-Standard, der Ende 2025 vom Shanghai Artificial Intelligence Laboratory vorgestellt wurde. Es dient als Infrastruktur, um KI-Modelle, Software-Tools und physische Laborgeräte über Institutionsgrenzen hinweg nahtlos miteinander zu verbinden – ein spezialisiertes "Internetprotokoll für die automatisierte Wissenschaft".
Denn SCP ist eine Blaupause für komplexe, autonome Wertschöpfungsketten. Es zeigt, wie man in Zukunft nicht nur "Chats" automatisiert, sondern ganze physische Prozesse. Es ist der Schritt von "Generative AI" zu "Agentic AI" in der realen Welt.
Vom Datengrab zum Datenstrom
Aber von vorne: Bisher ist die Realität in Laboren ernüchternd: Ein Analysegerät spuckt eine proprietäre .raw oder .dat Datei aus. Nur die Software des Herstellers kann sie lesen. Für eine KI oder eine andere Datenbank ist das "toter Code". Ein Mensch muss die Datei öffnen, Werte abtippen oder manuell konvertieren – der klassische "Medienbruch", der Zeit kostet und Fehler produziert.
Labore sind digitale Flickenteppiche. Der Flüssigkeitsroboter von Hersteller A spricht nicht mit dem Analysegerät von Hersteller B. Daten liegen isoliert in proprietären Formaten oder, noch problematischer, in händisch geführten Labortagebüchern.
Mit SCP ändert sich das grundlegend: Das Protokoll zwingt die Daten in ein standardisiertes Format durch die "Unified Resource Integration". Egal ob das Gerät von Siemens, Thermo Fisher oder aus China kommt – der Output ist für den KI-Agenten sofort lesbar, wie eine universelle Sprache. SCP fungiert als "Universalübersetzer" mit standardisierten Treibern und Schnittstellen, ähnlich wie USB für Computer.
Der Kontext ist der Schlüssel
Das eigentliche Problem ist oft nicht das Datenformat selbst – das könnte man konvertieren. Das Problem ist der fehlende Kontext. Und genau dafür steht das "C" in SCP: Context.
Ohne SCP steht in einer Excel-Tabelle der Wert "0.45". Niemand weiss in zwei Jahren mehr: War das Gramm? Liter? War der Raum dabei 20 Grad warm oder 30? Welches Gerät wurde verwendet? Wer hat das Experiment durchgeführt? Diese Informationen verschwinden oft in E-Mails, Notizzetteln oder im Gedächtnis von Mitarbeiter:innen, die längst in anderen Projekten arbeiten.
Mit SCP reisen Daten nie allein. Sie haben immer ihren "Reisepass" dabei – strukturierte Metadaten. Der Wert ist nicht mehr nur "0.45", sondern ein vollständiger Datensatz: Wert 0.45, Einheit mg/ml, Temperatur 22°C, Geräte-ID 123, Zeitstempel in UnixTime. Erst dieser Kontext ermöglicht es verschiedenen Agenten, wirklich miteinander zu kooperieren, weil Missverständnisse ausgeschlossen werden.
Wenn ein Experiment scheitert, weiss man mit SCP genau, warum. Lag es an der Raumtemperatur? War das Reagenz zu alt? Jedes Experiment wird als strukturierter Datensatz mit allen relevanten Metadaten gespeichert. Das macht Forschung transparent und "debug-bar" wie Software-Code.
Von MCP zu SCP: Die Evolution für die Wissenschaft
Für das technische Verständnis ist der Bezug zu Anthropic wichtig: SCP baut konzeptionell auf dem Model Context Protocol (MCP) auf, das im November 2024 von Anthropic veröffentlicht wurde. Während MCP ein allgemeiner Standard ist, um KI-Modellen "Lese- und Schreibzugriff" auf Datenquellen zu geben, erweitert SCP dieses Konzept massiv.
Die vier Schlüsselerweiterungen gegenüber MCP sind bemerkenswert: Erstens die Zentralisierung – statt reiner Peer-to-Peer-Verbindungen nutzt SCP einen Hub für die Orchestrierung komplexer Workflows. Ein Agent macht die Literaturrecherche, ein anderer steuert den Roboter, ein dritter analysiert die Daten. Der Hub koordiniert alles.
Zweitens das Experiment Lifecycle Management: Ein MCP-Toolaufruf ist schnell vorbei, ein wissenschaftliches Experiment dauert oft Tage. SCP "versteht" den Zeitfaktor. Es kann einen Prozess starten ("Mische Lösung A"), warten bis der Roboter fertig ist, und dann erst den nächsten Schritt einleiten.
Drittens die Unified Resource Integration: Während MCP oft für Software-APIs genutzt wird, muss SCP physische Objekte adressieren. Es gibt Geräten und Proben eine digitale Identität. Ein Roboterarm in einem Labor in Zürich wird über eine standardisierte Adresse ansprechbar, genau wie eine Website.
Viertens der Sicherheits-Layer für Hardware: Bei reiner Software ist ein Fehler meist nur ein Absturz. Bei Robotern kann Hardware kaputtgehen oder Gefahrstoffe freigesetzt werden. SCP integriert daher strengere Sicherheitschecks und "Human-in-the-Loop"-Bestätigungen direkt ins Protokoll.
-WERBUNG-
Es braucht mehr Menschen die KI wirklich verstehen und gut einsetzen können, nicht noch mehr KI Trainer:Innen aber Menschen wie Du und ich die Digitalisierung als Werkzeug und Mittel für das Gute sehen, darum haben wir das KI Update gegründet, immer kostenlos, montags, auf Zoom mit Janet Zentel, Fabian Zentel und mir:
https://www.linkedin.com/embeds/publishingEmbed.html?articleId=8726193776726283822&li_theme=light
Die fünf Probleme des Laboralltags, die SCP löst
Das "Turmbau zu Babel"-Problem der Inkompatibilität ist allgegenwärtig: Labore sind oft digitale Flickenteppiche. Der Flüssigkeitsroboter von Hersteller A spricht nicht mit dem Analysegerät von Hersteller B. Daten liegen isoliert in proprietären Formaten oder in händisch geführten Labortagebüchern. SCP fungiert als "Universalübersetzer" mit standardisierten Treibern und Schnittstellen.
Die "Dry-to-Wet"-Lücke beschreibt den manuellen Flaschenhals: Eine KI kann zwar ein neues Molekül "erfinden", gibt das Rezept aber oft nur als Text aus. Ein Mensch muss dann zum Gerät gehen, die Parameter eintippen und das Experiment starten. SCP schliesst diesen Kreis ("Closed Loop"). Der KI-Agent kann das Experiment nicht nur planen, sondern den Roboter direkt beauftragen.
Die Reproduzierbarkeitskrise entsteht durch verlorenen Kontext: Wenn ein Experiment scheitert, weiss man oft nicht genau, warum. Lag es an der Raumtemperatur? War das Reagenz zu alt? SCP speichert nicht nur das Ergebnis, sondern den gesamten Kontext – daher der Name. Jedes Experiment wird als strukturierter Datensatz mit Metadaten gespeichert.
Die Ressourcenverschwendung ist ein weiteres Problem: Teure Spezialgeräte stehen oft ungenutzt herum, während Forscher:innen in anderen Abteilungen händeringend danach suchen. Durch die Unified Resource Integration können Labore ihre Geräte als "Dienst" im Netzwerk sichtbar machen. Ein Agent in Zürich könnte theoretisch eine Analyse auf einem freien Gerät in London buchen und ausführen lassen. Forschungskapazität wird damit zu einer dynamisch buchbaren Cloud-Ressource – eine Art "AirBnB für Labore".
Und schliesslich die Sicherheitsrisiken bei Autonomie: Niemand möchte, dass eine KI versehentlich gefährliche Substanzen mischt, nur weil sie "halluziniert". SCP integriert Sicherheitsmechanismen direkt in das Protokoll. Bevor ein kritischer Befehl an einen Roboter geht, kann das Protokoll eine Bestätigung durch einen Menschen erzwingen oder Sicherheitslimits abfragen.
Die Brücke zwischen Dry Labs und Wet Labs
Es gibt eine harte Trennung zwischen "Dry Lab" (Simulation und KI am Computer) und "Wet Lab" (physisches Experiment). Eine KI kann zwar ein neues Molekül "erfinden", gibt das Rezept aber oft nur als Text aus. Ein Mensch muss dann zum Gerät gehen, die Parameter eintippen und das Experiment starten. Das ist langsam und fehleranfällig.
SCP schliesst diesen Kreis. Der KI-Agent kann das Experiment nicht nur planen, sondern den Roboter direkt beauftragen, es auszuführen. Die Ergebnisse – etwa Messdaten eines Spektrometers – fliessen in Echtzeit zurück an die KI, die daraufhin sofort den nächsten Versuch optimiert. Vollautomatisch, auch nachts.
Durch die Unified Resource Integration können Labore ihre Geräte als "Dienst" im Netzwerk sichtbar machen. Ein Agent in Zürich könnte theoretisch eine Analyse auf einem freien Gerät in London buchen und ausführen lassen. Forschungskapazität wird damit zu einer dynamisch buchbaren Cloud-Ressource – eine Art "AirBnB für Labore".
Sicherheit bei autonomen Systemen
Autonome KI im Labor ist riskant. Niemand möchte, dass eine KI versehentlich gefährliche Substanzen mischt, nur weil sie "halluziniert". SCP integriert Sicherheitsmechanismen direkt in das Protokoll: Authentifizierung und "Human-in-the-Loop"-Checks. Bevor ein kritischer Befehl an einen Roboter geht, kann das Protokoll eine Bestätigung durch einen Menschen erzwingen oder Sicherheitslimits abfragen.
Bei reiner Software ist ein Fehler meist nur ein Absturz. Bei Robotern kann Hardware kaputtgehen oder Gefahrstoffe freigesetzt werden. SCP integriert daher strengere Sicherheitschecks direkt ins Protokoll, bevor physische Aktionen ausgeführt werden.
Science-as-a-Service wird Realität
SCP ist interessant, weil es den Plattform-Gedanken in die Grundlagenforschung bringt. Es verwandelt Wissenschaft von einem manuellen, fragmentierten Prozess in einen skalierbaren, digitalen Geschäftsprozess. Es schafft die Basis für "Science-as-a-Service", wo Forschungskapazitäten – Rechenleistung oder Laborzeit – über APIs von KI-Agenten dynamisch gebucht und genutzt werden können.
Du kannst MCP als den Standard-Baustein für Konnektivität betrachten, den du heute schon überall nutzen kannst. SCP hingegen ist eine Blaupause für komplexe, autonome Wertschöpfungsketten. Es zeigt, wie man in Zukunft nicht nur "Chats" automatisiert, sondern ganze physische Prozesse. Es ist der Schritt von "Generative AI" zu "Agentic AI" in der realen Welt.
SCP verhindert, dass Daten in Silos verstauben, und macht sie für KI-Agenten überhaupt erst "konsumierbar". Das Labor wird von einer Manufaktur zur vernetzten Smart Factory für wissenschaftliche Erkenntnisse.
Fragen zu KI und Digitalen Geschäftsmodellen? #fragRoger
Willst du mehr wissen? Sehr gerne komme ich auch bei Dir, bei deiner Firma, deiner ERFA Gruppe oder deinem Verband vorbei und helfe mit einem Workshop oder Input Referat.
Lass uns gerne mal unverbindlich sprechen. Also wenn ich helfen kann, wende dich gerne an mich #fragRoger und abonnier meinen offiziellen Newsletter: www.FragRoger.social und meinem Podcast
https://www.linkedin.com/embeds/publishingEmbed.html?articleId=8765634960983183282&li_theme=light
Disclaimer: dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Gemini.Google.com) manuell zusammen gestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt jeweils von einem KI Programm (Ideogram oder Adobe Firefly) und ist selbst erstellt. Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.
Quellen und weitere Informationen:
Complete AI Training. (2026). From MCP to SCP: Building a global hub for cross-lab agent. https://completeaitraining.com/news/from-mcp-to-scp-building-a-global-hub-for-cross-lab-agent/
GitHub. (2026). InternScience/scp. https://github.com/InternScience/scp
Gnoppix Forum. (2026). Science Context Protocol aims to let AI agents collaborate across labs and institutions worldwide. https://forum.gnoppix.org/t/science-context-protocol-aims-to-let-ai-agents-collaborate-across-labs-and-institutions-worldwide/3730
Shanghai AI Laboratory. (2025). Science Context Protocol: Accelerating discovery with a global web of autonomous scientific agents. arXiv. https://arxiv.org/abs/2512.24189
Shanghai AI Laboratory. (2025). Science Context Protocol [HTML version]. arXiv. https://arxiv.org/html/2512.24189v1
The Decoder. (2026). Science Context Protocol aims to let AI agents collaborate across labs and institutions worldwide. https://the-decoder.com/science-context-protocol-aims-to-let-ai-agents-collaborate-across-labs-and-institutions-worldwide/
The Moonlight. (2026). SCP: Accelerating discovery with a global web of autonomous scientific agents. https://www.themoonlight.io/review/scp-accelerating-discovery-with-a-global-web-of-autonomous-scientific-agents