Mozi: Kontrollierte Autonomie für KI-Agenten in der Wirkstoffforschung

Die neueste Veröffentlichung von Mozi eröffnet einen vielversprechenden Weg, künstliche Intelligenz in der Wirkstoffforschung sicher und zuverlässig einzusetzen. Durch die Kombination von generativer KI mit der deterministischen Präzision der computergestützten Biologie schafft Mozi ein robustes System, das die bisherigen Engpässe bei der Anwendung von LLM-Agenten in der Pharmaindustrie überwindet.

Traditionelle KI-Agenten stoßen in hochkomplexen Bereichen wie der Medikamentenentwicklung an ihre Grenzen: unkontrollierter Tool‑Einsatz und mangelnde Zuverlässigkeit über lange Zeiträume führen zu irreproduzierbaren Ergebnissen. Frühzeitige Halluzinationen der Agenten vervielfachen sich und führen zu Fehlern in späteren Phasen des Entwicklungsprozesses. Mozi adressiert diese Probleme gezielt, indem es die Agenten in einer streng regulierten Umgebung operieren lässt.

Die Architektur von Mozi besteht aus zwei Schichten. Die Kontrollschicht (Control Plane) etabliert eine hierarchische Supervisor‑Worker-Struktur, die die Nutzung von Werkzeugen auf rollenbasierte, isolierte Bereiche beschränkt und die Aktionen auf vordefinierte, sichere Räume einschränkt. Gleichzeitig nutzt sie reflektionsbasierte Neutrafik, um die Agenten bei Bedarf neu zu planen. Die Workflow‑Schicht (Workflow Plane) modelliert die klassischen Phasen der Wirkstoffforschung – von der Zielidentifikation bis zur Lead-Optimierung – als zustandsbehaftete, zusammensetzbare Fähigkeitsgraphen. Durch strenge Datenverträge und gezielte menschliche Kontrollpunkte (Human‑in‑the‑Loop) wird die wissenschaftliche Integrität an kritischen Entscheidungspunkten gewährleistet.

Mozi folgt dem Leitprinzip „freie, sichere Denkprozesse kombiniert mit strukturierter Ausführung für langfristige Pipelines“. Das System bietet eingebaute Robustheitsmechanismen und eine detaillierte Nachverfolgbarkeit, die Fehlerakkumulation vollständig verhindern. In Tests auf dem PharmaBench‑Benchmark, einem speziell kuratierten Set für biomedizinische Agenten, zeigte Mozi eine deutlich höhere Orchestrierungsgenauigkeit als bestehende Ansätze. Diese Ergebnisse unterstreichen das Potenzial von Mozi, die Effizienz und Zuverlässigkeit der Wirkstoffentwicklung nachhaltig zu steigern.