Forscher schlagen Agent-Native Artifacts als neues Format für wissenschaftliche Arbeit vor

IEEE Spectrum hat einen Vorschlag von 37 Autoren hervorgehoben, der eine grundlegende wissenschaftliche Konvention infrage stellt: Forscher sollten menschenlesbare Papers nicht länger als ihr primäres Ergebnis behandeln. Stattdessen wollen die Autoren maschinenausführbare Forschungspakete, die für KI-Agenten entwickelt wurden. Ihr Argument lautet nicht, dass Menschen den Zugang zur Wissenschaft verlieren sollten. Vielmehr benötigt künstliche Intelligenz inzwischen mehr Details, als ein herkömmliches Paper vermitteln kann.

Der Vorschlag erscheint in The Last Human-Written Paper, das am 27. April 2026 bei ArXiv eingereicht und am 19. Mai überarbeitet wurde. Die Autoren nennen ihren Ersatz Agent-Native Research Artifact, kurz ARA. Das Format vereint wissenschaftliche Behauptungen, ausführbaren Code, Forschungshistorie und Rohbelege in einem strukturierten Paket.

Dieser Ansatz erzeugt einen schärferen Konflikt, als der provokante Titel vermuten lässt. Wissenschaft muss für Maschinen leichter prüfbar werden, ohne für Menschen schwerer hinterfragbar zu werden. Der eigentliche Wettstreit lautet daher nicht KI-Leser gegen menschliche Leser. Es geht um Maschineneffizienz gegenüber den narrativen, redaktionellen und sozialen Funktionen, die Forschung verständlich machen.

Das Paper berichtet von deutlichen Verbesserungen bei ausgewählten Benchmarks für maschinelles Lernen. Doch die eigenen Ergebnisse enthalten auch eine Warnung. Detaillierte Aufzeichnungen früherer Fehlschläge können einen KI-Agenten zu nützlicher Arbeit führen, ihn aber ebenso an überholte Ideen binden.

Was die IEEE-Spectrum-Story tatsächlich auf den Tisch legt

Der Vorschlag verändert das primäre wissenschaftliche Objekt von einem überzeugenden Dokument zu einem nutzbaren Paket.

Ein herkömmliches Paper präsentiert ein Forschungsprojekt als lineare Argumentation. Es führt in ein Problem ein, beschreibt eine Methode, berichtet Ergebnisse und erklärt, weshalb diese Ergebnisse wichtig sind. Code, Daten, ergänzende Dateien und Laboraufzeichnungen liegen meist außerhalb dieser zentralen Erzählung.

ARA kehrt diese Hierarchie um. Das strukturierte Paket wird zum Hauptnachweis, während ein lesbares Paper zu einer kompilierten Ansicht seiner Inhalte wird. Ein KI-Agent kann einzelne Behauptungen prüfen, Belege zurückverfolgen, Code ausführen oder den Entscheidungen folgen, die ein Experiment geprägt haben.

Die 37 Forscher gliedern ARA in vier verbundene Ebenen. Eine kognitive Ebene erfasst das Problem, Konzepte, Experimente und falsifizierbare Behauptungen. Eine physische Ebene enthält ausführbaren Code, Konfigurationen, Abhängigkeiten, Hardwareanforderungen und Seeds.

Ein Explorationsgraph bewahrt Verzweigungen, verworfene Ansätze, Fehlschläge und Kurswechsel. Eine Belegebene enthält Ergebnisse, Logs, Kurven und andere Ausgaben, die jede Behauptung stützen. Querverweise verbinden eine Aussage mit ihrem Experiment, Code und Belegen.

Diese Struktur reagiert auf zwei Probleme, die die Autoren Storytelling Tax und Engineering Tax nennen. Die Storytelling Tax entsteht, wenn Forscher Monate verzweigter Arbeit auf einen erfolgreichen Pfad verdichten. Fehlgeschlagene Experimente und verworfene Hypothesen verschwinden bei dieser Verdichtung häufig.

Die Engineering Tax beschreibt den Unterschied zwischen Informationen, die zur Überzeugung ausreichen, und Informationen, die zur Ausführung ausreichen. Ein Gutachter kann verstehen, warum eine Methode funktionieren sollte, ohne über jede Einstellung zu verfügen, die für ihre Reproduktion erforderlich ist. Ein KI-Agent, der das Experiment durchführen will, kann diese Lücke nicht zuverlässig überbrücken.

Die Autoren schlagen zudem drei unterstützende Systeme vor. Ein Live Research Manager würde Entscheidungen während der gewöhnlichen Arbeit mit einem KI-Assistenten erfassen. Ein ARA Compiler würde bestehende Papers und Repositories in die neue Struktur überführen.

Ein ARA-nativer Begutachtungsprozess würde anschließend strukturelle Integrität, argumentative Stringenz und Reproduzierbarkeit prüfen. Menschliche Gutachter blieben für Bewertungen zu Bedeutung, Neuheit und wissenschaftlichem Urteilsvermögen verantwortlich.

Die IEEE-Spectrum-Analyse macht den Vorschlag berichtenswert, weil er über den Einsatz von KI zum Zusammenfassen von Papers hinausgeht. Sie fragt, ob wissenschaftliche Kommunikation um autonome Systeme herum neu gestaltet werden sollte, die Forschung lesen, reproduzieren und weiterentwickeln.

Dieser Unterschied ist wichtig. Suchwerkzeuge behandeln Papers als abzurufende Dokumente. ARA behandelt Forschung als eine Umgebung, in der ein Agent handeln kann.

Der Vorschlag geht zudem über das Anhängen eines Notebooks oder Repositories an ein PDF hinaus. Seine zentrale Behauptung lautet, dass narrative Papers verlustbehaftete Kompilierungen sind. Mehr ergänzende Dateien stellen nicht zwangsläufig die Verbindungen zwischen Behauptungen, Entscheidungen, Implementierungsdetails und Rohbelegen wieder her.

ARA stellt deshalb eine direkte institutionelle Forderung. Universitäten, Konferenzen, Fachzeitschriften, Förderer und Forschungsteams müssten strukturierte Artefakte als gleichwertige Ergebnisse anerkennen. Ohne diese Anerkennung bleibt ARA eine aufwendige Ergänzung statt eines Ersatzes.

Warum KI-Agenten wissenschaftliche Verlage unter Druck setzen

Verlage stehen heute vor einem Formatproblem, weil KI-Systeme Forschung anders konsumieren als menschliche Leser.

Menschen beginnen meist mit Titeln, Abstracts, Abbildungen und Schlussfolgerungen. Sie wechseln je nach Interesse und Fachkenntnis zwischen Abschnitten. Eine gut geschriebene Erzählung hilft ihnen zu verstehen, warum eine Frage wichtig ist und wie Belege ein Argument verändern.

Ein KI-Agent, der technische Arbeit ausführt, hat andere Anforderungen. Er muss präzise Behauptungen identifizieren, Abhängigkeiten auflösen, Konfigurationen finden, Code prüfen und berichtete Zahlen mit Rohausgaben verbinden. Außerdem muss er ein bestätigtes Ergebnis von einer Hypothese oder einer verworfenen Idee unterscheiden.

Ein PDF kann diese Details enthalten, legt sie jedoch selten konsistent offen. Tabellen können schwer zu analysieren sein. Gleichungen können bei der Extraktion ihre Struktur verlieren. Eine Methode kann von Einstellungen abhängen, die über Fließtext, Anhänge, Code und nicht dokumentierte Gespräche verstreut sind.

Die ARA-Forscher untersuchten 8.921 von Experten annotierte Reproduktionsanforderungen zu 23 ICML-2024-Papers. Sie berichten, dass nur 45,4 Prozent in den entsprechenden PDFs vollständig spezifiziert waren. Anforderungen für die Codeentwicklung wiesen eine ausreichende Abdeckung von 37,3 Prozent auf.

Fehlende Hyperparameter machten 26,2 Prozent der identifizierten Informationslücken aus. Diese Zahlen stammen aus der Analyse der Vorschlagsautoren und nicht aus einer unabhängigen Prüfung von ARA. Dennoch beschreiben sie ein bekanntes Reproduzierbarkeitsproblem in ungewöhnlich konkreten Begriffen.

Der zugrunde liegende Benchmark ist PaperBench, der bewertet, ob KI-Agenten Forschung im maschinellen Lernen reproduzieren können. Reproduktion bedeutet mehr, als Fragen zu einem Paper zu beantworten. Der Agent muss Experimente neu aufbauen und Ausgaben erzeugen, die Experten bewerten können.

Verlage sind nicht die einzigen Gruppen unter Druck. Forscher müssten während eines laufenden Projekts mehr strukturierte Informationen erfassen. Labore bräuchten Regeln, um interne Entscheidungen zu bewahren, ohne vertrauliches Material offenzulegen.

Konferenzgutachter bräuchten Werkzeuge, um durch Artefakte zu navigieren, die Tausende Dateien und Ereignisse enthalten können. Archivare benötigten stabile Standards für Umgebungen, Abhängigkeiten, Provenienz und Zugriffsberechtigungen. Forschungseinrichtungen müssten zudem entscheiden, welche Maschinenaktionen als gültige Verifikation gelten.

Die Antwort des Papers auf den Aufwand für Autoren lautet Automatisierung. Sein Live Research Manager würde die Zusammenarbeit von Mensch und Agent beobachten und Entscheidungen in strukturierte Aufzeichnungen überführen. Dieser Ansatz setzt voraus, dass ein KI-Assistent während des gesamten Projekts beteiligt ist.

Diese Annahme passt zu einigen Informatiklabors. Für Laborbiologie, klinische Studien, Feldforschung und qualitative Arbeit passt sie weniger natürlich. Ein Großteil ihrer Belege beginnt als physische Beobachtungen, Interviews, Instrumentenmessungen, Proben oder eingeschränkte Aufzeichnungen.

Die Autoren räumen ein, dass ihre Bewertung maschinelles Lernen abdeckt. Sie sagen, dass die physische und die Explorationsebene für Experimente außerhalb rechnergestützter Umgebungen erhebliche Anpassungen erfordern könnten. Diese Einschränkung begrenzt die unmittelbare Behauptung deutlich.

Wissenschaftliches Publizieren dient auch Lesern, die keinen Code ausführen. Politikverantwortliche, Journalisten, Studenten, interdisziplinäre Forscher und betroffene Gemeinschaften benötigen Erklärungen, nicht die Navigation durch Repositories. Ein ausschließlich für Agenten optimiertes Format würde diese Zielgruppen verfehlen.

Die stärkere Version des Vorschlags lautet daher doppelte Veröffentlichung. Ein strukturiertes Forschungsobjekt kann ausführbare Details enthalten, während eine menschliche Erzählung Zweck, Unsicherheit und Folgen erklärt. Das Paper selbst unterstützt diesen Ansatz faktisch, indem es Narrative als kompilierte Ansichten bezeichnet.

IEEE Spectrum legt einen echten Druckpunkt offen, doch die praktische Antwort erfordert nicht die Aufgabe von Prosa. Sie erfordert, die Rolle des PDFs als einzige maßgebliche Darstellung eines Projekts zu beenden.

Der Kernkonflikt von IEEE Spectrum lautet Wissen gegen Erzählung

Maschinenlesbare Strukturen können mehr Forschungsdetails bewahren, doch Details allein erzeugen noch kein wissenschaftliches Verständnis.

Die Autoren fassen ihr Gestaltungsprinzip als „Knowledge over Narrative“ zusammen. Diese Formulierung benennt die stärkste Einsicht des Vorschlags und seine zentrale Schwäche. Forschungswissen lässt sich nicht immer von der Art trennen, wie ein Argument aufgebaut wird.

Erzählungen können Fehlschläge verbergen und Unsicherheit glätten. Sie können jedoch auch erklären, warum ein Problem Aufmerksamkeit verdient, welche Annahmen moralisches Gewicht tragen und wo Belege mehrdeutig bleiben. Diese Funktionen lassen sich nur schwer auf Behauptungen, Abhängigkeiten und ausführbare Aufgaben reduzieren.

Wissenschaftliche Papers sind überzeugend, weil Wissenschaft Urteilsvermögen erfordert. Leser bewerten, ob eine Frage wichtig ist, ob ein Vergleich fair ist und ob eine Erklärung zu den Belegen passt. Ein maschinenverifizierbares Paket kann diese Entscheidungen unterstützen, ohne sie automatisch zu machen.

Die vier Ebenen von ARA bieten dennoch klare Vorteile. Verbindungen zwischen Behauptungen und Belegen können unbegründete Schlussfolgerungen sichtbar machen. Konfigurationsaufzeichnungen können erfolglose Reproduktionsversuche verringern. Explorationshistorien können verhindern, dass mehrere Teams denselben gescheiterten Ansatz wiederholen.

Der vorgeschlagene Einstiegspunkt PAPER.md unterstützt zudem eine schrittweise Offenlegung. Ein Agent kann zunächst einen kompakten Überblick lesen und dann nur die Dateien laden, die für eine bestimmte Frage nötig sind. Dieses Design hilft, den Kontextverbrauch zu kontrollieren und zugleich tieferliegendes Material zu bewahren.

Der Ansatz erweitert frühere Bemühungen, Forschungsobjekte leichter auffindbar und wiederverwendbar zu machen. Die FAIR-Prinzipien legten fest, dass Daten auffindbar, zugänglich, interoperabel und wiederverwendbar sein sollten. Andere Systeme bündeln Workflows, Provenienz, Notebooks oder atomare Behauptungen.

ARA versucht, all diese Dimensionen mit Ausführung und Entscheidungshistorie zu verbinden. Seine Neuheit liegt weniger in einem einzelnen Dateityp als in den Verknüpfungen zwischen ihnen. Eine Behauptung kann auf ein Experiment, einen Codepfad, eine Ausgabe und eine Abfolge früherer Entscheidungen verweisen.

Diese Struktur würde wissenschaftliche Arbeit leichter prüfbar machen, wenn Forscher sie gewissenhaft pflegen. Sie könnte auch selektive Berichterstattung sichtbarer machen. Ein Gutachter könnte prüfen, wie viele Ansätze scheiterten, bevor die berichtete Methode erfolgreich war.

Umfassende Aufzeichnungen führen jedoch neue Interpretationsprobleme ein. Ein fehlgeschlagenes Experiment könnte auf einer fehlerhaften Implementierung statt auf einer schlechten Hypothese beruhen. Ein Agent könnte einen alten Fehlschlag als universelle Einschränkung behandeln, obwohl er nur für eine Umgebung galt.

Die eigenen Erweiterungstests des Papers zeigen dieses Risiko. Mit ARA ausgestattete Agenten fanden bei fünf RE-Bench-Aufgaben schneller nützliche erste Schritte. Sie hatten Zugriff auf Fehlerspuren und Heuristiken, die Paper-basierte Agenten erst wiederentdecken mussten.

Bei zwei Aufgaben mit einem leistungsfähigeren Modell führte der frühe Vorteil nicht zum besten Endergebnis. Der papierbasierte Agent erkundete weiter, über das dokumentierte Vorgehensmodell hinaus. Der ARA-Agent blieb an die im Artefakt festgehaltenen Strategien gebunden.

Dieses Ergebnis schwächt das einfachste Verkaufsargument. Mehr strukturierter Kontext führte nicht immer zu besserer ergebnisoffener Forschung. Manchmal bewahrte Unwissenheit einen größeren Suchraum.

Der relevante Zielkonflikt besteht zwischen Gedächtnis und Exploration. Wissenschaftliche Systeme benötigen genügend Gedächtnis, um unnötige Wiederholungen zu vermeiden. Sie brauchen aber auch Mechanismen, die verhindern, dass übernommene Schlussfolgerungen zu unsichtbaren Grenzen werden.

Menschliche Forschende kennen dieses Problem bereits. Literaturüberblicke helfen ihnen, auf früheren Arbeiten aufzubauen, doch etablierte Rahmenwerke können alternative Fragestellungen entmutigen. Ein maschineller Agent könnte diesen Effekt verstärken, weil er expliziten Strukturen konsequent folgt.

ARA könnte das Risiko mindern, indem es fehlgeschlagenen Zweigen Provenienz, Daten, Modellfähigkeiten und Geltungsbedingungen beifügt. Agenten könnten alte Ergebnisse geringer gewichten, wenn sich Hardware, Daten oder Methoden verändert haben. Sie könnten außerdem gezielte Explorationsbudgets außerhalb des aufgezeichneten Graphen erhalten.

Diese Schutzmaßnahmen sind keine nebensächlichen Implementierungsdetails. Sie entscheiden darüber, ob ein agentennatives Artefakt zu einer Karte oder zu einem Käfig wird. Eine Karte kennzeichnet bekanntes Terrain und lässt zugleich Raum jenseits ihrer Grenzen.

Das beste Ergebnis würde beide Darstellungsformen bewahren. Menschen erhielten eine klare Erzählung mit nachvollziehbarer Autorschaft. Agenten erhielten ein prüfbares Forschungsobjekt mit den operativen Details, die Prosa nicht effizient aufnehmen kann.

Die Benchmark-Gewinne sind erheblich, aber noch kein Urteil

Die berichteten Ergebnisse rechtfertigen weitere Tests, nicht den generellen Ersatz wissenschaftlicher Arbeiten.

Die Autoren bewerten Verständnis, Reproduktion, Erweiterung und automatisierte Begutachtung. Ihr direktester Vergleich gibt Agenten entweder ein ARA-Paket oder eine herkömmliche Arbeit mit zugehörigem Code. Die Tests messen anschließend, wie gut jede Darstellung Forschungsaufgaben unterstützt.

Bei der Beantwortung von Fragen über PaperBench und RE-Bench hinweg berichtet die Arbeit einen Anstieg der Genauigkeit von 72,4 Prozent auf 93,7 Prozent. Das entspricht einer Differenz von 21,3 Prozentpunkten über 450 Fragen. Das Ergebnis legt nahe, dass strukturierte Artefakte Agenten helfen, präzise technische Informationen zu finden.

Bei der Reproduktion steigt die berichtete Erfolgsquote von 57,4 Prozent auf 64,4 Prozent. Die Auswertung umfasst 150 Teilaufgaben aus 15 PaperBench-Arbeiten. Die Verbesserung um sieben Punkte ist nützlich, dennoch bleibt mehr als ein Drittel der Aufgaben erfolglos.

Die Ergebnisse zur Erweiterung sind komplexer. ARA erzielte bei drei von fünf ergebnisoffenen Aufgaben die beste Punktzahl und fand bei allen fünf schneller eine wirksame Anfangsrichtung. Dennoch schränkten die früheren Fehlversuchsaufzeichnungen stärkere Agenten bisweilen ein.

Dies sind Ergebnisse der Autoren aus einem Preprint. Die Arbeit hatte zum Zeitpunkt ihrer Veröffentlichung auf ArXiv noch kein traditionelles Journal-Peer-Review durchlaufen. Unabhängige Teams müssen die Vergleiche weiterhin reproduzieren und prüfen, ob der Artefakterstellungsprozess die ARA-Bedingung begünstigte.

Die Arbeit legt mehrere wichtige Einschränkungen offen. Gutachter, die mit den ausgewählten Arbeiten und dem ARA-Format vertraut waren, halfen beim Aufbau des menschlich annotierten Benchmarks. Die Leistung kann bei unbekannten Themen, ungewöhnlichen Methoden oder weniger kuratierten Artefakten abweichen.

Der Compiler kann zudem keine Informationen wiederherstellen, die in einer ursprünglichen Arbeit fehlen. Wenn Autoren eine Versuchseinstellung ausgelassen haben, kann ein Extraktionssystem sie nicht zuverlässig rekonstruieren. Eine konvertierte ältere Arbeit übernimmt daher viele Lücken des Ausgangsdokuments.

Eine Live-Erfassung kann mehr Informationen bewahren, schafft jedoch eine weitere Abhängigkeit. Das System setzt voraus, dass Forschungsentscheidungen durch einen KI-vermittelten Workflow laufen. Gespräche außerhalb dieses Workflows, manuelle Experimente, private Nachrichten und nicht dokumentierte Urteile können weiterhin fehlen.

Sicherheit ist eine größere ungelöste Frage. Die Arbeit sagt, dass Produktionsanforderungen einschließlich isolierter Ausführung, Anomalieerkennung auf Inhaltsebene und granularer Zugriffskontrollen noch nicht umgesetzt sind. Diese Kontrollen sind erforderlich, bevor Agenten unbekannte Forschungspakete ausführen.

Ein bösartiges Artefakt könnte unsicheren Code oder irreführende Anweisungen enthalten. Eine kompromittierte Abhängigkeit könnte Ergebnisse verändern. Sensible Spuren könnten unveröffentlichte Ideen, personenbezogene Informationen, Sicherheitsbefunde oder vertrauliche Datensätze offenlegen.

Auch Datenschutz steht im Konflikt mit umfassender Erfassung. Jede verworfene Idee und jedes Gespräch zu bewahren, klingt für Maschinen wertvoll. Forschende könnten jedoch weniger frei sprechen, wenn jeder spekulative Kommentar Teil eines dauerhaften Artefakts wird.

Selektiver Zugriff kann diese Sorge mindern, doch eingeschränkte Evidenz schafft Komplikationen bei der Überprüfung. Gutachter müssen wissen, was und warum zurückgehalten wurde. Institutionen müssen außerdem verhindern, dass private Inhalte über generierte Zusammenfassungen oder abgeleitete Ausgaben durchsickern.

Automatisierte Begutachtung führt eine weitere Unsicherheit ein. Das vorgeschlagene ARA Seal prüft Struktur, wissenschaftliche Strenge und Ausführung auf steigenden Ebenen. Strukturelle Vollständigkeit garantiert jedoch nicht, dass eine Behauptung wissenschaftlich wichtig oder konzeptionell stichhaltig ist.

Große Sprachmodelle können zudem inkonsistente Urteile fällen. Die Arbeit berichtet über Auffälligkeiten bei ihrem modellbasierten Auditor für wissenschaftliche Strenge, darunter Diskrepanzen zwischen erkannten Problemen und vergebenen Bewertungen. Menschliche Begutachtung bleibt selbst innerhalb der vorgeschlagenen Architektur notwendig.

Diese Einschränkungen heben die Gewinne nicht auf. Sie zeigen, warum die Einführung in rechnergestützten Fachgebieten mit parallelen Artefakten beginnen sollte. Konferenzen können ARA-Pakete anfordern und zugleich menschenlesbare Arbeiten sowie das normale Begutachtungsverfahren beibehalten.

Teams könnten dann Erstellungsaufwand, Begutachtungszeit, Reproduktionsraten, Sicherheitsvorfälle und die Wiederverwendung von Artefakten vergleichen. Diese Messungen lieferten stärkere Belege, als Arbeiten allein aufgrund der Benchmark-Leistung zu ersetzen.

Der Vorschlag ist am besten als Infrastrukturforschung zu verstehen. Er bietet ein überprüfbares Format und unterstützende Werkzeuge. Er hat keinen universellen Endpunkt für wissenschaftliche Kommunikation etabliert.

Drei Signale werden zeigen, ob agentennative Forschung funktioniert

Die nächste Phase sollte nach Akzeptanz, unabhängiger Reproduktion und operativer Sicherheit beurteilt werden, nicht nach provokanten Titeln.

Das erste Signal ist die Einführung durch Konferenzen, Fachzeitschriften oder große Labore. Ein glaubwürdiges Pilotprojekt würde strukturierte Artefakte für eine klar definierte Klasse rechnergestützter Einreichungen verlangen. Es würde außerdem Archivierungsregeln und Verantwortlichkeiten der Gutachter festlegen.

Freiwillige GitHub-Uploads sind nützlich, prüfen jedoch nicht die institutionelle Akzeptanz. Forschende reagieren auf Publikationsanforderungen, Zitierpraktiken, Förderregeln und Anreize für Beförderungen. Ein Format wird erst dann zur Infrastruktur, wenn diese Systeme es anerkennen.

Das zweite Signal ist die unabhängige Reproduktion. Externe Teams sollten die berichteten ARA-Vergleiche mit bisher ungesehenen Arbeiten, anderen Agenten und mehreren Modellfamilien nachbilden. Sie sollten die Kosten für Erstellung und Pflege jedes Artefakts offenlegen.

Eine nützliche Studie würde drei Effekte trennen. Einer entsteht durch bessere Formatierung. Ein weiterer durch das Hinzufügen von Informationen, die in der Arbeit nicht verfügbar sind. Der dritte entsteht dadurch, dass Gutachter wissen, wie das Artefakt konstruiert wurde.

Diese Trennung ist wichtig, weil jedes detaillierte Forschungspaket eine kurze PDF übertreffen könnte. Die schwierigere Frage lautet, ob ARAs spezifische Ontologie über Projekte und Institutionen hinweg dauerhafte Vorteile bietet. Unabhängige Tests können diesen Unterschied belegen.

Das dritte Signal ist ein glaubwürdiges Sicherheits- und Governance-Modell. Bevor Agenten gemeinsam genutzte Artefakte ausführen, benötigt das Ökosystem isolierte Ausführung, Kontrolle von Abhängigkeiten, Provenienzprüfungen, Berechtigungen und dauerhafte Audit-Protokolle. Diese Schutzmaßnahmen müssen organisationsübergreifend funktionieren.

Governance muss auch Autorschaft definieren. Wenn Agenten Entscheidungen erfassen, Behauptungen verändern, Experimente ausführen und Zusammenfassungen generieren, müssen Leser wissen, welche Beiträge von Menschen stammen. Attribution darf nicht zu einem undurchsichtigen Feld werden, das erst nach Abschluss der Arbeit erzeugt wird.

Das öffentliche ARA repository bietet Code und Beispiele zum Experimentieren. Diese Offenheit kann unabhängigen Forschenden helfen, das vorgeschlagene Schema zu prüfen. Sie gibt potenziellen Anwendern außerdem ein konkretes Objekt zum Testen statt eines rein theoretischen Standards.

Die kurzfristige Einführung wird wahrscheinlich uneinheitlich verlaufen. Maschinelles Lernen und rechnergestützte Systeme bieten die deutlichste Passung, weil ihre Experimente bereits Code, Konfigurationen, Protokolle und messbare Ausgaben umfassen. Andere Disziplinen werden andere physische und ethische Kontrollen benötigen.

Forschende sollten die Frage von IEEE Spectrum nicht als Aufforderung verstehen, für Maschinen statt für Menschen zu schreiben. Sie sollten sie als Forderung betrachten, ein einziges Dokument nicht länger zur Bedienung jedes Publikums zu zwingen.

Eine Arbeit kann die menschliche Schnittstelle bleiben. Ein agentennatives Paket kann zum operativen Nachweis werden. Keines von beiden sollte das andere stillschweigend ersetzen, bis Belege zeigen, welche wissenschaftlichen Funktionen jedes Format gut erfüllt.

Diese Aufteilung bietet auch einen praktischen Workflow für Wissensarbeitende. Teams können strukturiertes Quellenmaterial bewahren und zugleich verständliche Erklärungen für Kollegen erstellen. Eine durchsuchbare Wissensdatenbank folgt demselben übergeordneten Prinzip: die Evidenz bewahren und zugleich das Auffinden erleichtern.

Der schwierige Teil besteht nicht darin, mehr Dateien zu erzeugen. Er besteht darin, vertrauenswürdige Verbindungen zwischen Behauptungen, Entscheidungen, Code und Evidenz zu erhalten. Diese Verbindungen müssen Softwareänderungen, Personalwechsel und Meinungsverschiedenheiten über die Interpretation überstehen.

IEEE Spectrum hat unter einem bewusst dramatischen Titel einen ernsthaften Vorschlag aufgeworfen. Die Zukunft des wissenschaftlichen Publizierens wird wahrscheinlich nicht die letzte von Menschen geschriebene Arbeit sein. Wahrscheinlicher ist sie der erste Forschungsnachweis, der ehrlich für beide Arten von Lesern konzipiert wurde.

Forschende sollten vor der Einführung von ARA eine konkrete Frage stellen: Erleichtert dieses Paket die Überprüfung der Arbeit, ohne das menschliche Verständnis zu schwächen? Wenn unabhängige Reproduktionen, institutionelle Pilotprojekte und sichere Ausführung dies bejahen, verdienen agentennative Artefakte einen formellen Platz neben Arbeiten. Bis dahin sollten Wissenschaftler mit dem Format experimentieren, lesbare Erzählungen bewahren und sich dagegen wehren, maschinelle Effizienz zum einzigen Maßstab wissenschaftlicher Kommunikation zu machen.