Microsoft Discovery

Microsoft Discovery ist eine agentische Plattform für die wissenschaftliche Forschung und Entwicklung, die auf Build 2026 die allgemeine Verfügbarkeit erreicht hat. Anders als reine Literatur- oder Schreib-Assistenten zielt Discovery auf den kompletten F&E-Zyklus: von der Hypothesenbildung über die Literaturrecherche, das Experiment-Design und die Simulation bis zur Analyse und Validierung — orchestriert durch spezialisierte KI-Agenten.

Das technische Rückgrat ist ein graph-basiertes Wissensmodell. Statt Erkenntnisse als unstrukturierten Text zu behandeln, modelliert Discovery sie als verknüpften Graphen aus Entitäten, Beziehungen und Evidenz. Das macht die Schlussfolgerungen der Agenten nachvollziehbar: Man kann verfolgen, auf welcher Literatur, welchen Simulationsergebnissen und welchen Daten eine Hypothese beruht — für wissenschaftliche Arbeit, in der Reproduzierbarkeit und Provenienz zentral sind, ist das entscheidend.

Die Plattform ist erweiterbar: Forschungsteams bringen eigene Modelle, Tools, Datensätze und Partner-Integrationen ein. Discovery ist also kein geschlossenes System, sondern ein Orchestrierungs-Layer, der domänenspezifische Werkzeuge — etwa Moleküldynamik-Simulatoren, Materialdatenbanken oder Laborautomations-Schnittstellen — in einen agentischen Workflow einbindet. Trust, Compliance und Governance sind eingebaut, was für regulierte Branchen wie Pharma unerlässlich ist.

Microsofts Vorzeige-Ergebnis illustriert das Potenzial: Eigene Forscher fanden mit Discovery in etwa 200 Stunden einen neuartigen Prototyp für ein Datacenter-Kühlmittel — eine Aufgabe, die traditionell Monate bis Jahre dauert. Reale Einsätze laufen unter anderem bei Yale Engineering (Design von Klein-Molekül-Batterien) und Ginkgo Bioworks (automatisierte Cloud-Lab-Integration). Die adressierten Domänen reichen von Chemie und Materialwissenschaft über Silizium und Energie bis zu Manufacturing und Pharma.

Für kleinere Teams gibt es eine Standalone-App (Preview auf GitHub), die einen Teil der Funktionalität ohne die volle Enterprise-Plattform zugänglich macht — ein sinnvoller Einstieg für Forschungsgruppen, die nicht gleich eine vollständige Azure-Integration aufsetzen wollen.

Die Schwächen sind die typischen einer Enterprise-Plattform. Discovery ist stark Azure-orientiert und in der vollen Ausbaustufe teuer und setup-intensiv — es richtet sich an gut ausgestattete F&E-Organisationen, nicht an Einzelforschende. Die Domänenabdeckung ist noch im Aufbau: In den gezeigten Feldern (Chemie, Materialien, Pharma) ist die Plattform stark, andere Disziplinen sind dünner unterstützt. Und wie bei allen agentischen Wissenschafts-Tools gilt: Die Ergebnisse sind Hypothesen und Vorschläge, die experimentell validiert werden müssen — Discovery beschleunigt den Forschungsprozess, ersetzt aber nicht das Labor.

Empfohlen für Forschungs- und Entwicklungsteams in Industrie und Wissenschaft, die den gesamten Erkenntnisprozess beschleunigen wollen und über die nötige Daten- und Compute-Infrastruktur verfügen — besonders in Materialforschung, Chemie und Pharma. Für reine Literaturrecherche genügen schlankere Tools (etwa FutureHouse, Elicit oder Consensus); Discovery lohnt sich dort, wo Simulation, Experiment-Design und Validierung Teil des Workflows sind.