Nasslabor

Ein Nasslabor ist ein Labor, in dem mit echten Stoffen gearbeitet wird. Dort stehen Flüssigkeiten, Zellkulturen, Chemikalien, Pipetten und Kühlschränke. Menschen mischen, erhitzen, färben und messen Proben von Hand oder mit Maschinen. Der Name kommt daher, dass fast immer Flüssigkeiten im Spiel sind. Das Gegenstück ist das Trockenlabor, in dem nur am Computer gerechnet und ausgewertet wird. Wer über KI in der Medizin oder Chemie liest, stößt ständig auf diese Unterscheidung.

Warum Rechenergebnisse allein nichts beweisen

KI-Systeme sagen heute voraus, wie sich Eiweißmoleküle falten oder welcher Stoff gegen eine Krankheit helfen könnte. Solche Vorhersagen sind Wahrscheinlichkeiten, keine Tatsachen. Ob ein vorgeschlagener Wirkstoff tatsächlich wirkt, zeigt sich erst an echten Zellen. Das Nasslabor ist also die Instanz, die entscheidet, ob eine Rechnung stimmt.

Diese Prüfung ist teuer und langsam. Ein Experiment kann Wochen dauern und mehrere tausend Euro kosten. Ein Modell liefert seine Vorhersage dagegen in Sekunden. Genau darin liegt der Engpass vieler Forschungsprojekte: Der Computer produziert mehr Ideen, als das Labor überprüfen kann.

Deshalb wird der Wert eines KI-Modells in der Biologie oft daran gemessen, wie viele seiner Vorschläge im Labor bestehen. Ein häufiger Irrtum ist, eine beeindruckende Trefferquote in der Simulation gleich als Durchbruch zu lesen. Erst die bestätigte Quote im Nasslabor zählt als belastbares Ergebnis.

Vom Pipettieren zum Roboterarm

Klassisch arbeitet im Nasslabor ein Mensch. Er entnimmt mit einer Pipette winzige Flüssigkeitsmengen und verteilt sie auf Platten mit vielen kleinen Vertiefungen. Danach kommen Geräte zum Einsatz, die Proben schütteln, erwärmen oder durchleuchten. Am Ende steht eine Messung, zum Beispiel eine Farbveränderung oder ein Signal auf einem Bildschirm.

Zunehmend übernehmen Roboter diese Handgriffe. Solche automatisierten Labore werden manchmal Cloud-Labor genannt: Forscher schicken ihren Versuchsplan über das Internet, Maschinen führen ihn aus, die Messdaten kommen digital zurück. Das erlaubt sehr viele Versuche parallel und macht die Abläufe besser wiederholbar.

Interessant wird es, wenn ein KI-System diesen Kreislauf steuert. Das Modell schlägt Experimente vor, das Labor führt sie aus, die Ergebnisse fließen zurück ins Training. Fachleute nennen das eine geschlossene Schleife aus Entwurf, Test und Auswertung. Die KI lernt dann nicht nur aus alten Daten, sondern aus Daten, die sie selbst angefordert hat.

Wo der Begriff in News und Firmen auftaucht

Am häufigsten liest man das Wort bei Biotech- und Pharmaunternehmen. Wenn eine Firma meldet, ein KI-entwickelter Wirkstoff habe die Vorstufe zur klinischen Studie erreicht, steckt dahinter immer Arbeit im Nasslabor. Auch bei Materialforschung, etwa für neue Batterien, gilt dasselbe Muster: rechnen, dann testen.

Für Anleger ist der Begriff ein nützlicher Filter. Manche Unternehmen besitzen eigene Nasslabore, andere kaufen die Tests bei Dienstleistern ein. Wer eigene Labore betreibt, hat höhere Fixkosten, bekommt aber exklusive Messdaten. Solche Daten sind in der KI-Forschung oft wertvoller als das Modell selbst, weil Modelle kopierbar sind, Messreihen aber nicht.

Im Schulalltag begegnet dir das Prinzip übrigens auch. Der Chemieraum mit Bunsenbrenner und Reagenzglas ist ein einfaches Nasslabor, der Computerraum das Trockenlabor. Der Unterschied ist derselbe wie in der Forschung: Eine Rechnung kann man wiederholen, ein Experiment kann überraschen.