Der wissenschaftliche Forschungsprozess steckt noch im Zeitalter des "Zusammenstückelns verschiedener Einzeltools": ClawsGO Science fasst Recherche, Modellierung, Grafikerstellung und wissenschaftliches Schreiben zu einer vollständigen cloudbasierten Forschungsmaschine zusammen.
ClawsGO Science gestaltet wissenschaftliche Arbeitsabläufe mithilfe von cloudbasierten intelligenten Agenten neu, Bit Wunder Technology sucht die nächste Finanzierungsrunde
Die Ergebnisse wissenschaftlicher Arbeit sind längst hochgradig digitalisiert, aber der Prozess selbst steckt noch in der Ära der Zusammenstellung mehrerer Tools. Ein Forschungsprojekt umfasst in der Regel mehrere Schritte: Literatursuche und -lektüre, Datenbereinigung und statistische Modellierung, Diagrammerstellung, Verfassen und Layout von Arbeiten, Anpassung von Einreichungsformaten und Überarbeitung nach Gutachten. Für jeden Schritt gibt es ausgereifte eigenständige Tools, aber es fehlt ein durchgehender Ausführungspfad. Die Zeit, die Forschende für Umgebungskonfiguration, Datenmigration, Formatausrichtung und Versionsrückverfolgung aufwenden, ist oft genauso groß wie die für kreative Arbeit – und diese Schritte tragen nicht zum Kernwert der akademischen Ergebnisse bei.
Das Produkt ClawsGO Science der Beijing Bit Wunder Technology Co., Ltd. zielt darauf ab, diesen Pfad zu verkürzen. Das Produkt integriert Cloud-Server, vorinstallierte Forschungsumgebungen, Literatursuche, Codeausführung, Datenvisualisierung und eine LaTeX-Arbeitsfläche in einer einzigen Schnittstelle für intelligente Agenten. Nutzer beschreiben ihr Forschungsziel in einem Satz, und der intelligente Agent zerlegt es selbstständig und führt es schrittweise fort. Zwischendurch können sie sich offline abmelden und nach einigen Stunden ein Teilergebnis mit nachverfolgbaren Prozessaufzeichnungen prüfen. ClawsGO Science befindet sich derzeit in der frühen Kommerzialisierungsphase nach der öffentlichen Markteinführung. Das betreibende Unternehmen bereitet die nächste Finanzierungsrunde vor, deren Mittel für die Optimierung der Modellplanungsfähigkeiten, die unternehmensinterne private Bereitstellung und die Erweiterung des Forschungsteams verwendet werden sollen.
Wissenschaftliche Prozesse sind durch Toolketten zersplittert, und langfristige Aufgaben fehlen an stabilen Ausführungsumgebungen
Das Problem in Forschungsszenarien liegt nicht im Mangel an einzelnen Tools, sondern im fehlenden Kontextaustausch zwischen ihnen. Die von Forschenden gefundenen Literaturzusammenfassungen, bereinigten Versuchsdaten, Modellierungsskripte und Diagrammdateien sind oft über lokale Verzeichnisse, Browser-Lesezeichen und Kollaborationsplattformen verteilt. Beim Gerätewechsel oder der Fortsetzung der Arbeit am nächsten Tag müssen zunächst Umgebung und Variablenzustände wiederhergestellt werden. Wenn sich die Aufgabenkette verlängert und ein Fehler oder fehlende Abhängigkeiten auftreten, müssen Forschende die Problemursache von Anfang an suchen – das verbraucht Aufmerksamkeit und macht den Prozess schwer wiederverwendbar.
Diese Probleme werden seit der Verbreitung von Programmierassistenten auf Basis großer Sprachmodelle noch deutlicher. Allgemeine intelligente Programmieragenten sind bei der schrittweisen Codeerstellung bereits ausgereift, aber ihre Laufzeit ist in der Regel auf eine einzelne Interaktion ausgelegt. Bei Forschungsaufgaben neigen sie dazu, in wiederholten Sprüngen zwischen Suche, Lesen, Modellierung, Zeichnen und Schreiben Informationen zu verlieren oder abzubrechen. Forschungsaufgaben haben zudem zwei weitere Anforderungen: Erstens müssen Schlussfolgerungen und Daten auf ihre Quellen zurückverfolgt werden können, zweitens muss die Laufzeitumgebung reproduzierbar sein. Die einfache Übertragung der Codegenerierungsfähigkeit in den Browser löst nicht die Probleme der Langfristigkeit und der Beweiskette von wissenschaftlicher Arbeit.
Die politische Unterstützung für Effizienztools in der Forschung hat sich in letzter Zeit deutlich verstärkt. Im Juni 2026 veröffentlichte das Nationale Datenamt den „Umsetzungsplan zur Förderung des Aufbaus hochwertiger Datensätze in verschiedenen Branchen“, in dem erstmals der Aufbau hochwertiger Daten in Bereichen wie der wissenschaftlichen Forschung auf Ebene branchenspezifischer Datensätze vorgesehen und die Ausrichtung an zukunftsweisenden Bereichen erwähnt wird. Gleichzeitig schätzt das Marktforschungsinstitut QY Research, dass der globale Markt für KI in der Wissenschaft im Jahr 2025 etwa 4,538 Milliarden US-Dollar beträgt und bis 2032 voraussichtlich 26,23 Milliarden US-Dollar erreichen wird, was einer jährlichen Wachstumsrate von rund 28,9 % entspricht. Softwareplattformen sind dabei eine der wichtigsten Produktformen. Nachfrage, Politik und sinkende Rechenkosten treffen im gleichen Zeitfenster zusammen, sodass intelligente Forschungsagenten zu einer eigenständigen Produktebene neben den Fähigkeiten von Basismodellen werden.
Integrierte Ausführung von der Suche bis zur fertigen Arbeit: Intelligente Agenten laufen kontinuierlich in der Cloud
Die Produktform von ClawsGO Science lässt sich in einem Satz zusammenfassen: Es fasst Umgebungen, Tools und Prozesse, die Forschende früher manuell lokal verknüpfen mussten, zu einer vollständigen, in der Cloud laufenden Forschungsmaschine zusammen. Das Produkt weist jeder Aufgabe einen Cloud-Server mit vorinstallierter Forschungsumgebung zu, sodass Nutzer keine eigene LaTeX-Distribution, Python-Abhängigkeiten oder Zeichenbibliotheken konfigurieren müssen. Nutzer geben Aufgaben in natürlicher Sprache an, beispielsweise die Erstellung einer Literaturübersicht, die Modellierung einer Reihe von Versuchsdaten oder das Entwerfen eines Kapitels einer wissenschaftlichen Arbeit. Der intelligente Agent erledigt anschließend selbstständig Suche, Lesen, Codeausführung und Dokumentenausgabe – der gesamte Prozess läuft in der Cloud, und der Aufgabenstatus kann über Web, Mobilgeräte und Desktop synchron eingesehen werden.
Auf Architekturebene ergänzt ClawsGO Science den Kern des allgemeinen intelligenten Agenten um zwei technische Ebenen. Die erste ist ein Langzeitausführungsmechanismus: Aufgaben können mehrere Stunden lang kontinuierlich auf das Forschungsziel hin ausgeführt werden und nach einer Unterbrechung an der unterbrochenen Stelle fortgesetzt werden, ohne dass vorherige Schritte neu ausgeführt werden müssen. Die zweite ist ein Mechanismus zur Zusammenarbeit zwischen Aufgabenplänen und mehreren Unteragenten: Komplexe Aufgaben werden in parallel ausführbare Teilaufgaben unterteilt, und Nutzer können im Panel den Gesamtfortschritt sowie den Ausführungsstatus jeder Teilaufgabe einsehen. Dieses Design zielt auf die Merkmale langer Aufgabenketten und häufiger Fehler bei einzelnen Schritten in der Forschung ab – es ist auch der grundlegende Unterschied zu allgemeinen Programmierassistenten.
Bei der Modellplanung unterstützt ClawsGO Science das Wechseln zwischen mehreren zukunftsweisenden Modellen je nach Aufgabe, anstatt das Produkt an ein einziges Modell zu binden. Dieses Design senkt die Migrationskosten, die durch Modellaktualisierungen entstehen, und bedeutet zudem, dass die Leistungsfähigkeit des Produkts mit den Basismodellen synchron steigt. In der Schreibphase bietet das Produkt eine native LaTeX-Arbeitsfläche, bei der Quellcode und PDF in Echtzeit parallel kompiliert werden. Der intelligente Agent kann Arbeiten direkt bearbeiten: Das Wechseln von Zeitschriftenvorlagen, das Anpassen von Zitierformaten sowie das Ergänzen von Methoden und Experimenten nach Gutachten lassen sich alle über Anweisungen in natürlicher Sprache auslösen. Die Bearbeitung von wissenschaftlichen Diagrammen unterstützt zudem interaktive Markierungen, und nach Änderungen werden die zugehörigen Codes, Daten und Aufzeichnungen der Laufzeitumgebung beibehalten.
Nachverfolgbare Prozesse und reproduzierbare Versionen sind zwei Schlüsselfunktionen von ClawsGO Science für Forschungsszenarien. Alle Umgebungen, Befehle, Dateiänderungen und Suchaktionen bei jeder Ausführung werden gespeichert. Forschende können jederzeit zurückschauen und auch Wochen später in der Überarbeitungsphase auf historische Versionen zugreifen, um die Arbeit fortzusetzen. Wichtige Schlussfolgerungen und Daten sind mit Quellenangaben versehen, sodass die Ergebnisse leicht überprüfbar und nachprüfbar sind. In den auf der Produktwebsite gezeigten Ausführungsbeispielen kann der intelligente Agent selbstständig Literatursuche, das Lesen von Volltexten, das Extrahieren von Effektgrößen, das Anpassen von Modellen mit zufälligen Effekten, das Erstellen von Waldplänen und das Verfassen von Ergebniskapiteln in etwa mehreren zehn Minuten erledigen. Dies sind Demonstrationsbeispiele des Produkts und stellen keine Leistungsversprechen für alle Fachbereiche und Forschungsumfänge dar.
Einstieg über Abonnements für Forschungsteams: Von individueller Effizienz zu institutioneller Bereitstellung
Die Zielnutzer von ClawsGO Science umfassen Doktoranden, Hochschullehrer, unabhängige Forschende sowie unternehmensinterne Forschungsteams. Erstere möchten vor allem den täglichen Forschungsprozess verkürzen, um mehr Zeit für Themenauswahl, Bewertungen und Richtungsentscheidungen zu haben. Letztere legen mehr Wert auf Prozessstandardisierung, Datentrennung und private Bereitstellung. Beide Anforderungen sind in der Produktform ähnlich, erfordern aber unterschiedliche Bereitstellungsmethoden: Für individuelle Nutzer steht das selbstbedienbare Abonnement im Vordergrund, für institutionelle Nutzer sind vorab durchgeführte Integrationen und fortlaufende Wartung erforderlich.
Im Geschäftsmodell sind die Abrechnungseinheiten vor allem Aufrufe von cloudbasierten intelligenten Agenten und Rechenleistungsdienste. Nutzer zahlen in ihrem eigenen Konto nach Nutzungsmenge oder gebuchten Paketen, die Serverlaufzeit wird nicht separat berechnet, und die Rechenkosten sind in den Modellaufrufdiensten enthalten. Diese Abrechnungsstruktur beschränkt die variablen Kosten von Forschenden auf die Aufgabe selbst, ohne dass sie langfristig ungenutzte Rechenkapazitäten vorhalten oder einmalige Ausgaben für lokale Hochleistungsgeräte tätigen müssen. Für institutionelle Kunden plant das Team eine gemeinsame Bereitstellung mit vorab eingesetzten Ingenieuren für private Installationen, um ressourcenintensive Arbeitsabläufe zu wiederverwendbaren privaten Vermögenswerten zu machen. Durch diese Bereitstellungsfähigkeit werden höhere Kundenpreise und eine höhere Bindung bei Vertragsverlängerungen erreicht.
Derzeit befindet sich ClawsGO Science noch in der Phase der Produktvalidierung und frühen Kommerzialisierung. Das Produkt ist öffentlich zugänglich und kann von Nutzern registriert werden. Während der Betaphase erhielt das Team Rückmeldungen von Forschern und Lehrern in- und ausländischer Hochschulen, auf deren Grundlage es die Effizienz und Zuverlässigkeit der Aufgaben stetig verbessert. Die genaue Anzahl zahlender Nutzer, Wiederkaufraten und Umsatzdaten sind bisher nicht öffentlich bekannt gegeben. Das betreibende Unternehmen Beijing Bit Wunder Technology Co., Ltd. wurde im November 2024 gegründet, hat ein eingetragenes Kapital von 100.000 Renminbi, gesetzlicher Vertreter ist Lü Haoran. Der im Handelsregister eingetragene Geschäftsbereich umfasst Softwareentwicklung und Entwicklung von Software für künstliche Intelligenzanwendungen. Das Team betreibt zudem die Bit Wunder (Changsha) Technology Co., Ltd., die im August 2026 an der Spezialbörse für Innovation und Unternehmensgründung von Studierenden der Hunan Equity Exchange notiert wurde, mit dem Notierungscode 310293HN. Die weitere Produktlinie InfStudio konzentriert sich auf KI-Video- und Schnittgestaltung und bildet gemeinsam mit ClawsGO die Produktmatrix des Unternehmens für die Szenarien Inhaltserstellung und unternehmensweite Intelligente Umgestaltung.
Die Mittel der nächsten Finanzierungsrunde werden hauptsächlich in drei Bereichen verwendet: technische Optimierung der Langzeitaufgabenplanung und Mehrmodell-Routing, Produktisierung der unternehmensweiten privaten Bereitstellung sowie Erweiterung des Forschungsteams. Der Wettbewerb in diesem Bereich erstreckt sich von allgemeinen Programmierassistenten bis hin zu spezialisierten Szenarien: Sowohl Hersteller von Basismodellen expandieren in den Forschungsbereich, als auch vertikale Startups setzen bei Versuchsplanung und Literaturanalyse an. Die besondere Position von ClawsGO Science liegt darin, dass es den gesamten Forschungsprozess als Produktbereich festlegt und nicht nur einzelne Funktionen abdeckt. Ob es bei Institutionen einen guten Ruf für Datensicherheit, Bereitstellungseffizienz und wiederverwendbare Prozesse aufbauen kann, bestimmt die Geschwindigkeit, mit der es sich von einem individuellen Effizienztool zu einer wissenschaftlichen Infrastruktur weiterentwickelt.
Derzeit muss ClawsGO Science noch mehrere Fragen anhand öffentlicher Kennzahlen beantworten: die Erfolgsrate von Langzeitaufgaben und das Verhalten bei der Wiederherstellung nach Unterbrechungen, die Allgemeineinsetzbarkeit in verschiedenen Fachbereichen sowie die Bindungsdaten zahlender Teams. Bei Produkten wie intelligenten Forschungsagenten ist es für die Qualität der Kommerzialisierung wichtiger, wie viele Prozesse Forschende tatsächlich an den intelligenten Agenten übergeben möchten und für welche Schritte sie bereit sind, dauerhaft zu zahlen – und das zählt mehr als die Anzahl registrierter Nutzer. Das ist auch der Teil, den Bit Wunder Technology dem Markt im Rahmen der nächsten Finanzierungsrunde nachweisen muss.