Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Open Science Desktop

Eine lokale Desktop-Forschungswerkbank: beliebiges Modell, und Agenten erstellen Übersichten, Experimente und Paper mit nachverfolgbarer Herkunft jeder Datei.

Getestet von ReviewRamble editors · Aktualisiert

Auf GitHub ansehen Open Source

Diese Seite teilen:XLinkedInFacebookRedditWhatsAppE-Mail

Unsere Bewertung

3.9/5

Open Science Desktop ist ein ernsthafter offener Versuch eines KI-Laborbuchs für den Desktop, mit echter Herkunftsverfolgung und vernünftigen Standardfreigaben, aber es ist Beta-Software, die auf deinem eigenen Rechner mächtige Dinge tut.

Was ist Open Science Desktop?

Open Science Desktop ist eine quelloffene Forschungswerkbank für macOS, Windows und Linux, gebaut mit Tauri 2, React und TypeScript. Sie bringt eine gebündelte, fest versionierte OpenCode-Laufzeit mit (OpenCode 2 seit v0.7.2), also wählst du das Modell: jeden Anbieter, den OpenCode unterstützt, einen OpenAI-kompatiblen Endpunkt oder einen lokalen. Auch Claude Code, Codex und andere Agenten des Agent Client Protocol laufen darin.

Ihre Forschungs-Skills decken den ganzen Ablauf ab. research-explorer macht aus einer groben Richtung konkrete Themen, literature-survey schreibt ein PDF von 6 bis 20 Seiten mit 60 oder mehr Zitaten, experiment-suite baut lauffähigen Code mit Ergebnissen und Abbildungen, und paper-writer entwirft ein Paper von 8 bis 14 Seiten; ai4s-agent verkettet sie, und integrity-auditor prüft Bilder, Zahlen und Logik eines Papers. Jeder Schritt landet als Dateien in deinem Arbeitsbereich, und .openscience/provenance.jsonl verknüpft jedes Artefakt mit dem Lauf oder der Bearbeitung, die es erzeugt hat.

Drumherum gibt es MCP-Konnektoren mit einem Klick (arXiv, PubMed, Crossref, Semantic Scholar, bioRxiv, ClinicalTrials.gov, Materials Project, FRED und weitere), Jupyter-Notebooks, Läufe auf lokalen Rechnern, SSH- und Slurm-Hosts oder Modal, Steuerung deines eigenen Chrome, Computer Use für Desktop-Apps wie ImageJ, einen Server ohne Oberfläche (osd) und ein tokengeschütztes Gateway für den Zugriff vom Handy. Sie steht unter MIT-Lizenz; v0.7.3 erschien am 16. November 2026.

Lohnt sich Open Science Desktop?

Open Science Desktop richtet sich an Forschende, die einen Agenten die Fleißarbeit eines Projekts erledigen lassen wollen und dabei eine Spur hinterlassen möchten, der ein Gutachter folgen kann. Die stärkste Idee ist, dass nichts nur im Chat lebt: Übersichten, Code, results.json-Dateien, Abbildungen und Berichte sind Dateien in einem lokalen Ordner, und das Herkunftsprotokoll verbindet jede mit dem Code, den Eingaben und dem Gespräch, aus denen sie entstand. Sie hat rund 2,113 GitHub-Sterne, und das Projekt gibt an, im Juli 2026 nach durchschnittlicher Aufgabenbewertung auf ResearchClawBench Erster geworden zu sein, eine Angabe aus dem eigenen README.

Die Ergebnisse der Skills sind konkret und überprüfbar: eine Literaturübersicht mit mehr als 60 Zitaten und LaTeX-Quelle, ein Experimentpaket mit Designdokument und lauffähigem Code, eine Zitatprüfung, die DOIs auflöst und Zahlen ohne Quelle markiert. Weil sie über OpenCode modellunabhängig ist, kann ein Labor seine Daten bei einem lokalen Modell halten oder den Anbieter wechseln, ohne das Werkzeug zu wechseln.

Die Voreinstellungen sind für so fähige Software vorsichtig. Die Desktop-App fragt nach, bevor sie Befehle ausführt, Dateien löscht, Abhängigkeiten installiert oder ins Netz geht; abschalten lässt sich das (osd approval set full) nur direkt auf dem Rechner. Das Remote-Gateway lauscht nur auf Loopback, bis du LAN-Zugriff einschaltest, und API-Schlüssel bleiben in einer app-eigenen Konfiguration, außerhalb von Arbeitsbereich und Exporten. Die Browsersteuerung kann dein echtes Chrome-Profil mit seinen Anmeldungen bedienen, und Computer Use kann jede App auf dem Bildschirm steuern, also verdienen beide dieselbe Vorsicht, als würdest du einem Kollegen deinen Laptop leihen.

Die Schwächen werden offen benannt. Das README nennt sie Beta-Forschungswerkzeug, dessen Ausgaben als Entwürfe zu behandeln sind. Windows- und Linux-Builds sind noch nicht signiert (macOS-Builds sind signiert und notarisiert), der Server ohne Oberfläche schreibt weder provenance.jsonl noch den Laufindex, und portugiesische und arabische Oberflächen sind registriert, aber nicht auswählbar. Releases kamen zuletzt alle neun bis zehn Tage (v0.7.1 am 29. Oktober, v0.7.2 am 7. November, v0.7.3 am 16. November 2026), also rechne mit Änderungen.

Wo es sich lohnt

  • Eine Doktorandin in computergestützter Biologie

    Eine Literaturübersicht zu Protein-Sprachmodellen als Start für ein Dissertationskapitel bekommen

    Starte literature-survey mit den Konnektoren für PubMed, bioRxiv und Semantic Scholar; es erstellt ein PDF von 6 bis 20 Seiten mit LaTeX-Quelle, und die Zitatprüfung kontrolliert, dass die DOIs auflösen. Die App ist kostenlos; die Modellkosten hängen vom gewählten Anbieter ab.

  • Ein Machine-Learning-Labor mit einem gemeinsamen Slurm-Cluster

    Einen Benchmark-Sweep neu laufen lassen und ein Protokoll behalten, das Gutachter prüfen können

    Registriere den Cluster aus ~/.ssh/config, lass experiment-suite den Code schreiben und die Jobs abschicken, und lege Laufprotokolle und Herkunftsprotokoll zum Repository des Papers. Freigaben bleiben für Befehle und Netzzugriff an.

  • Ein Materialwissenschaftler an einer Laborworkstation

    Daten aus der Gerätesoftware ohne manuellen Export in Abbildungen bringen

    Steuere die Desktop-App des Geräts per Computer Use über ihren Barrierefreiheitsbaum und erstelle die Abbildungen dann in einem Notebook; jede Aktion meldet, ob sie überprüft werden konnte. Unter Windows erscheint eine SmartScreen-Warnung, weil der Build nicht signiert ist.

Bevor du dich festlegst

Einrichtung
Lade den Installer von GitHub Releases (macOS 13+, Windows 10/11 x64, .deb oder .rpm unter Linux), füge einen Schlüssel für einen Modellanbieter oder einen lokalen Endpunkt hinzu und starte eine Sitzung; auf Servern dient das eigenständige osd-Archiv.
Integrationen
Anbieterkatalog von OpenCode und OpenAI-kompatible Endpunkte; MCP-Konnektoren für arXiv, PubMed, Crossref, Semantic Scholar, bioRxiv/medRxiv, ClinicalTrials.gov, MyVariant/ClinVar, Materials Project, FRED und Open-Meteo, dazu jeder MCP-Server; ACP-Agenten wie Claude Code, Codex und Gemini CLI; Zed, JetBrains und Neovim über ACP; Jupyter, SSH/Slurm und Modal.
Daten und Datenschutz
Dateien im Arbeitsbereich, Sitzungen, Herkunft und Laufprotokolle bleiben standardmäßig lokal; Prompts und Dateien gehen an den Modellanbieter deiner Wahl, und die Einstellungen zeigen, was gesendet werden kann. Anbieterschlüssel liegen in einer app-eigenen Konfiguration, nicht im Arbeitsbereich oder in Exporten.
Kosten im großen Maßstab
Keine Lizenzkosten; die Rechnung sind Modell-Tokens, die lange Übersichts- und Paper-Läufe in großer Menge verbrauchen, und entfernte Rechenzeit. Das Projekt veröffentlicht keine Token-Zahlen.
Grenzen
Beta-MVP; nicht signierte Windows- und Linux-Builds; keine Herkunftsdaten vom Server ohne Oberfläche; ohne Desktop keine lokalen Jupyter-Kernel und keine nativen Dialoge; die MCP-Konfiguration eines Ordners wird bei der ersten Nutzung bis zum Neustart des Servers zwischengespeichert.

Was gut ist

  • Jedes Artefakt ist auf Code, Eingaben und Gespräch zurückführbar
  • Beliebiges Modell über die gebündelte OpenCode-Laufzeit, auch lokale
  • Skills für Übersicht, Experiment und Paper mit konkreten Ergebnissen
  • Freigaben standardmäßig an; Gateway bis zur Aktivierung nur auf Loopback
  • SSH-, Slurm- und Modal-Läufe als reproduzierbare Laufprotokolle gespeichert

Was nicht

  • Beta; Ergebnisse vor der Veröffentlichung prüfen
  • Windows- und Linux-Builds sind nicht signiert
  • Browsersteuerung und Computer Use handeln mit deinen eigenen Anmeldungen
  • Server ohne Oberfläche lässt das Herkunftsprotokoll aus
  • Benchmark-Spitzenplatz ist eine Selbstangabe

Am besten für

Forschungsgruppen, die eine lokale, modellunabhängige Agenten-Werkbank wollen, die für Übersichten, Experimente und Entwürfe eine Herkunftsspur führt.

Alternativen zu Open Science Desktop

Open Science Desktop: häufige Fragen

Lohnt sich Open Science Desktop?
Open Science Desktop ist ein ernsthafter offener Versuch eines KI-Laborbuchs für den Desktop, mit echter Herkunftsverfolgung und vernünftigen Standardfreigaben, aber es ist Beta-Software, die auf deinem eigenen Rechner mächtige Dinge tut. Wir bewerten es mit 3.9 von 5.
Was kostet Open Science Desktop?
Kostenlos und Open Source (MIT). Du bezahlst deinen Modellanbieter, mit einem lokalen Modell nichts, plus die SSH-, Slurm- oder Modal-Rechenzeit, die du nutzt.
Welche Nachteile hat Open Science Desktop?
Beta; Ergebnisse vor der Veröffentlichung prüfen; Windows- und Linux-Builds sind nicht signiert; Browsersteuerung und Computer Use handeln mit deinen eigenen Anmeldungen; Server ohne Oberfläche lässt das Herkunftsprotokoll aus; Benchmark-Spitzenplatz ist eine Selbstangabe.
Für wen eignet sich Open Science Desktop?
Forschungsgruppen, die eine lokale, modellunabhängige Agenten-Werkbank wollen, die für Übersichten, Experimente und Entwürfe eine Herkunftsspur führt.
Was kostet Open Science Desktop für ein Team oder im Produktivbetrieb?
Keine Lizenzkosten; die Rechnung sind Modell-Tokens, die lange Übersichts- und Paper-Läufe in großer Menge verbrauchen, und entfernte Rechenzeit. Das Projekt veröffentlicht keine Token-Zahlen.
Ist Open Science Desktop sicher für Firmendaten?
Dateien im Arbeitsbereich, Sitzungen, Herkunft und Laufprotokolle bleiben standardmäßig lokal; Prompts und Dateien gehen an den Modellanbieter deiner Wahl, und die Einstellungen zeigen, was gesendet werden kann. Anbieterschlüssel liegen in einer app-eigenen Konfiguration, nicht im Arbeitsbereich oder in Exporten.
Was sind die besten Alternativen zu Open Science Desktop?
Die nächsten Alternativen, die wir getestet haben, sind The AI Scientist (v1, v2 and v3), GPT Researcher, OpenResearch und OpenCode.

Antworten geprüft am 20. Nov. 2026.