Scientific Agent Skills: eine Bibliothek von Anweisungen für agentengestützte wissenschaftliche Forschung

Alles Wissenswerte zu K-Dense-AI/scientific-agent-skills: 158 installierbare Skills, die Workflows, Pakete, Datenbanken und Grenzen für KI-Agenten in der Forschung dokumentieren.

Was Scientific Agent Skills ist

Scientific Agent Skills ist eine offene Sammlung von Agenten-Skills, kein wissenschaftliches Modell und keine Rechenplattform. Jeder Skill wird als Verzeichnis mit SKILL.md, Dokumentation, Beispielen und, wo sinnvoll, Hilfsskripten ausgeliefert. Sein Zweck ist es, dem Agenten explizite Anweisungen zur Nutzung von Bibliotheken, Datenquellen und spezialisierten Forschungsabläufen zu geben.

Das README der Version v2.62.0 nennt 158 Skills und mehr als hundert Datenbanken oder Zugriffswege. Der Umfang reicht von Bioinformatik, Genomik, computergestützter Chemie und Wirkstoffforschung über Proteomik, medizinische Bildgebung, Materialwissenschaft, Physik und Geodatenanalyse bis zu Laborautomatisierung, wissenschaftlichem Schreiben und Datenanalyse. Dazu kommen explizite Grenzen: Klinische Materialien etwa werden als Forschungsunterstützung, autorisierte oder anonymisierte Daten und qualifizierte Überprüfung dargestellt — nicht als Diagnose oder therapeutische Entscheidung.

Futuristischer Serverraum mit einem zentralen Rack, das blaues Neonlicht ausstrahlt und 158 leuchtende holografische Ordner projiziert, jeder mit SKILL.md beschriftet und mit Symbolen für verschiedene wissenschaftliche Fachbereiche.

Das Projekt hindert den Agenten nicht daran, andere Pakete oder APIs zu verwenden. Der erklärte Mehrwert liegt in bereits dokumentierten Pfaden mit Beispielen, Herkunftsnachweis und Prüfungen für wiederkehrende Werkzeuge wie RDKit, Scanpy, BioPython, PyTorch Lightning, ChEMBL, UniProt und ClinicalTrials.gov.

Der Ursprung: von Claude Scientific Skills zu einer portablen Sammlung

Das Repository entstand am 19. Oktober 2025: Der erste Commit, signiert von Timothy Kassis, trägt den Titel Initial commit. Kassis’ GitHub-Profil weist ihn als Mitgründer und CTO von K-Dense aus; die Organisation beschreibt sich als Unternehmen, das Wissenschaftlern agentische Werkzeuge an die Hand geben will. Das K-Dense-Konto wurde drei Tage zuvor angelegt, am 16. Oktober 2025.

Der ursprüngliche Name erklärt den Startkontext: Das README enthält weiterhin den Hinweis, dass Claude Scientific Skills in Scientific Agent Skills umbenannt wurde. Als Grund wird genannt, die Kompatibilität von Claude auf jeden Agenten auszuweiten, der den offenen Agent-Skills-Standard implementiert. Der Wechsel spiegelt eine praktische Spannung wider: Eine für einen bestimmten Client organisierte Sammlung gewinnt an Reichweite, wenn sie einer portablen Struktur folgt — doch Installationsverzeichnisse, Skill-Erkennung und optionale Felder unterscheiden sich weiterhin je nach Client.

Konzeptionelle Illustration eines leuchtenden Ordners, ursprünglich mit "Claude Scientific Skills" beschriftet, der sich verwandelt und zu einer breiteren holografischen Oberfläche namens "Scientific Agent Skills" erweitert, verbunden mit mehreren KI-Plattformen.

Ein ausführlicherer Launch-Blogbeitrag wurde nicht gefunden. Daher werden Kassis oder K-Dense keine zusätzlichen Anekdoten oder Beweggründe zugeschrieben, die über die Chronologie des Repositorys, die Umbenennung und die vom Projekt selbst veröffentlichten Texte hinausgehen.

Philosophie und Prinzipien

Die im README und in CONTRIBUTING.md dokumentierte Philosophie lässt sich so zusammenfassen:

Explizite Anweisungen statt stillschweigendem Wissen: Ein Skill legt fest, was zu verwenden ist, wann, welche Abhängigkeiten bestehen, sowie Beispiele, Referenzen und bewährte Verfahren, damit ein Agent diesen Kontext nicht von Grund auf neu erschließen muss.

Illustration eines schlanken, durchscheinenden robotischen KI-Agenten, der eine schwebende SKILL.md-Datei liest, die explizite Anweisungen, Abhängigkeiten und wissenschaftliche Referenzen in neongrünem Text projiziert.

Interdisziplinarität: K-Dense begründet die Bündelung der Skills damit, dass ein realer Workflow Genomik, Chemieinformatik, klinische Daten und maschinelles Lernen zusammenführen kann.
Portabilität durch eine gemeinsame Spezifikation: Jeder Skill muss SKILL.md mit einem YAML-Header gemäß Agent Skills verwenden; das Repository verlangt zusätzlich metadata.version.
Validierung, Nachvollziehbarkeit und Grenzen: Anleitungen müssen, wo relevant, wissenschaftliche und Sicherheitsprüfungen enthalten; Gesundheits- und Laborworkflows müssen innerhalb der Forschungsgrenzen und der menschlichen Überprüfung bleiben.
Sicherheit durch Prüfung, nicht durch blindes Vertrauen: Das README warnt, dass ein Skill einen Agenten dazu bringen kann, Code auszuführen, Pakete zu installieren, das Netzwerk zu nutzen oder Dateien zu verändern. Empfohlen wird, nur das Nötige zu installieren, SKILL.md zu lesen, die Historie zu prüfen und lokal zu scannen, bevor man Inhalten von Dritten vertraut.

Die praktische Konsequenz ist, dass ein Skill keinem wissenschaftlichen Beleg gleichkommt und für sich genommen kein Ergebnis validiert. Er ist eine Verfahrensschicht über Software, Daten und externen Quellen, die der Nutzer in der eigenen Umgebung überprüfen muss.

So funktioniert es

Eine Installation kann über den Skills-Installer oder über die GitHub CLI erfolgen:

npx skills add K-Dense-AI/scientific-agent-skills

gh skill install K-Dense-AI/scientific-agent-skills scanpy

Das README schlägt außerdem vor, das Repository nach ~/.agents/skills/scientific-agent-skills oder .agents/skills/scientific-agent-skills zu klonen, und bietet für Hermes den Tap hermes skills tap add K-Dense-AI/scientific-agent-skills an. Kompatible Clients können demnach die konfigurierten Verzeichnisse erkennen, und ein bestimmter Skill lässt sich durch Nennung seines Namens aufrufen.

Futuristisches Terminal in einem dunklen Raum, das den Befehl gh skill install K-Dense-AI/scientific-agent-skills scanpy in neongrünem Text anzeigt, mit einem holografischen Verzeichnisbaum, der die Ordner skills/, references/, scripts/ und tests/ zeigt.

Die veröffentlichte Struktur trennt, was ein Agent lädt, von dem, was getestet wird:

skills/<name>/SKILL.md
skills/<name>/references/
skills/<name>/scripts/
skills/<name>/assets/
tests/<name>/

Das Repository setzt Python 3.13+ und uv für die eigene Wartungsarbeit voraus; die Laufzeitabhängigkeiten hängen vom jeweiligen Skill ab. Für Reproduzierbarkeit akzeptiert gh skill install einen Tag oder SHA, zum Beispiel --pin v2.62.0.

Die Beispiele zeigen die Komposition von Skills: Ein Workflow zur Wirkstoffforschung kombiniert eine ChEMBL-Abfrage, Strukturanalyse mit RDKit, virtuelles Screening, Literaturrecherche und Visualisierung; ein anderer verkettet Scanpy, Cellxgene Census, PyDESeq2, Arboreto und Open Targets für Einzelzelldaten. Das sind Rezepte des Projekts, keine klinischen Ergebnisse oder unabhängigen Validierungen.

Visualisierung eines von einem KI-Agenten orchestrierten Wirkstoff-Workflows: Ein Roboterarm verkettet holografische Module für eine ChEMBL-Abfrage, Strukturanalyse mit RDKit, virtuelles Screening und ein abschließendes Datenvisualisierungsdiagramm.

Offizieller und halboffizieller Status

Der überprüfbare offizielle Status ist der einer MIT-lizenzierten Sammlung, die den offenen Agent-Skills-Standard übernimmt und gh skill-Befehle für die GitHub CLI dokumentiert. Das README verweist auf die Dokumentation der GitHub CLI und merkt an, dass gh skill Skills im passenden Verzeichnis ablegt und Herkunftsnachweise für die Integrität der Lieferkette erfasst.

Gegenüber den Clients ist der Status halboffiziell: Das README selbst erklärt Kompatibilität mit Claude Code, Claude Cowork, Codex, Gemini CLI, Google Antigravity, Cursor, Pi, OpenClaw, NemoClaw und Hermes, sofern der Host den Standard unterstützt und seine Pfade konfiguriert hat. Es wurde kein Beleg dafür gefunden, dass Scientific Agent Skills als Plugin in einem offiziellen Marktplatz von Anthropic, OpenAI, Google oder Cursor aufgenommen wurde. Die angekündigte Kompatibilität sollte daher nicht als Zertifizierung, Anbieter-Empfehlung oder Garantie für einheitliches Verhalten verstanden werden.

In der Praxis verringern ein offenes Format und Installationspfade für mehrere Clients die Einstiegshürde; sie machen das Repository jedoch nicht zu einem formalen Standard und ersetzen nicht die Überprüfung der installierten Skills.

Das Ökosystem

Repositorys von K-Dense

Die Abfrage der GitHub-API der Organisation ergab folgende verwandte öffentliche Projekte, mit ihren Sternen zum unten genannten Messzeitpunkt:

Cyberpunk-Netzwerkkarte, die das K-Dense-AI-Ökosystem darstellt: ein leuchtender zentraler Knoten namens scientific-agent-skills, verbunden über Lichtstrahlen mit Satellitenknoten wie k-dense-byok, claude-skills-mcp, science-superpowers, mimeo und karpathy.

K-Dense-AI/k-dense-byok — 973 Sterne. Ein wissenschaftlicher Desktop-Copilot, der angeblich von Scientific Agent Skills angetrieben wird; erlaubt eigene Schlüssel, Modellwahl und einen lokalen Arbeitsbereich.
K-Dense-AI/claude-skills-mcp — 396 Sterne. Ein MCP-Server zum Suchen und Abrufen von Skills per Vektorsuche.
K-Dense-AI/science-superpowers — 281 Sterne. Eine computergestützte Wissenschaftsmethodik für Agenten, von K-Dense als wissenschaftliche Neuimplementierung von Superpowers beschrieben, die Präregistrierung vor testgetriebener Entwicklung priorisiert.
K-Dense-AI/mimeo — 238 Sterne. Ein Werkzeug, um die Expertise einer Person in SKILL.md oder AGENTS.md umzuwandeln.
K-Dense-AI/mimeographs — 97 Sterne. Mit mimeo erzeugte Skills, die die Denkweise von Gründern, Philosophen und Wissenschaftlern annähern sollen.
K-Dense-AI/scientific-agents — 121 Sterne. AGENTS.md-Profile, die auf das Expertenschließen von Wissenschaftlern und Ingenieuren ausgerichtet sind.
K-Dense-AI/claude-scientific-writer — 2.177 Sterne und K-Dense-AI/agentic-data-scientist — 679 Sterne. Schwesterprojekte für wissenschaftliches Schreiben beziehungsweise Ende-zu-Ende-Datenwissenschaft.
K-Dense-AI/karpathy — 1.525 Sterne. Ein Projekt, das sich als agentischer Machine-Learning-Ingenieur präsentiert.

Die direkteste Verbindung besteht zu k-dense-byok: Das README der Sammlung erklärt, dass dieses Produkt alle 158 Skills nutzt. claude-skills-mcp ist komplementär, da es Retrieval hinzufügt, keine neuen wissenschaftlichen Skills.

Forks, Ports und Community-Übersetzungen

Die Forks-API zeigte größtenteils Kopien mit der ursprünglichen Beschreibung. Zu denen, die Umfang oder Sprache ändern, gehören:

Dev-moe-kyawaung/scientific-agent-skills — 20 Sterne; beschrieben als Sammlung von Skills für Forschung, Wissenschaft, Ingenieurwesen, Analyse, Finanzen und Schreiben.
backtrue/claude-scientific-skills — 18 Sterne; ein auf Claude ausgerichteter Fork.
kellsaro/k-dense-ai-claude-scientific-skills — 12 Sterne; ein auf Claude ausgerichteter Fork.
xianyu110/claude-scientific-skills — 2 Sterne; laut GitHub-Beschreibung eine chinesischsprachige Präsentation der wissenschaftlichen Skill-Sammlung von K-Dense.

Dies sind über die API gefundene Forks, keine geprüften Erweiterungen oder von K-Dense empfohlene Versionen. Die Existenz einer übersetzten Kopie belegt weder Wartung noch Parität mit dem Original noch offizielle Unterstützung.

Vergleichbare und verwandte Projekte

Eine GitHub-Repository-Suche ergab google-deepmind/science-skills (2.628 Sterne), eine Sammlung von Google DeepMind zur Beschleunigung wissenschaftlicher Workflows mit Quellen wie AlphaGenome, AFDB und UniProt; LeonChaoX/qinyan-academic-skills (764), eine mehrsprachige Bibliothek für die akademische Forschung; sowie InternScience/Awesome-Scientific-Skills (501), eine kuratierte Liste wissenschaftlicher Skills. Sie werden im Vergleich näher beschrieben; ihre Existenz bestätigt, dass diese Bibliothek Teil eines größeren Raums von Agenten-Skills ist, kein geschlossenes Ökosystem.

Zahlen zum Repository

Messung: 5. August 2026, GitHub-API.

Kennzahl	Wert
Sterne	32.726
Forks	3.231
Tatsächliche Abonnenten	153
Commits	668
Von der API gemeldete offene Issues	8
Hauptsprache	Python
Lizenz des Repositorys	MIT
Erstellung	19. Oktober 2025
Letzter Code-Push	3. August 2026
Letzte Metadaten-Aktualisierung	5. August 2026
Letzte Veröffentlichung	`v2.62.0`, 31. Juli 2026

Holografisches Kontrollpanel, das die GitHub-Kennzahlen des Repositorys anzeigt: "32,7k Sterne", "668 Commits" und "v2.62.0", zusammen mit einem leuchtenden GitHub-Octocat-Logo vor dunklem Hintergrund mit Neonakzenten.

Die Gesamtzahl von 668 Commits stammt aus dem letzten Paginierungslink der API. Die von der API gemeldeten Hauptbeitragenden sind TKassis (285 Beiträge), borealBytes (38), github-actions[bot] (23), vin-bio (22) und leipzig (15). Das Automatisierungskonto ist keine Person und wird hier aufgeführt, weil die API es unter den Top-Beitragenden einordnet.

Es gibt zwei Vorbehalte zur API: open_issues_count kann offene Pull Requests einschließen und entspricht daher nicht zwangsläufig der Issue-Zahl; und watchers_count dupliziert die Gesamtzahl der Sterne. Deshalb weist die Tabelle subscribers_count als tatsächliche Abonnenten aus. Die Zahlen ändern sich mit der Zeit.

So kann man beitragen

CONTRIBUTING.md dokumentiert einen festgelegten Beitragsprozess:

Einen Fork und einen Branch anlegen, zum Beispiel add-skill-name.
skills/<name>/SKILL.md mit einem gültigen YAML-Header, kleingeschriebenem und bindestrichgetrenntem Namen, einer Beschreibung und metadata.version als in Anführungszeichen gesetzter numerischer Zeichenkette anlegen.
references/, scripts/ oder assets/ nur hinzufügen, wenn sie einen Mehrwert bieten; Tests in tests/<name>/ platzieren, nicht innerhalb des Skills.
Befehle, Beispiele und Skripte testen; die Version erhöhen, wenn ein bestehender Skill geändert wird.
uv run skills-ref validate ./skills/<name> ausführen und, falls der Skill Skripte enthält, dessen Tests mit uv run --with pytest python -m pytest tests/<name> -q.
Den Verhaltensscanner skill-scanner scan ./skills/<name> --use-behavioral für neue oder wesentlich geänderte Inhalte ausführen, bevor der Pull Request geöffnet wird.

Die Continuous Integration validiert Formatierung, Links, Skriptanalyse, YAML-Header und die Testanforderung für Skills mit scripts/. K-Dense stellt klar, dass ein sauberes Scanner-Ergebnis den Prüfaufwand verringert, die manuelle Überprüfung jedoch nicht ersetzt.

Wie die Community es aufgenommen hat

Für den Namen des Repositorys oder für K-Dense-AI/scientific-agent-skills wurde kein direkter Hacker-News-Thread gefunden; daher wird keine Rezeption in dieser Community zugeschrieben. Auf GitHub gibt es dagegen konkrete Signale, sowohl positive als auch kritische:

In Issue #126, mit vier Kommentaren, bezeichnete neseliispanak das Projekt als außergewöhnlich und bat um Skills für Sozialwissenschaften, Kunst und Musikwissenschaft. Kassis antwortete, man werde den Umfang erweitern, sofern klare Fähigkeiten definiert würden, und merkte später an, dass dafür Spezialisten zur Validierung nötig wären. Das ist die Begeisterung einer Person und ein Gespräch über Design, kein Beleg wissenschaftlicher Wirksamkeit.
Issue #174, mit drei Kommentaren, dokumentiert einen operativen Einwand: antoine-mle berichtete, dass gh skill install die Skills nicht fand; lxhuang2 bestätigte denselben Fehler. Kassis schloss den Thread mit der Erklärung, die GitHub CLI habe skills/ statt scientific-skills/ erwartet und man habe das Repository zur besseren Kompatibilität aktualisiert. Das README enthält weiterhin einen Hinweis auf diese Änderung seit v2.43.0.
In Issue #127, mit drei Kommentaren, meldete rottenpen, ein Skill enthalte Werbung. yarikoptic fand eine Empfehlung für K-Dense Web, merkte an, dies wirke wie Werbung, halte es aber nicht für bösartig, und listete weitere Skills auf, die eine ähnliche Empfehlung enthalten könnten. Das bestätigt weder, dass das gesamte Repository sicher ist, noch, dass der ursprüngliche Vorwurf zutraf; es erklärt aber, warum das README darauf besteht, Skills zu lesen und vor der Installation Scans durchzuführen.

Die erfasste Reaktion verbindet Interesse an der Erweiterung des Katalogs und wahrgenommenen Nutzen mit Installationsproblemen und Wachsamkeit gegenüber Anweisungen, die einen Agenten beeinflussen können. Es handelt sich um punktuelle Belege aus öffentlichen Issues, nicht um eine Nutzerbefragung.

Scientific Agent Skills im Vergleich zu anderen Angeboten

Angebot	Überprüfbare Übereinstimmung	Überprüfbarer Unterschied
`google-deepmind/science-skills`	Beide sind Skill-Sammlungen für wissenschaftliche Workflows und nennen spezialisierte Datenbanken und Werkzeuge.	Die Beschreibung von DeepMind konzentriert sich auf AlphaGenome, AFDB, UniProt und mehr als 30 Ressourcen; Scientific Agent Skills nennt 158 Skills, mehr als hundert Datenpfade und Multiagenten-Kompatibilität.
`LeonChaoX/qinyan-academic-skills`	Beide bündeln installierbare Skills für Forschung, Literatur, Schreiben und Analyse.	qinyan-academic-skills präsentiert sich als mehrsprachige Bibliothek mit 182 Skills für akademische Forschung; die Sammlung von K-Dense dokumentiert einen expliziten Fokus auf Wissenschaft, Python-Pakete, Datenbanken und Grenzen für klinische Forschung.
`InternScience/Awesome-Scientific-Skills`	Beide helfen bei der Entdeckung wissenschaftlicher Forschungs-Skills.	Awesome-Scientific-Skills wird als kuratierte Liste beschrieben; Scientific Agent Skills veröffentlicht die Skills selbst, dazu Skripte, Tests und einen Beitragsprozess.
`K-Dense-AI/science-superpowers`	Beide K-Dense-Repositorys nutzen komponierbare Skills für Forschungsagenten.	science-superpowers präsentiert sich als computergestützte Wissenschaftsmethodik auf Basis von Präregistrierung; Scientific Agent Skills ist der Katalog wissenschaftlicher Skills und Konnektoren.

Der Vergleich ist kein Benchmark. Um zwischen den Sammlungen zu wählen, empfiehlt sich, das SKILL.md der gewünschten Aufgabe zu prüfen, dazu Abhängigkeiten, individuelle Lizenz, Datenquellen, Netzwerkrichtlinien und Sicherheitsgrenzen — statt Qualität aus der Sternezahl abzuleiten.

Anwendungsfälle und wem dieses Repository helfen kann

Teams für computergestützte Biologie und Genomik können einem Agenten dokumentierte Pfade für Sequenzanalyse, Einzelzelldaten, Variantenannotation und Abfragen an Ressourcen wie NCBI, UniProt oder Cellxgene Census geben. Forschungsgrenzen und qualifizierte Überprüfung sind besonders wichtig beim Umgang mit biomedizinischen Daten.
Gruppen für medizinische Chemie und Wirkstoffforschung können Skills für ChEMBL, RDKit, DiffDock, strukturelle Quellen und Literaturrecherche kombinieren, um virtuelles Screening, Struktur-Wirkungs-Analysen und Kandidatendokumentation zu organisieren. Die Ergebnisse bleiben Forschungshypothesen, keine klinischen Empfehlungen.
Labore und Automatisierungsteams können die Skills für Opentrons, LIMS und Protokolle nutzen, um Workflows vorzubereiten oder zu simulieren, wobei die Sicherheitsschranken und die Bedienerüberprüfung erhalten bleiben, die das README für physische Ausführung oder Remote-Schreibvorgänge verlangt.
Forschende, die Berichte, Abbildungen oder Literaturübersichten erstellen, können die Workflows für Volltextabruf, zeilengenaue Zitate, herkunftsbewusstes Schreiben und Dokumenterstellung nutzen. Die Sammlung regt zudem an, sowohl das Gesamtwerk als auch die konkreten Skills zu zitieren, die zur Arbeit beigetragen haben.
Administratoren von Agenten in Cursor, Codex, Claude Code, Gemini, Hermes oder anderen kompatiblen Hosts können nur eine thematische Teilmenge installieren, eine Version fixieren und den Code prüfen, bevor sie ihn erweitern. Diese partielle Auswahl ist relevant, weil das README selbst darauf hinweist, dass 158 Skills viel Kontext hinzufügen können und die Anweisungen Aktionen im System ausführen können.

Ressourcen

Repository: https://github.com/K-Dense-AI/scientific-agent-skills
Dokumentation und Installation: https://github.com/K-Dense-AI/scientific-agent-skills#-getting-started
Skill-Spezifikation: https://agentskills.io/specification
Offizieller Beitragsleitfaden: https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/CONTRIBUTING.md
Offizielle Skills: https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills
Ergänzendes BYOK-Projekt: https://github.com/K-Dense-AI/k-dense-byok
Verwandter MCP-Server: https://github.com/K-Dense-AI/claude-skills-mcp
Rezensionen und Diskussionen: https://github.com/K-Dense-AI/scientific-agent-skills/issues/126, https://github.com/K-Dense-AI/scientific-agent-skills/issues/174, https://github.com/K-Dense-AI/scientific-agent-skills/issues/127
Community und Updates: https://www.k-dense.ai/, https://www.youtube.com/@K-Dense-Inc

Hinweis: Dieser Artikel kombiniert das README und den Beitragsleitfaden des Repositorys, die GitHub-API, die zitierten Issue-Threads und die K-Dense-Website, abgerufen am 5. August 2026. Kennzahlen und Inhalte können sich ändern.