KI für rigoroses und skalierbares Zelltracking Die Verfolgung einzelner Zellen über die Zeit ist eine der schwierigsten rechnerischen Herausforderungen in der Biologie. Zellen teilen sich, migrieren und verändern ihre Form, und selbst mit leistungsstarken Mikroskopen kann die Aufgabe, Abstammungslinien zu rekonstruieren, wie das Zusammenstellen eines Puzzles erscheinen, bei dem sich die Teile ständig verschieben. Seit Jahrzehnten basierte ein Großteil dieser Arbeit auf Heuristiken oder ad-hoc Regeln, was die Reproduzierbarkeit erschwerte und die Ergebnisse schwer vergleichbar machte. Zwei aktuelle Arbeiten zeigen, wie KI und moderne Berechnung dieses Feld transformieren. In OrganoidTracker 2.0 stellen Betjes und Mitautoren einen probabilistischen Rahmen vor, der die Unsicherheit bei Abstammungszuweisungen quantifiziert. Anstatt einfach eine "beste Schätzung" auszugeben, fügt die Methode Vertrauensniveaus hinzu, die es Forschern ermöglichen, mehrdeutige Fälle zu identifizieren und rigorosere nachgelagerte Analysen sicherzustellen. Parallel dazu präsentieren Bragantini und Mitautoren Ultrack, ein Tool, das für Skalierbarkeit und Zugänglichkeit entwickelt wurde. Durch die Integration fortschrittlicher Optimierungs- und graphenbasierter Algorithmen in weit verbreitete Plattformen ermöglicht Ultrack die effiziente Verarbeitung großangelegter Bilddatensätze und senkt gleichzeitig die Hürden für die Einführung. Zusammen markieren diese Fortschritte einen Wandel im Zelltracking: von fragilen Heuristiken hin zu statistisch fundierten, skalierbaren und breit einsetzbaren Werkzeugen. Sie zeigen, wie KI nicht nur eine Aufgabe automatisiert, sondern sie auch im Hinblick auf Reproduzierbarkeit, Unsicherheit und Integration in reale experimentelle Arbeitsabläufe neu definiert.